APPLICATIONS · ONCOLOGIE
Analyse d’images en oncologie et recherche sur le cancer
Tous les cancers, tous les types cellulaires, tous les biomarqueurs
Chaque tumeur raconte son histoire en images : l’organisation des cellules cancéreuses, les cellules immunitaires qui les atteignent, les biomarqueurs qu’elles expriment, leur réponse aux traitements. QuantaCell transforme les images d’histologie, de pathologie numérique, de multiplex et de microscopie 3D en données quantitatives objectives et reproductibles, quels que soient le type de cancer, les populations cellulaires et le nombre de biomarqueurs.
Réalisez l’analyse vous-même avec nos logiciels, ou confiez-la à nos experts en analyse d’images : nous accompagnons les projets en oncologie, de la biologie du cancer et des modèles précliniques à la recherche translationnelle et clinique.
Tous les cancers, tous les types cellulaires, tous les biomarqueurs
Tous les types de tumeurs et de tissus. Nous avons analysé des cancers du sein, du poumon, colorectaux, de la prostate, de l’ovaire, du pancréas, du foie et du cerveau, des mélanomes, des sarcomes, des lymphomes et bien d’autres. Certaines indications disposent de modèles prêts à l’emploi ; pour les autres, nous adaptons nos méthodes ou entraînons des modèles de deep learning dédiés sur vos propres annotations, quels que soient votre tissu et votre marquage.
Toutes les populations cellulaires. Cellules tumorales, lymphocytes T et B, macrophages et autres cellules immunitaires, fibroblastes, cellules endothéliales : toute population définissable par des marqueurs, une morphologie ou une localisation peut être détectée, classée et comptée.
Aucune limite sur le nombre de biomarqueurs. De l’IHC simple marquage en fond clair à l’immunofluorescence multiplex, combinez autant de marqueurs que votre panel en contient pour définir des phénotypes, mesurer la co-expression et explorer les populations par des méthodes supervisées ou non supervisées.
Fond clair et fluorescence. H&E et IHC en fond clair, immunofluorescence et fluorescence multiplex sur coupes tissulaires, lames entières issues des principaux scanners, et microscopie de fluorescence 2D, 3D et time-lapse de cellules, sphéroïdes et organoïdes.
Détection et classification des cellules tumorales par IA (noyaux Ki67 positifs et négatifs)
Ce que nous mesurons dans les tumeurs
Architecture tissulaire. Segmentation de la tumeur, du stroma, de la nécrose, du front d’invasion et des autres compartiments, avec mesures de surface, de forme et de morphologie, pour que chaque résultat soit rapporté dans son contexte biologique.
Détection et phénotypage cellulaires. Segmentation des noyaux et des membranes à l’échelle de la cellule, puis classification des populations par seuils, par apprentissage automatique entraîné sur vos annotations, ou par clustering non supervisé.
Quantification des biomarqueurs. Intensité des marqueurs par cellule ou par région, pourcentages de cellules positives, H-scores, co-expression et colocalisation sur un nombre quelconque de marqueurs. Les index de prolifération comme le Ki67 ne sont qu’un exemple parmi d’autres.
Microenvironnement tumoral et biologie spatiale. Infiltrat immunitaire, densités cellulaires par compartiment, distances entre populations, proximité du front tumoral, voisinages et interactions cellule-cellule.
Morphométrie nucléaire et cellulaire. Taille, forme et texture des noyaux et des cellules, pour caractériser les phénotypes tumoraux et leur évolution sous traitement.
Modèles d’IA sur mesure. Lorsqu’un critère est nouveau, nous entraînons des modèles de deep learning dédiés à vos structures, des types cellulaires rares aux motifs histologiques spécifiques.
Segmentation des régions tumorales par deep learning
Détection automatique de la tumeur pour limiter l’analyse aux zones tumorales
Classification cellulaire par intensité de biomarqueur sur TMA
Les mesures que nous réalisons en oncologie
Scores et index de biomarqueurs. H-score, pourcentage de cellules positives, classes d’intensité 0/1+/2+/3+, score d’Allred, score membranaire de type HER2, PD-L1 TPS et CPS, Ki67 et autres marqueurs de prolifération (PCNA, phospho-histone H3, EdU/BrdU), apoptose (caspase-3 clivée, TUNEL), foyers de dommages à l’ADN (γH2AX), comptage de spots en FISH et en hybridation in situ ARN.
Architecture et morphologie tumorales. Segmentation tumeur, stroma et nécrose, ratio tumeur-stroma, pourcentage de nécrose, front d’invasion et bandes de distance, bourgeonnement tumoral (tumor budding), comptage des mitoses, morphométrie nucléaire et pléomorphisme, fibrose et collagène (rouge Sirius, trichrome de Masson), densité microvasculaire (CD31, CD34), et modèles sur mesure pour des glandes, structures et motifs histologiques spécifiques.
Microenvironnement tumoral et immunité. Lymphocytes infiltrant la tumeur (TILs) sur H&E, densités CD3 et CD8 au cœur de la tumeur et au front d’invasion, macrophages et leur polarisation (CD68, CD163), lymphocytes B, cellules NK, cellules dendritiques et neutrophiles, structures lymphoïdes tertiaires, fibroblastes associés au cancer (α-SMA, FAP), et phénotypes immunitaires « inflamed », « excluded » ou « desert ».
Multiplex et phénotypage cellulaire. Immunofluorescence multiplex sans limite de nombre de marqueurs, double et triple IHC en fond clair avec déconvolution de couleur, phénotypage par seuils combinés, apprentissage supervisé ou clustering non supervisé, co-expression et colocalisation (Pearson, Manders), et alignement de coupes sériées.
Analyse spatiale. Distances au plus proche voisin entre populations, densités par compartiment et par bande de distance, voisinages et interactions cellule-cellule, statistiques spatiales (fonctions de Ripley, clustering spatial), cartes de densité et hotspots.
Modèles cellulaires et 3D. Organoïdes et tumoroïdes dérivés de patients, sphéroïdes, co-cultures tumeur / cellules immunitaires dont les tests de lyse par les lymphocytes T, lignées cancéreuses exposées à des sérums de patients, taille, volume et croissance dans le temps, viabilité live/dead, courbes dose-réponse et IC50, invasion et migration, cœurs nécrotiques et lumens, profilage morphologique de type Cell Painting, morphologie mitochondriale, et criblage à haut contenu sur plaques.
Études et cohortes. Biopsies et TMA (tissue microarrays), modèles précliniques (xénogreffes, PDX, modèles syngéniques), cohortes de patients associées aux données cliniques, études multicentriques avec standardisation entre séries et scanners, intégration avec des données omiques, et options de rapport méthodologique et de traçabilité qualité.
Carte des distances spatiales des cellules détectées
Modèles dérivés de patients et modèles 3D
Les modèles cellulaires amènent le patient au laboratoire, mais ils produisent des jeux de données de fluorescence volumineux et complexes. Nous analysons :
- Les organoïdes et tumoroïdes dérivés de patients, pour quantifier des phénotypes et des réponses aux traitements propres à chaque patient.
- Les sphéroïdes et co-cultures 3D, y compris avec des cellules tumorales et immunitaires.
- Les lignées cancéreuses exposées à des sérums de patients, pour comparer les réponses entre patients ou conditions.
Nous segmentons et reconstruisons organoïdes, cellules et noyaux en 2D et en 3D, puis quantifions volume, forme, intensité des marqueurs fluorescents, phénotypes cellulaires et organisation spatiale. Le suivi en time-lapse mesure la croissance et les changements morphologiques, et l’analyse par plaque compare puits, composés, doses, sérums et temps dans les expériences de criblage à haut contenu. Applications typiques : réponse aux traitements, criblage de médicaments et études de stratification de patients.
Rendu 3D et quantification d’organoïdes dans AssayScope
Analyse d’un modèle tumoral 3D
Deux façons de travailler avec QuantaCell
Analysez vos images vous-même
- HistoMetriX pour l’histologie, la pathologie numérique et l’imagerie multiplex : segmentation des tissus, détection et classification des cellules, analyse spatiale, avec des modèles pré-entraînés ou vos propres modèles d’IA, entraînés sans coder. HistoMetriX fonctionne sur votre ordinateur : vos images ne quittent jamais votre laboratoire.
- AssayScope pour les sphéroïdes, tumoroïdes et cultures 3D : segmentation 2D/3D, quantification multiparamétrique, gating de populations et criblage à haut contenu.
Confiez-les à nos experts
- Services d’analyse d’images histologiques : microenvironnement tumoral, études de biomarqueurs et multiplex, architecture tissulaire, comparaisons précliniques et translationnelles entre cohortes.
- Services d’analyse d’images 3D et d’organoïdes : segmentation 2D/3D, suivi en time-lapse, réponse aux traitements et criblage à haut contenu.
Chaque projet de service commence par une étude de faisabilité gratuite sur 5 échantillons représentatifs maximum. Les analyses standard démarrent à 1 500 € et les projets avancés avec développement d’IA sur mesure à 3 000 €.
Exemples de questions en oncologie
- Un traitement modifie-t-il l’infiltrat immunitaire ? Densités et proportions des populations immunitaires dans la tumeur et le stroma, distances aux cellules tumorales.
- Quels phénotypes coexistent dans un panel multiplex ? Co-expression de tous les marqueurs à l’échelle de la cellule, clustering des phénotypes, distribution spatiale.
- Un biomarqueur est-il associé au pronostic dans une cohorte ? Mesures standardisées par patient, comparables entre lames, séries et centres.
- Comment des organoïdes dérivés de patients répondent-ils aux médicaments ? Taille et forme 3D, marqueurs liés à la viabilité et croissance dans le temps, par puits et par composé.
- Quelle est la prolifération de la tumeur ? Ki67 ou autres index de prolifération, limités aux zones tumorales si besoin.
Voir un exemple : notre étude de cas Ki67 automatisé.
Clustering de populations cellulaires sur une coupe histologique
Les recherches en oncologie auxquelles nous contribuons
QuantaCell travaille avec des partenaires de la recherche sur le cancer et du monde clinique, dont le Centre Léon Bérard à Lyon sur l’analyse quantitative d’images en cancérologie, le service d’anatomie pathologique du CHU de Montpellier sur l’histologie par IA, la classification cellulaire et l’analyse spatiale, et l’IHU Immun4Cure sur l’intégration de données d’imagerie et multi-omiques. Notre équipe a cosigné des travaux publiés, comme une étude reliant l’expression de NLRC4 à la survie tumorale et à l’infiltrat immunitaire (J Clin Invest, 2024), ainsi que des méthodes de deep learning appliquées à l’imagerie du cancer par scanner.
FAQ
Quels types de cancers pouvez-vous analyser ?
Pratiquement tous : nos méthodes ne sont pas liées à un organe. Certains types de tumeurs disposent de modèles prêts à l’emploi, et pour les autres nous adaptons l’analyse à votre demande, à votre tissu et à votre marquage.
Combien de biomarqueurs pouvez-vous analyser ensemble ?
Il n’y a pas de limite fixe. Nous analysons aussi bien l’IHC simple marquage que les panels multiplex, et les phénotypes peuvent combiner autant de marqueurs que votre panel en contient.
Quels formats d’images sont pris en charge ?
Images en fond clair H&E et IHC, immunofluorescence et multiplex, lames entières (par exemple SVS, NDPI, TIFF et MRXS), et microscopie 2D, 3D et time-lapse.
Mes images quittent-elles mon laboratoire ?
Pas avec HistoMetriX, qui fonctionne en local, sans transfert vers le cloud. Pour les prestations, vous partagez vos images via notre serveur Nextcloud dédié, ou via la plateforme de votre choix : OneDrive, Google Drive ou le service de partage de votre établissement.
Est-ce destiné au diagnostic ?
Non. Nos logiciels et services sont destinés à la recherche uniquement.
Vous avez un projet d’imagerie en oncologie ?
Envoyez-nous quelques images représentatives : nous évaluons gratuitement la faisabilité et vous recommandons le meilleur workflow, logiciel ou prestation.
Demander une étude de faisabilité gratuite · Demander une démo