Les organisateurs d’un concours international de segmentation tumorale formulent un aveu qu’on lit rarement dans la littérature technique. À propos des méningiomes, ils écrivent que le modèle d’annotation puis d’approbation ne résout pas la variabilité inter-observateurs, que la segmentation de l’extension durale présente une variabilité significative en raison de sa proximité avec des structures normalement rehaussées et de définitions historiquement mal établies, et qu’en dernière analyse le jugement clinique expert sur les frontières d’un méningiome ne sera probablement jamais parfaitement aligné entre observateurs.
Cette phrase résume l’enjeu du domaine. Sur un organe, la frontière existe et le désaccord traduit une imprécision. Sur une tumeur, la frontière est en partie une convention, et le désaccord traduit une ambiguïté réelle de l’objet. Aucun protocole ne supprime cette ambiguïté ; un bon protocole la réduit et la documente.
Cet article traite des difficultés propres à la segmentation de lésions tumorales : les sous-régions, les règles d’exclusion, la multimodalité, le consensus multi-observateurs et ce que l’usage clinique change. Il prolonge le guide complet de la segmentation d’images médicales.
Pourquoi la segmentation d’images médicales change de nature sur une tumeur
Quatre différences séparent la segmentation d’images médicales lésionnelle de la segmentation anatomique, et elles se cumulent.L’absence de forme attendue
Un rein a une forme, une position et une taille approximativement connues d’avance. Un annotateur dispose donc d’un a priori puissant qui corrige ses erreurs de perception. Une tumeur n’a rien de tel : elle peut apparaître n’importe où, sous n’importe quelle forme et à n’importe quelle taille. L’annotateur ne peut s’appuyer que sur le signal, sans filet.La frontière infiltrante
Beaucoup de tumeurs ne s’arrêtent pas, elles s’atténuent. La limite visible sur l’image ne correspond pas à la limite biologique de la maladie, et cette différence est connue des cliniciens. Segmenter revient donc à délimiter ce qui est visible selon une convention, non à délimiter la tumeur réelle, et cette nuance doit figurer dans le protocole pour éviter que chaque annotateur ne tente sa propre extrapolation.L’hétérogénéité interne
Une lésion évoluée n’est pas un objet homogène. Elle comporte des zones actives, une nécrose centrale, parfois des composantes kystiques ou hémorragiques, entourées d’un œdème qui peut lui-même contenir de l’infiltration. Segmenter une tumeur consiste donc rarement à produire un masque unique.Le voisinage trompeur
Les structures normales imitent fréquemment la lésion. Vaisseaux rehaussés, séquelles ischémiques, remaniements post-opératoires, artefacts : la difficulté principale n’est pas de trouver la tumeur mais de ne pas inclure ce qui lui ressemble.Les sous-régions tumorales et leur difficulté inégale
Les référentiels du domaine décomposent la lésion en composantes distinctes, et cette décomposition est le premier travail de cadrage d’un projet. Le protocole d’annotation d’un concours de référence définit ainsi quatre étiquettes : le cœur tumoral non rehaussé, qui correspond à la nécrose et regroupe toutes les portions du cœur qui ne prennent pas le contraste tout en étant entourées de tumeur rehaussée ; l’hyperintensité en séquence FLAIR environnante, qui identifie le tissu infiltré par la tumeur non rehaussée ou œdémateux par œdème vasogénique ; et la tumeur rehaussée, qui marque les portions prenant le contraste sur les images pondérées après injection. Ces composantes n’ont ni la même difficulté ni la même valeur clinique. Une étude sur les gliomes rapporte des scores contrastés entre elles : 0,78 pour le cœur nécrotique, 0,86 pour l’œdème péritumoral et 0,88 pour le tissu rehaussé. Cette hiérarchie est instructive. La composante rehaussée, la plus contrastée, est la mieux segmentée. La nécrose, définie par une absence de rehaussement au sein d’une zone rehaussée, est la plus difficile parce que sa définition est relationnelle plutôt qu’intrinsèque. Rapporter un score global sur une tumeur revient donc à mélanger trois tâches de difficultés très différentes, et à masquer précisément celle qui pose problème.L’exclusion, partie la plus difficile du protocole
Un protocole de segmentation d’images médicales tumorale consacre autant de place à ce qu’il faut exclure qu’à ce qu’il faut inclure, et c’est ce qui le distingue d’un protocole anatomique. Le même référentiel est explicite sur deux exclusions décisives. Pour l’hyperintensité FLAIR, les infarctus anciens ou les modifications ischémiques microvasculaires de la substance blanche présentant un signal FLAIR élevé ne sont pas étiquetés comme tels. Pour la tumeur rehaussée, les vaisseaux adjacents, les saignements ou l’hypersignal T1 intrinsèque ne sont pas inclus dans cette classe. Ces deux règles illustrent la nature du problème. Un annotateur non formé inclura spontanément tout signal anormal, produisant un masque plausible et faux. La discrimination demande de connaître les entités qui imitent la lésion, ce qui relève de la connaissance médicale plutôt que de la perception. La conséquence pratique est qu’un référentiel de cas commentés portant spécifiquement sur les faux positifs anatomiques est plus utile qu’un catalogue de tumeurs typiques. Le concours cité indique d’ailleurs avoir fourni à ses annotateurs des instructions écrites et des exemples des erreurs de pré-segmentation les plus fréquemment rencontrées, ce qui est exactement cette démarche.La multimodalité
La segmentation tumorale se distingue par le fait qu’elle mobilise plusieurs séries d’un même examen simultanément, chacune répondant à une question différente. La composante rehaussée se lit sur les images pondérées après injection. L’œdème et l’infiltration se lisent sur une séquence en atténuation de fluide. La nécrose se déduit par comparaison entre ces vues. Aucune série ne suffit isolément, et l’annotateur travaille en permanence sur des vues superposées ou juxtaposées. Cette exigence a trois conséquences opérationnelles. Le recalage entre séries doit être vérifié avant l’annotation, un décalage de quelques millimètres suffisant à rendre les comparaisons fausses. L’outil doit permettre une navigation synchronisée entre séries, faute de quoi la productivité s’effondre. Et le protocole doit préciser, pour chaque composante, sur quelle série le contour fait foi, sans quoi deux annotateurs travaillant sur des vues différentes produiront des désaccords injustement attribués à l’ontologie.La variabilité inter-observateurs, borne indépassable
Ce point conditionne tout objectif de performance en segmentation d’images médicales, et il est plus prononcé sur les lésions que partout ailleurs. L’aveu cité en introduction mérite d’être pris au sérieux plutôt qu’écarté. Il indique que sur certaines structures, aucun protocole n’alignera parfaitement les experts, et que la seule réponse est un processus de consensus multi-observateurs, décrit par les auteurs eux-mêmes comme coûteux en travail et en temps. La conséquence pour un projet est double. D’abord, mesurer cette variabilité fait partie du lot pilote, structure par structure et sous-région par sous-région. Un accord de 0,90 sur la composante rehaussée et de 0,65 sur la nécrose n’appelle pas les mêmes engagements ni les mêmes dispositifs de contrôle. Ensuite, un engagement contractuel de performance qui ignore cette borne est intenable par construction, et le formuler par sous-région est à la fois plus honnête et plus facile à tenir.Le consensus multi-observateurs
Lorsque la variabilité est trop forte pour être réduite par le protocole, la réponse consiste à construire la référence à partir de plusieurs annotations plutôt que d’une seule. Trois dispositifs de consensus se rencontrent. La fusion statistique, qui estime une vérité latente à partir de plusieurs annotations en pondérant implicitement la fiabilité de chaque annotateur, est employée par les concours de référence, notamment pour combiner des segmentations issues de méthodes automatiques différentes. La lecture séquentielle, où un second annotateur corrige le travail du premier, est moins coûteuse mais introduit un ancrage. Et la réunion de consensus, où les annotateurs discutent les cas divergents, est la plus coûteuse et la seule qui enrichisse durablement le protocole. Le choix relève d’un arbitrage. Sur un corpus volumineux, la fusion statistique appliquée à un sous-ensemble suffit à établir la borne et à identifier les cas problématiques. Sur un corpus restreint et à fort enjeu, la réunion de consensus produit à la fois une meilleure référence et un référentiel de cas réutilisable, ce qui compense partiellement son coût.La pré-segmentation automatique
Les concours de référence ont adopté une organisation qu’il vaut la peine de décrire, car elle constitue aujourd’hui le mode de production standard. Un protocole récent décrit un enchaînement en cinq étapes dont la première consiste en une pré-segmentation automatique des images disponibles par des approches fondées sur un réseau auto-configurant, suivie d’un raffinement manuel itératif puis d’une approbation par un expert. Cette organisation a deux mérites. Elle réduit fortement le temps d’annotation sur les composantes bien contrastées. Et elle homogénéise le point de départ, ce qui réduit mécaniquement une part de la variabilité entre annotateurs. Elle introduit aussi un risque bien connu et particulièrement aigu ici. Face à une proposition automatique d’apparence plausible, un annotateur corrige moins qu’il ne valide, et sur une frontière infiltrante où aucune limite n’est évidente, cette tendance est maximale. La contre-mesure consiste à faire annoter sans assistance une fraction du corpus et à comparer les deux populations, notamment sur la taille des lésions et sur l’étendue des zones ambiguës.Les lésions multiples
Un cas de figure fréquent complique le protocole de segmentation d’images médicales au delà de la délimitation elle-même : la présence de plusieurs lésions sur un même examen. Trois questions doivent être tranchées par écrit. Faut-il annoter toutes les lésions ou seulement celles dépassant une taille donnée, et dans ce dernier cas la règle doit fixer un seuil mesurable. Chaque lésion reçoit-elle un identifiant propre, ce qui est indispensable dès que le suivi individuel ou le comptage entre dans l’usage clinique. Et comment traiter les lésions confluentes, dont les composantes se touchent ou dont les œdèmes se recouvrent. Cette dernière question est traitée explicitement par les référentiels du domaine, qui notent que l’œdème périlésionnel de deux lésions distinctes peut se chevaucher et en tirent la conséquence de traiter séparément les entités. Sans convention équivalente, deux annotateurs produiront tantôt une lésion tantôt deux, ce qui fausse le comptage autant que la volumétrie. Une conséquence économique s’y attache. Le temps d’annotation d’un examen à lésions multiples ne croît pas proportionnellement à leur nombre mais plus vite, la gestion des identifiants et des cas de confluence ajoutant une charge propre. Un chiffrage établi sur des examens à lésion unique sous-estime systématiquement ces cas.Ce que l’usage clinique change
La même tumeur ne se segmente pas de la même façon selon la décision qu’alimente le masque. En radiothérapie, le volume cible détermine une zone irradiée et le protocole intègre des marges. L’exigence porte sur la surface, et une sous-estimation a des conséquences opposées à une surestimation, ce qui rend l’asymétrie des erreurs explicite. En suivi thérapeutique, ce qui compte est la comparabilité entre deux examens plus que la justesse absolue. Un annotateur systématiquement légèrement large produit un suivi parfaitement exploitable, tandis qu’un annotateur inconstant produit des variations qui imitent une évolution. En planification chirurgicale, la relation aux structures voisines prime, et la précision se concentre sur les faces de la lésion en contact avec ce qu’il faut préserver plutôt que sur son étendue totale. En recherche et en radiomique, la reproductibilité prime encore davantage, puisque les descripteurs extraits sont sensibles à la définition exacte de la frontière. Établir cet usage avant de rédiger le protocole évite de sur-spécifier une précision inutile ou, plus grave, de livrer un masque précis là où il fallait de la constance.Le cas post-traitement
Une difficulté supplémentaire apparaît après intervention, et elle est de plus en plus traitée par les concours du domaine. Après chirurgie ou radiothérapie, l’image comporte des éléments nouveaux : cavité opératoire, remaniements cicatriciels, rehaussements post-radiques qui imitent une reprise évolutive. Un protocole récent ajoute d’ailleurs une étiquette dédiée à la cavité de résection, ce qui reconnaît explicitement que cette structure doit être distinguée plutôt que confondue avec la lésion. Pour un projet d’annotation, deux règles s’imposent. Le protocole post-traitement doit être distinct du protocole initial, car les entités à discriminer ne sont pas les mêmes. Et un corpus mêlant examens pré et post-traitement sans les distinguer produit un signal contradictoire, la même apparence devant être étiquetée différemment selon le contexte.Le contrôle qualité d’une segmentation d’images médicales tumorale
Le dispositif de contrôle suit la logique générale du domaine, avec trois inflexions propres aux lésions. La première est la stratification obligatoire par sous-région. Un indicateur global est dominé par la composante la plus volumineuse, généralement l’œdème, et masque la performance sur la nécrose ou sur les petites lésions, qui sont souvent les plus déterminantes cliniquement. La deuxième est le contrôle spécifique des exclusions. Vérifier qu’une lésion a été trouvée est facile ; vérifier qu’aucune structure imitatrice n’a été incluse demande de rechercher activement les faux positifs, ce qui suppose un contrôle orienté plutôt qu’un échantillonnage aléatoire. La troisième est le suivi de la variabilité dans le temps. Sur une tâche où la frontière est conventionnelle, la dérive individuelle est plus rapide que sur une tâche anatomique. Faire réannoter périodiquement un même cas par le même annotateur, à quelques semaines d’intervalle, révèle cette dérive avant qu’elle n’affecte le corpus.Le coût et ce qui le gouverne
La segmentation tumorale est la tâche de segmentation d’images médicales la plus coûteuse du domaine, et quatre variables expliquent la dispersion entre projets. Le nombre de sous-régions vient en premier, chacune constituant en pratique une tâche distincte avec sa définition et son contrôle. La netteté de la frontière détermine la part du travail qui ne peut pas être automatisée et varie considérablement entre une lésion bien circonscrite et une infiltration diffuse. Le nombre de séries à consulter simultanément pèse directement sur le temps par examen. Enfin, l’intensité de contrôle exigée, qui découle de l’usage clinique et de la variabilité mesurée au pilote. La méthode d’estimation utile consiste à chronométrer sur un lot pilote incluant délibérément des cas difficiles, lésions multiples, frontières ambiguës, examens post-traitement, plutôt que des cas représentatifs de la moyenne. L’écart entre une lésion unique bien limitée et un cas complexe atteint couramment un facteur cinq.Le rôle du clinicien
La répartition des rôles est plus délicate en segmentation d’images médicales tumorale que sur une segmentation anatomique, et la mal poser rend le projet économiquement intenable. Trois niveaux se distinguent nettement. La délimitation d’une composante dont la définition est visuelle et bien écrite, tissu rehaussé sur une série donnée par exemple, relève d’un geste que des annotateurs formés exécutent efficacement. La discrimination entre lésion et structure imitatrice demande une connaissance médicale et constitue le point où le protocole et le référentiel de cas font la différence. Et la qualification, décider qu’une image montre bien la pathologie recherchée, relève exclusivement du clinicien. Le mode d’organisation qui fonctionne fait intervenir le clinicien en trois moments plutôt qu’en continu. En amont, pour définir les sous-régions et constituer le référentiel de cas, y compris les faux positifs. Pendant la production, en arbitrage sur les cas remontés, dont le volume doit être mesuré et non subi. Et en aval, en validation sur un échantillon stratifié. Ce dispositif transforme un besoin de temps de praticien proportionnel au corpus en un besoin proportionnel au nombre de décisions difficiles, ce qui est un ordre de grandeur inférieur. C’est ce qui rend possible un corpus de plusieurs milliers d’examens sans mobiliser un radiologue à temps plein, et c’est généralement le point qui décide de la faisabilité d’un projet.Les erreurs les plus fréquentes
- Rapporter un score global de segmentation tumorale sans ventiler par sous-région.
- Ne pas mesurer la variabilité inter-observateurs avant de fixer un objectif.
- Écrire un protocole listant ce qu’il faut inclure sans détailler ce qu’il faut exclure.
- Ne pas vérifier le recalage entre séries avant de lancer l’annotation.
- Omettre de préciser sur quelle série chaque composante fait foi.
- Laisser la pré-segmentation automatique glisser vers une validation passive sur les frontières ambiguës.
- Mélanger examens pré et post-traitement dans un même protocole.
- Contrôler par échantillonnage aléatoire sans rechercher activement les faux positifs.
- Sur-spécifier la précision absolue là où l’usage demande de la reproductibilité.
- Estimer le coût sur des cas moyens plutôt que sur un pilote incluant les cas difficiles.
