Un système optique de pointe

La dermatoscopie traditionnelle

L’analyse de la peau est la mission essentielle du dermatologue lors d’une consultation médicale. Certaines lésions cutanées sont difficiles à diagnostiquer, car :

  • l’éclairage naturel est insuffisant ou produit des reflets à la surface des tissus
  • l’analyse des couches sous-cutanées est délicate
  • les détails de la structure de la lésion peuvent trop petits et peu visibles

L’outil utilisé par les dermatologues pour réduire en partie ces problèmes est le dermatoscope qui combine un éclairage adapté à un grossissement.

Les dermatoscopes traditionnels sont simples, portables et abordables, mais ils reposent sur une technologie qui remonte au 11e siècle : la loupe, associée à une source de lumière. Avec cet outil, les lésions simples peuvent être détectées en quelques secondes, mais l’analyse des lésions plus complexes peut prendre jusqu’à une minute.

Les dermatoscopes numériques permettent de capturer et d’archiver des images à haute résolution. Certains d’entre eux proposent même une analyse par intelligence artificielle pour classer la lésion. Cependant, ces algorithmes n’apprennent qu’à imiter le professionnel, en utilisant des images visuelles conventionnelles prises avec le dermatoscope. De plus, ces solutions sont d’un prix très élevé et les appareils sont encombrants, occupant un espace précieux dans le cabinet.

La technologie de Poladerme

La lumière peut être modélisée par des ondes électromagnétiques. La polarisation de la lumière correspond à l’orientation du champ électrique dans l’espace et n’est pas détectable à l’œil nu. Le système Poladerme sera capable de la capter et de mesurer ainsi les propriétés physiques de la peau invisibles pour le dermatoscope et pourra donc fournir des résultats plus précis.

L’appareil utilise plusieurs longueurs d’onde du spectre afin de fournir des informations sur les différentes couches des tissus. La mesure de l’état de polarisation de la lumière en fonction de la longueur d’onde est appelée spectropolarimétrie. L’appareil qui utilise cette technique s’appelle un spectropolarimètre. Il combine un éclairage et un grossissement, comme un dermatoscope traditionnel, mais également une série de filtres optiques pour analyser l’état de polarisation de la lumière.

Dans le laboratoire ICube, plusieurs spectropolarimètres portatifs ou sur table optique ont été conçus, fabriqués et testés sur des tissus du vivant (image ci-dessous: microscope spectro-polarimétrique de Mueller sur table optique). Ce savoir faire permettra de proposer un dispositif de haute-performance, ultra portable, parfaitement adapté aux conditions pratiques des professionnels de santé.
Les tissus biologiques peuvent modifier la polarisation de la lumière de plusieurs façons : les agrégats cellulaires et les structures fibreuses sont responsables d’une diffusion multiple et provoquent la dépolarisation de la lumière rétrodiffusée ; les réflexions aux interfaces donnent lieu à des signaux de diatténuation, et les fibres de collagène (entre autres structures tissulaires) contribuent aux effets de biréfringence. Tous ces effets sont entremêlés dans les images de polarisation et peuvent dépendre de la longueur d’onde.

La spectropolarimétrie est une modalité très prometteuse pour la détection et le diagnostic du cancer. Le contraste entre les tissus sains et atteints de pathologies a été mis en évidence dans une grande variété d’organes humains outre la peau (par exemple, le col de l’utérus, le côlon, etc.). La polarisation est un outil puissant, car elle permet d’explorer divers aspects de l’organisation des tissus. Elle est sensible aux structures biréfringentes telles que le collagène et les fibres musculaires, la myéline et la kératine, ainsi qu’aux perturbations de la structure des tissus via la dépolarisation. La polarisation est affectée par les variations de l’architecture cellulaire : les différentes distributions de taille des noyaux entraînent différents types de régimes de diffusion avec des signatures polarimétriques spécifiques.

En particulier, la spectropolarimétrie de Mueller permet de rendre compte de la manière dont la lumière interagit avec le tissu cutané. La signature polarimétrique spécifique des différentes structures des tissus se retrouve dans les images de Mueller obtenues à l’aide de ce modèle. C’est ainsi qu’en utilisant des modèles statistiques globaux basés sur la théorie de la décision, le système Poladerme proposera une classification de l’échantillon associée à un niveau de confiance.

Publications

Heinrich, J. Rehbinder, J. Zallat, Revisiting the generalized polar decomposition of Mueller matrices, Journal of the Optical Society of America. A, pp. 1327-1339, Vol.37, Num. 8, August 2020

Varin, J. Rehbinder, J. Dellinger, C. Heinrich, J. Schmidt, C. Spenlé, D. Bagnard, J. Zallat, Polarimetric monitoring of docetaxel treated tumors in murine models, Tissue Optics and Photonics, pp. 1136305, Vol. 11363, April 2020

Varin, J. Dellinger, J. Rehbinder, C. Draman, M. Torzynski, C. Heinrich, J. Zallat, Ultra-stable spectropolarimeter for dermatology, Advanced Biomedical and Clinical Diagnostic and Surgical Guidance Systems XVIII, pp. 112290Q, Vol. 11229, February 2020

Varin, J. Rehbinder, J. Dellinger, C. Heinrich, J. Schmidt, C. Spenlé, D. Bagnard, J. Zallat, Tumor Growth Monitoring Using Polarized Light, European Conference on Biomedical Optics, 2019

Heinrich, J. Rehbinder, A. Nazac, B. Teig, A. Pierangelo, J. Zallat, Mueller polarimetric imaging of biological tissues: classification in a decision-theoretic framework, Journal of the Optical Society of America. A, 2018

Karnoukian, S. Faisan, C. Heinrich, A. Lallement, and J. Zallat. Segmentation of Mueller Matrix Images under Non-Uniform Illumination, Optics Express 23, no. 14, July 13, 2015

Faisan, C. Heinrich, Giorgos Sfikas, J. Zallat, Estimation of Mueller matrices using non-local means filtering, Optics Express 21, 4424-4438 (2013)

Faisan, C. Heinrich, F. Rousseau, A. Lallement, J. Zallat, Joint filtering-estimation of Stokes vector images based on a non-local means approach, Journal of the Optical Society of America. A, Optics, Image Science, and Vision, pp. 2028-2037, Vol. 29, Num. 9, September 2012

Zallat, M. Torzynski, A. Lallement. Double-pass self-spectral calibration of a polarization state analyzer, Optics Letters, Vol. 37(3): 401-403, 2012.

Sfikas, C. Heinrich, J. Zallat, C. Nikou, N. Galatsanos. Recovery of polarimetric Stokes images by spatial mixture models, Journal of the Optical Society of America. A, Optics, Image Science, and Vision, Vol. 28(3):465-474, 2011.

Zallat, Ch. Heinrich, M. Petremand, « A Bayesian approach for polarimetric data reduction: the Mueller imaging case », Optics Express, vol. 16, n. 10, pp. 7119-7133, 2008.

Zallat, C. Heinrich. Polarimetric data reduction: a Bayesian approach, Optics Express, Vol. 15(1):83–96, janvier 2007.

Zallat, S. Ainouz, M.-P. Stoll. Optimal configurations for imaging polarimeters: impact of image noise and systematic errors, Journal of Optics A Pure and Applied Optics, Vol. 8:807-814, 2006.

Ainouz, J. Zallat, A. de Martino, C. Collet. Physical interpretation of polarization-encoded images by color preview, Optics Express, Vol. 14:5916-5927, 2006.