SpectroLive : spectres optiques (autofluorescence et réflectance diffuse) acquis sur des carcinomes cutanés humains
Des données spectroscopiques ont été recueillies sur 131 patients suspectés d'être atteints de carcinomes cutanés au cours de l'essai clinique SpectroLive : NCT02956265 (identifiant national d'essai clinique de clinicaltrials.gov).
Les spectres ont été acquis in vivo avant l'anesthésie locale et la résection chirurgicale afin d'obtenir un diagnostic par anatomopathologie. Les spectres ont été acquis sur trois sites cutanés situés dans le fuseau de résection chirurgicals : sur la lésion suspecte elle-même (sites L), sur les marges chirurgicales définies par le chirurgien appelées sites périlésionnels (PL), et enfin sur les bords du fuseau chirurgical qui sont considérés cliniquement (puis confirmés par l'anatomopathologie) comme des sites non lésionnels (NL).
Un ensemble de mesures spectroscopiques comprend 24 spectres : 4 spectres correspondant chacun à une distance (0,4 ; 0,6 ; 0,8 ; 1 mm) entre les fibres optiques d'excitation et d'émission ont été acquis simultanément à l'aide de 6 sources lumineuses d'excitation différentes (365, 385, 395, 405, 415 nm pour l'acquisition des spectres d'autofluorescence et une source lumineuse blanche à large bande pour l'acquisition des spectres de réflectance diffuse).
Une procédure de prétraitement a été développée afin de corriger les données brutes acquises sur 4 chaînes optiques différentes, chacune composée d'un faisceau de fibres optiques, d'un filtre optique passe-haut et d'un spectromètre. Les données brutes et les programmes de prétraitement sont tous deux fournis dans la base de données disponible en ligne. Ensuite, des méthodes d'extraction de caractéristiques et d'apprentissage automatique (SVM, k-NN, LDA, etc.) ont été développées pour tester la capacité des données spectroscopiques à fournir une aide au diagnostic dans l'orientation chirurgicale des carcinomes cutanés.
Plusieurs stratégies ont été testées pour évaluer la capacité de la spectroscopie optique à distinguer plusieurs classes histologiques : par exemple, quatre classes histologiques (peau saine versus kératoses actiniques versus carcinomes in situ versus carcinomes invasifs) ou deux classes (carcinomes invasifs versus carcinomes in situ). Un tel ensemble de données peut être utile aux équipes de recherche qui développent des méthodes d'apprentissage automatique appliquées à la classification automatisée des données dont le résultat peut fournir une aide au diagnostic aux dermatologues ou aux chirurgiens chargés de la résection chirurgicale des carcinomes cutanés. Ces données leur permettront d'entraîner ou de tester les méthodes qu'ils ont développées.