INtelligenCe aRtificielle pour la dEtection des Aberrations chromoSomiquEs enDosimétrie – INCREASED

L’exposition aux rayonnements ionisants suite à un accident d’irradiation peut engendrer des conséquences graves sur la santé des personnes exposées et impacter potentiellement un grand nombre d’individus. Il existe à présent des connaissances scientifiques bien établies des effets sanitaires induits par différents niveaux de doses ainsi que leurs cinétiques associées. Ainsi, une fois effectuée la première étape de tri pour identifier les victimes irradiées sur la base de signes cliniques, il est nécessaire d'affiner l'évaluation de la dose reçue pour poser un diagnostic/pronostic précis aux victimes asymptomatiques restantes.
Lors de scénarios insidieux d’exposition externe, où les modalités d’exposition (nature, localisation spatiotemporelle) sont difficilement appréciables, la quantification, sur des prélèvements réalisés sur les victimes, d’effets chimiques ou biologiques radio-induits est plus adaptée à la reconstruction dosimétrique individuelle que les méthodes de calculs théoriques ou de simulations qui, faute d’informations suffisantes, seront soumis à de fortes incertitudes.
Parmi les techniques disponibles pour ce type d’évaluation dosimétrique réalisée sur des prélèvements biologiques, la méthode basée sur le dénombrement des aberrations chromosomiques au sein des lymphocytes circulants est particulièrement robuste et a fait ces preuves depuis plus d’un demi-siècle. Sa gamme de sensibilité (de 150 mGy à 5 Gy) la rend particulièrement pertinente aussi bien pour la phase de diagnostic/pronostic à court moyen terme des victimes asymptomatiques que pour leurs suivi à long terme. Cependant, le déploiement de cette technique est encore aujourd’hui confronté au verrou de l’automatisation la phase de reconnaissance des aberrations.
Le projet INCREASED propose d’adapter les algorithmes les plus puissants de l’intelligence artificielle moderne au contexte de la détection automatique d’aberrations chromosomiques en dosimétrie par cytogénétique. Ce projet propose de revisiter les méthodes de détection semi-automatique ou automatique actuellement utilisés pour la reconnaissance de dicentriques en imagerie GIEMSA à la lumière des progrès les plus récents de l’intelligence artificielle et d’apprentissage profond. Ces méthodes modernes, ayant fait preuve de leur incontestable supériorité dans d’autres domaines de vision par ordinateur, seront déployés sur des images GIEMSA pour un comptage exhaustif multi-classe non seulement de chromosomes dicentriques mais également d’aberrations anneaux-centriques, fragments acentriques, et même tri-centriques.
L’initiative du projet INCREASED est, de plus, tout à fait novatrice en dosimétrie basée sur l’imagerie FISH. A ce jour en effet, ce type de reconstruction dosimétrique repose sur un comptage manuel d’annotations non exhaustives et très simplifiées des différentes formes possibles de translocations. Ce protocole est donc aussi lourd qu’imprécis. Le projet INCREASED propose dans ce contexte une double amélioration : tout d’abord en termes d’annotations qui se veulent désormais exhaustives des différentes formes de translocations FISH (3 couleurs) observables, le tout renseigné dans une base de données à nomenclature universelle et rigoureuse. Ensuite, l’utilisation des outils de l’intelligence artificielle modernes capables de détecter et de d’interpréter exhaustivement des co-localisations/co-voisinages en translocation de différentes natures.
Le projet présente un très fort caractère dual car les retombées potentielles concernent des applications visant des militaires en opérations, des civils dans un contexte accidentel (NRBC-E, médical…etc) ainsi que le suivi sanitaires de personnel militaire, médical ou industriel potentiellement exposé au cours de leur activité. Au-delà du cadre de la dosimétrie, les résultats et les méthodologies utilisées au sein du projet INCREASED pourraient être appliqués à de nombreux domaines d’étude basés sur des analyses massives d’images cytogénétiques.