Segmentation sous-régionale des tumeurs basée sur les caractéristiques de perfusion du CEUS : amélioration du diagnostic des tumeurs du sein

Le cancer du sein est l’un des cancers les plus répandus chez les femmes dans le monde et son incidence croissante constitue une menace importante pour la santé des femmes. Malgré les progrès notables en matière de diagnostic et de traitement précoces dus aux progrès continus de la technologie médicale, la grande hétérogénéité du cancer du sein entraîne toujours une variabilité considérable dans les manifestations cliniques, les réponses au traitement et la progression de la maladie. Cette diversité présente de nouveaux défis pour parvenir à un traitement précis. Ainsi, une exploration et une étude approfondies de l’hétérogénéité du cancer du sein sont cruciales pour développer des modèles de diagnostic plus efficaces, faire progresser les stratégies de traitement et améliorer les taux de guérison.

Dans la pratique clinique actuelle, bien que la biopsie soit largement utilisée pour le diagnostic des tumeurs bénignes ou malignes du sein, sa précision et son exhaustivité sont quelque peu limitées en raison de l'hétérogénéité interne complexe du cancer du sein et de la nature invasive de la procédure. Ces dernières années, le diagnostic qualitatif préopératoire du cancer du sein à l’aide de la technologie d’imagerie médicale est devenu un sujet brûlant de recherche. Comparé à d’autres techniques d’imagerie courantes telles que la tomodensitométrie et l’IRM, l’examen échographique est largement utilisé en raison de sa sécurité, de sa commodité et de son moindre coût. En particulier, la technologie CEUS (Contraste-Enhanced Ultrasound), avec sa résolution temporelle supérieure, peut illustrer de manière vivante les détails de l’hémodynamique de la perfusion tumorale, révélant efficacement des caractéristiques clés telles que les modèles de rehaussement, l’apport sanguin et l’invasion vasculaire de la tumeur.

Cette étude est dédiée à l'utilisation de vidéos CEUS dynamiques pour regrouper les caractéristiques de perfusion au niveau des pixels dans la tumeur et diviser la tumeur en différentes sous-régions en fonction des résultats de regroupement. Nous explorerons la corrélation entre ces sous-régions de perfusion et le diagnostic de tumeurs bénignes ou malignes du sein, et sur cette base, développerons des modèles de diagnostic associés. Cette approche diagnostique non invasive vise à exploiter et à utiliser au maximum les données d'image, en capturant de manière exhaustive les caractéristiques de perfusion de la tumeur au niveau des pixels et en réduisant les jugements subjectifs dans le processus de diagnostic. L'application de cette méthode devrait non seulement améliorer la précision du diagnostic du cancer du sein, mais également fournir davantage d'informations pour un traitement personnalisé des patientes, favorisant ainsi les progrès dans le domaine du traitement du cancer du sein.