MAINRECK 2017 Archivage

UNIVERSITÉ DE REIMS CHAMPAGNE-ARDENNE
ÉCOLE DOCTORALE SCIENCES TECHNOLOGIE SANTE (547)
THÈSE
Pour obtenir le grade de
DOCTEUR DE L’UNIVERSITÉ DE REIMS CHAMPAGNE-ARDENNE
Discipline : SCIENCES DE LA VIE ET DE LA SANTE
Spécialité : Biophysique
Présentée et soutenue publiquement par
Nathalie MAINRECK-MAILLOT
Le 24 janvier 2017
Apport potentiel de la spectroscopie Raman

dans le traitement chirurgical des carcinomes cutanés (CBC)
Thèse dirigée par OLIVIER PIOT et JEAN-FRANÇOIS ANGIBOUST
JURY
M. Philippe Bernard, Professeur, Centre Hospitalier Universitaire de Reims, Président
M. Olivier Piot, Professeur, Université de Reims Champagne-Ardenne, Directeur de thèse
M. Jean-François Angiboust, Maître de Conférence HDR, Université de Reims Champagne-Ardenne, Co-Directeur de thèse
M. Philippe Humbert, Professeur, Centre Hospitalier Universitaire de Besançon, Rapporteur
M. Igor Chourpa, Professeur, Université de Tours, Rapporteur
Mme Anne Durlach, Docteur, Centre Hospitalier Universitaire de Reims, Examinateur
M. Jacques Klossa, Docteur, Société TRIBVN, Paris, Examinateur

Aux êtres les plus chers à mon cœur.
A mes parents,
A ma sœur,
Merci pour tout.
A mon fils,
Fière d’être ta maman.
1
Remerciements
A Monsieur le Professeur Michel Manfait,
Je vous remercie de m’avoir accueillie au sein de l’unité et de m’avoir choisie pour la réalisation
de ce projet de recherche. Merci pour la confiance que vous m’avez accordée, ainsi que de m’avoir
permis de présenter mes résultats dans différents congrès nationaux et internationaux. Merci
également pour votre gentillesse vis-à-vis de ma situation actuelle. Sachez que j’ai été ravie
d’intégrer le laboratoire de spectroscopie et d’avoir pris part à l’aventure que vous avez initiée lors
de sa création. Soyez assuré de mon profond respect.
A Monsieur le Professeur Olivier Piot,
Je te remercie pour ton encadrement et ton enseignement tout au long de mes travaux de thèse. J’ai
beaucoup appris. Je tiens également à te remercier pour ton appui, du jour où les événements
extérieurs me contraignaient à prendre une autre direction que celle de la recherche. Merci pour tes
encouragements et ta bienveillance. Ta réaction a été décisive dans la poursuite de ma thèse. Je
n’aurais jamais eu la force de continuer sans ta compréhension, ta patience et ton soutien. Très
sincèrement : merci !
A Monsieur le Docteur Jean-François Angiboust,
Je vous remercie de votre aide technique, que j’ai souvent sollicitée, et de votre disponibilité tout
au long de ma thèse. Je savais qu’en cas de problème, je pouvais toujours compter sur vous. Merci
également pour votre gentillesse à toute épreuve.
1
A Monsieur le Professeur Philippe Humbert,
Veuillez accepter mes remerciements les plus respectueux pour me faire l’honneur d’être
rapporteur de ces travaux de thèse.
A Monsieur le Professeur Igor Chourpa,
Veuillez accepter mes remerciements les plus respectueux pour me faire l’honneur d’être
rapporteur de ces travaux de thèse.
A Monsieur le Professeur Philippe Bernard,
Je vous remercie de me faire l’honneur de faire partie de mon jury de thèse. Merci de votre
collaboration sans laquelle ces travaux n’auraient pas été possibles. Je vous suis reconnaissante de
m’avoir permis d’accéder au bloc opératoire du service de Dermatologie pour les acquisitions
spectrales in vivo. Soyez assuré de mon profond respect et de toute ma gratitude.
A Madame le Docteur Anne Durlach,
Je vous remercie de me faire l’honneur de faire partie de mon jury de thèse. Merci de l’intérêt que
vous avez porté à ce projet et de votre aide pour l’interprétation des résultats obtenus, en particulier
sur coupes histologiques. Je tiens également vivement à vous remercier pour votre réponse
chaleureuse lorsque je vous ai sollicité, plusieurs années après, pour la relecture des parties
médicales de mon manuscrit avant publication. Merci pour le temps que vous m’avez consacré,
ainsi que pour votre gentillesse et tous vos encouragements pour la finalisation de ma thèse.
A Monsieur le Docteur Jacques Klossa,
Je vous remercie de me faire l’honneur de faire partie de mon jury de thèse. Merci pour votre
enthousiasme et pour l’intérêt que vous portez à ces travaux. Veuillez accepter l’expression de mes
sentiments les plus respectueux.
2
A Monsieur le Docteur Ziad Reguiai,
Je vous remercie de votre collaboration active dans ce projet. Merci d’avoir aménagé vos plannings
d’interventions chirurgicales pour me laisser le temps nécessaire à l’acquisition des données in
vivo. Merci également du temps consacré au renseignement des fiches-patients.
A Madame le Docteur Anne-Laure Goeldel,
Je vous remercie de votre collaboration active dans ce projet. Merci pour votre disponibilité et votre
participation au travail sur coupes histologiques. Merci également pour m’avoir permis de collecter
des données in vivo supplémentaires lors de vos interventions au bloc opératoire.
A Monsieur le Docteur Cyril Gobinet,
Je te remercie pour le développement du programme de traitement des données in vivo sans lequel
ces travaux n’auraient pu aboutir, et de toute l’aide que tu m’as apportée du début à la fin de ma
thèse. Merci également d’avoir travaillé sur le développement de programmes plus généraux
utilisables par tous pour le traitement de base des spectres optiques vibrationnels. Ces interfaces
conviviales nous ont vraiment simplifié le travail et permettent aujourd’hui d’aborder Matlab avec
tellement plus de sérénité !
Je remercie également le laboratoire pharmaceutique Galderma pour son soutien

scientifique, ainsi que pour l’accueil chaleureux qui nous a été réservé lors des différentes réunions
sur place ; et en particulier Monsieur le Docteur Bernard Schoot pour son investissement dans ce
projet.
J’adresse ma reconnaissance pour le soutien financier apporté par la Région Champagne-

Ardenne (CPER) ainsi que par la Fondation ARC.
3
Les années passent, le laboratoire change de visage mais certaines personnes restent
incontournables. Parmi elles, il me reste encore à remercier Ganesh pour ses encouragements, ses
conseils avisés ainsi que sa sympathie et sa bonne humeur. Un grand merci également à Valérie
pour ... tout ! Merci de m’avoir aidée à y voir plus clair au moment où tout est devenu flou dans
ma vie. C’est aussi grâce à toi que j’ai trouvé l’énergie de revenir pour reprendre le cours de ma
thèse. Merci pour ton amitié et ton soutien. Toutes ces discussions partagées autour d’un café vont
me manquer. Mohammed, David, vous étiez tous les deux déjà là à mon arrivée au laboratoire,
merci pour votre sympathie qui ne s’est pas démentie au fil du temps. A tous les membres de
l’équipe de spectroscopie, vous côtoyez pendant toutes ces années a été un vrai plaisir.
Aux personnes avec qui j’ai débuté ma thèse notamment Elodie, Sana, Jaya, The Thuong,
Hadrien, Teddy, Marie, Mathilde, Caroline, Aurélie et Marine : merci pour ces trois belles
années. Je garde un bon souvenir de cette période-là. Une pensée pour Alexandre Mazine.
Merci également pour la convivialité de ceux avec qui j’ai partagé mes dernières années de
thèse en particulier Que, Vincent, Michael, Christophe, Louis et Shawn, ainsi que pour la bonne
ambiance des déjeuners en compagnie de Lila, Pascaline, Brigitte, Christine, Nathalie et Marie-
Pierre. Je terminerai par un clin d’œil amical à Irène, Catherine, Aurore et Goutam.
Que de belles rencontres l’on fait pendant une thèse !
4
APPORT POTENTIEL DE LA SPECTROSCOPIE RAMAN
DANS LE TRAITEMENT CHIRURGICAL DES CARCINOMES CUTANES (CBC)
Résumé : Le carcinome basocellulaire (CBC) est un cancer cutané très fréquent représentant un problème
de santé publique majeur. Il métastase rarement mais peut devenir très invasif localement s’il n’est pas pris
en charge rapidement. Actuellement, le diagnostic de certitude du CBC est obtenu par examen
anatomopathologique de coupes fines ; ce qui présente pour inconvénient d’être invasif et de donner une
réponse différée. De plus, la chirurgie du CBC ne bénéficie pas d’outil permettant de définir en temps réel
la largeur optimale des marges de sécurité ; celles-ci devant être minimales pour éviter les séquelles
esthétiques mais suffisantes pour empêcher toute récidive. L’objectif de ces travaux de thèse est d’évaluer
l’apport potentiel de la spectroscopie Raman dans la prise en charge du CBC. Cette technologie applicable
in vivo grâce au développement de sondes adaptées, permet une exploration tissulaire à un niveau
moléculaire relativement rapide. Au total, 32 patients ont été inclus dans cette étude. A partir des spectres
enregistrés in vivo, un modèle de discrimination CBC / peau saine a été développé, à partir duquel les marges
d’excision latérales ont pu être évaluées. Les marges profondes ont également été étudiées après
enregistrement de spectres sur les pièces fraichement excisées. Des marqueurs Raman de discrimination ont
été identifiés aux différentes échelles in vivo, ex vivo et in vitro ; ils constituent des bio-indicateurs potentiels
pour orienter la prise de décision chirurgicale. Enfin, la contribution des fonds spectraux, habituellement
écartés des analyses Raman, a été considérée et leur intérêt dans le cadre de ce projet a été discuté.
POTENTIAL CONTRIBUTION OF RAMAN SPECTROSCOPY
IN THE SURGICAL TREATMENT OF SKIN CARCINOMAS (BCC)
Abstract: Basal cell carcinoma (BCC) is the most common skin cancer and a major problem for healthcare
services worldwide. BCC rarely metastasizes but can become highly damaging for surrounding tissue in
case of late diagnosis. Actually, the gold standard for BCC diagnosis relies on histopathological assessment
of thin sections, but it is an invasive method which provides a delayed response. Moreover, it will be helpful
during surgery of BCC to assess in real-time the optimal size of the security margins, which has to be small
enough to minimize aesthetic sequelae but sufficient to avoid recurrence. The aim of this work is to evaluate
the potential contribution of Raman spectroscopy in the management of BCC. This technology can be
applied in vivo thanks to the development of appropriate probes and allows a relatively rapid tissue
exploration at a molecular level. A total of 32 patients were included in this study. From in vivo recorded
spectra, a model of discrimination BCC / healthy skin was implemented, from which the width of excision
margins was evaluated. Deep margins were also studied after recording spectra on freshly excised pieces.
Discriminant Raman markers were identified at different levels in vivo, ex vivo and in vitro; they are
potential bio-indicators to help the surgeon to define ideal excision margins. In addition, the contribution of
spectral backgrounds, usually removed from Raman analysis, was considered and their interest in this
project was discussed.
Mots-clés : Spectroscopie Raman, Cancer cutané, Analyse in vivo, Applicabilité clinique, Marqueurs
spectroscopiques
Key words : Raman spectroscopy, Skin cancer, In vivo analysis, Clinical applicability, Spectroscopic
markers
DISCIPLINE : SCIENCES DE LA VIE ET DE LA SANTE Spécialité : Biophysique
UNITE DE RECHERCHE : Université de Reims Champagne-Ardenne - MéDIAN, CNRS UMR 7369 –

MEDyC – UFR de Pharmacie - 51 rue Cognacq-Jay - 51096 Reims Cedex - France
5
Liste des abréviations
ACP Analyse en Composante Principale

ADL Analyse Discriminante Linéaire
BCC Basal Cell Carcinoma
CBC Carcinome BasoCellulaire
CCD Charge-Coupled Device
CHA Classification Hiérarchique Ascendante
CMM Chirurgie Micrographique de Mohs
CP Composante Principale
CSC Carcinome SpinoCellulaire
EMSC Extended Multiplicative Signal Correction
FPS Follicule Pilo-Sébacé
FT Transformée de Fourier
HCA Hierarchical Cluster Analysis
IR InfraRouge
KM K-means
LDA Linear Discriminant Analysis
LOOCV Leave-One-Out Cross-Validation
LMOCV Leave-M-Out Cross-Validation
MSC Melanoma Skin Cancer
NIST National Institute of Standards and Technology
NL Non Lésionnel
NMSC Non-Melanoma Skin Cancer
PC Principal Component
PCA Principal Component Analysis
SCC Squamous Cell Carcinoma
SG Savitzky-Golay
SNR Signal-to-Noise Ratio
UV UltraViolet
6
Liste des figures
Figure 1 Représentation schématique de la peau humaine et de ses principaux composants ................................... 17
Figure 2 Représentation schématique d’une coupe transversale de l’épiderme humain ............................................ 18
Figure 3 Représentation schématique de la jonction dermo-épidermique ................................................................. 27
Figure 4 Coupe colorée de tissu cutané. ...................................................................................................................... 29
Figure 5 Représentation schématique du tissu adipeux et de sa composition cellulaire ............................................ 32
Figure 6 La glande sudoripare ..................................................................................................................................... 35
Figure 7 Le follicule pilo-sébacé................................................................................................................................... 38
Figure 8 Schéma du cycle pilaire ................................................................................................................................. 39
Figure 9 Représentation schématique de l’organisation de la microcirculation cutanée ........................................... 43
Figure 10 Représentation schématique d’une anse capillaire ..................................................................................... 44
Figure 11 Schéma topographique des vaisseaux lymphatiques dermiques et sous-cutanés ...................................... 47
Figure 12 Illustration de quelques terminaisons de fibres nerveuses sensitives de la peau ........................................ 50
Figure 13 Aspect typique d’un CBC et d’un CSC ........................................................................................................... 55
Figure 14 Aspect typique des principaux sous-types de CBC ....................................................................................... 57
Figure 15 Champs électrique et magnétique de l’onde électromagnétique................................................................ 73
Figure 16 Les divers domaines spectraux du rayonnement électromagnétique ......................................................... 74
Figure 17 Valeurs respectives des contributions électroniques, vibrationnelles et rotationnelles d’une molécule ..... 75
Figure 18 Modes de vibration moléculaire .................................................................................................................. 76
Figure 19 Interaction entre un photon et la matière caractérisée par des niveaux d’énergie vibrationnelle ............. 80
Figure 20 Microspectromètre Raman LabRAM (HORIBA Jobin Yvon) ......................................................................... 83
Figure 21 Système d’obtention du laser incident proche infrarouge (Spectra-Physics). ............................................. 84
Figure 22 Spectromètre Raman fibré HE (HORIBA Jobin Yvon) ................................................................................... 88
Figure 23 Photographie et schéma interne de la sonde RamanProbe (InPhotonics) .................................................. 89
Figure 24 Microspectromètre infrarouge Spectrum Spotlight 300 (Perkin Elmer) ...................................................... 91
Figure 25 Composants internes du système d’imagerie Spectrum Spotlight .............................................................. 92
Figure 26 Schéma d’un interféromètre de Michelson ................................................................................................. 93
Figure 27 Spectre infrarouge de l’atmosphère et système d’isolation atmosphérique installé sur le Spotlight ......... 95
Figure 28 Modélisation linéaire d’un spectre d’une image spectrale par EMSC ......................................................... 99
Figure 29 Protocole expérimental global .................................................................................................................. 108
Figure 30 Graphe affichant la répartition des âges des patients ayant participé à l’étude ...................................... 110
Figure 31 Bilan bibliographique des vibrations discriminant in vivo les CBC de la peau normale ............................. 115
Figure 32 Points d’acquisition in vivo des spectres Raman issus du premier protocole ............................................ 117
Figure 33 Points d’acquisition in vivo des spectres Raman issus du deuxième protocole ......................................... 118
Figure 34 Photographies des 18 CBC nodulaires sélectionnés .................................................................................. 123
Figure 35 Photographies des 4 CBC superficiels sélectionnés ................................................................................... 123
Figure 36 Spectres Raman bruts de produits purifiés et commercialisés par Sigma ................................................. 126
Figure 37 Spectres Raman bruts in vivo de deux types de lésions cutanées différentes ........................................... 127
Figure 38 Spectres Raman bruts de peau obtenus en fonction de l’appareil de mesure utilisé ................................ 129
Figure 39 Principaux signaux de fluorescence modélisés du spectre Raman brut de peau in vivo ........................... 129
Figure 40 Spectres Raman bruts d’une pièce d’exérèse cutanée obtenus avec des systèmes optiques différents ... 130
Figure 41 Spectres Raman bruts d’un produit pur obtenus avec des systèmes optiques différents. ........................ 131
Figure 42 Spectres de la mélanine obtenus avec le système optique spectromètre HE - sonde RamanProbe .......... 131
Figure 43 Photographies des lésions utilisées pour l’évaluation de la variabilité intratumorale .............................. 160
Figure 44 Classification des 49 spectres de peau in vivo ........................................................................................... 164
Figure 45 Classification des 49 spectres de peau in vivo (recherche de l’influence des différentes zones cutanées) 165
Figure 46 Classification des 49 spectres in vivo (recherche de l’influence du sexe des patients) .............................. 167
7
Figure 47 Classification des 49 spectres in vivo (recherche de l’influence de l’âge des patients) ............................. 167
Figure 48 Classification des 49 spectres in vivo (recherche de l’influence du caractère gras ou sec de la peau) ...... 168
Figure 49 Classification des 49 spectres in vivo (recherche de l’influence du phototype cutané) ............................. 168
Figure 50 Représentation 3D du modèle de discrimination des CBC superficiels et des CBC nodulaires ................... 171
Figure 51 Représentation 3D du modèle de discrimination des CBC superficiels et de la peau non tumorale .......... 172
Figure 52 Représentation bidimensionnelle du modèle de prédiction in vivo développé (spectres C vs N) .............. 173
Figure 53 Schéma d’une pièce d’exérèse après incision centrale .............................................................................. 178
Figure 54 Les différents profils de spectres Raman bruts non tumoraux enregistrés sur les coupes congelées ....... 184
Figure 55 Les différents profils de spectres Raman bruts tumoraux enregistrés sur les coupes congelées .............. 185
Figure 56 Lignes de spectres acquises avec le microspectromètre LabRAM sur les pièces d’exérèse ....................... 187
Figure 57 Lignes de spectres acquises avec le spectromètre Raman fibré HE sur les pièces d’exérèse ..................... 191
Figure 58 Localisation des images spectrales enregistrées sur la photographie de la coupe congelée de P25 ........ 194
Figure 59 Localisation de l’image spectrale enregistrée sur la photographie de la coupe congelée de P30............. 195
Figure 60 Localisation de l’image spectrale enregistrée sur la photographie de la coupe congelée de P32............. 196
Figure 61 Comparaison des fonds de spectres in vitro bruts pris sur zones tumorales et non tumorales ................. 202
Figure 62 Lissage « excessif » d’un spectre tumoral in vitro brut .............................................................................. 204
Figure 63 Superposition du spectre brut aux spectres lissés ..................................................................................... 205
Figure 64 Hétérogénéité tissulaire : classification KM de l’image Raman d’un nodule de CBC isolé ........................ 214
Figure 65 Hétérogénéité tissulaire : classification FCM de l’image Raman d’un nodule de CBC isolé ...................... 215
Figure 66 Hétérogénéité tissulaire : classification KM et CHA de l’image Raman de nodules de CBC ...................... 216
Figure 67 Hétérogénéité tissulaire : classification FCM de l’image Raman de nodules de CBC ................................ 217
Figure 68 Origine du CBC : classification KM de l’image infrarouge d’une coupe tissulaire de CBC et FPS ............... 219
Figure 69 Origine du CBC : classification FCM de l’image infrarouge d’une coupe tissulaire de CBC et PFS ............. 220
Figure 70 Origine du CBC : classification KM de l’image Raman d’une coupe tissulaire de CBC et FPS .................... 221
Figure 71 Origine du CBC : classification FCM de l’image Raman d’une coupe tissulaire de CBC et FPS .................. 222
Figure 72 Origine du CBC : classification KM et CHA de l’image Raman d’un nodule de CBC accolé à l’épiderme ... 223
Figure 73 Origine du CBC : classification FCM de l’image Raman d’un nodule de CBC accolé à l’épiderme ............. 224
Figure 74 Origine du CBC : CHA de l’image infrarouge d’un nodule de CBC accolé à l’épiderme .............................. 225
Figure 75 Origine du CBC : classification FCM de l’image infrarouge d’un nodule de CBC accolé à l’épiderme ....... 226
Figure 76 Différenciation du FPS : classifications KM d’images Raman et infrarouge de FPS et trichofolliculome .. 229
Figure 77 Différenciation du FPS : classification FCM de l’image infrarouge de FPS et trichofolliculome................. 230
Figure 78 Différenciation du FPS : classification KM d’images infrarouges de CBC, FPS et trichofolliculome ........... 231
Figure 79 Différenciation du FPS : classification FCM d’images infrarouges de CBC, FPS et trichofolliculome ......... 232
8
Liste des tableaux
Tableau 1 Classification et propriétés des différentes fibres nerveuses sensitives cutanées ...................................... 50
Tableau 2 Classification et propriétés des différentes fibres nerveuses motrices cutanées ........................................ 52
Tableau 3 Les 4 cas de figure possibles obtenus lors de l’évaluation d’une méthode de diagnostic. ......................... 66
Tableau 4 Informations relatives aux patients et lésions de l’étude extraites des « fiches-patients ». .................... 109
Tableau 5 Bilan des patients et des lésions de l’étude .............................................................................................. 110
Tableau 6 Publications ayant identifié des pics Raman discriminant in vivo les CBC de la peau NL ......................... 116
Tableau 7 Diagnostic histopathologique des patients éligibles à l’étude in vivo. ..................................................... 119
Tableau 8 Détail des caractéristiques individuelles et cutanées du panel de patient de l’étude in vivo ................... 163
Tableau 9 Paramètres d’acquisition des spectres ex vivo (pièce d’exérèse du patient 25) ....................................... 179
Tableau 10 Paramètres d’acquisition des spectres ex vivo (pièce d’exérèse du patient 30) ..................................... 180
Tableau 11 Paramètres d’acquisition des spectres ex vivo (pièce d’exérèse du patient 32) ..................................... 181
Tableau 12 Paramètres d’acquisition des spectres points in vitro (coupes congelées des patients 25, 30 et 32)..... 183
Tableau 13 Evolution de l’intensité des pics Raman de la surface vers la profondeur des pièces d’exérèse ............. 188
Tableau 14 Profils d’intensité intégrée de pics potentiellement discriminants (microspectroscopie Raman) .......... 189
Tableau 15 Profils d’intensité intégrée de pics potentiellement discriminants (spectroscopie Raman fibrée) ......... 192
Tableau 16 Tentative d’attribution des pics Raman potentiellement discriminants ex vivo ..................................... 197
Tableau 17 Analyses monovariées d’images Raman de coupes de CBC (644, 720, 829 et 896 cm-1) ....................... 199
Tableau 18 Analyses monovariées d’images Raman de coupes de CBC (1316, 1344, 1447 et 1473 cm-1) ............... 200
Tableau 19 Analyses monovariées d’images Raman de coupes de CBC (855, 920, 1251, 1271 et 1554 cm-1) ......... 201
Tableau 20 Images Raman de CBC (brutes et normalisées) pseudo-colorées selon les valeurs d’intensité intégrée 203
Tableau 21 Images Raman de CBC (brute et lissées) pseudo-colorées selon les valeurs d’intensité intégrée .......... 205
Tableau 22 Profils d’intensité intégrée du fonds des spectres des lignes ex vivo des patients 25, 30 et 32.............. 206
9
Table des matières
LISTE DES ABREVIATIONS ................................................................................................... 6

LISTE DES FIGURES .............................................................................................................. 7
LISTE DES TABLEAUX ........................................................................................................... 9
INTRODUCTION SUR LA PEAU SAINE

I- EPIDERME ET SURFACE CUTANEE ..................................................................... 18
1. Couche basale ou couche germinative de l’épiderme .............................................. 19
2. Couche du corps muqueux de Malpighi ou épineuse de l’épiderme........................ 21
3. Couche granuleuse de l’épiderme ............................................................................ 22
4. Couche claire ou brillante de l’épiderme ................................................................. 22
5. Couche cornée de l’épiderme ................................................................................... 23
6. Surface cutanée ........................................................................................................ 24
II- JONCTION DERMO-EPIDERMIQUE ...................................................................... 26
1. Lamina lucida ........................................................................................................... 28
2. Lamina densa............................................................................................................ 28
3. Sub-lamina ............................................................................................................... 28
III- DERME ........................................................................................................................ 29
1. Derme papillaire ou derme superficiel ..................................................................... 30
2. Derme réticulaire ...................................................................................................... 30
IV- HYPODERME ............................................................................................................. 31
V- ANNEXES CUTANEES ............................................................................................. 34
1. Glandes sudoripares eccrines ................................................................................... 34
2. Follicules pilo-sébacés ............................................................................................. 37
VI- VASCULARISATION CUTANEE ............................................................................. 42
1. Vascularisation sanguine .......................................................................................... 42
2. Vascularisation lymphatique .................................................................................... 46
VII- INNERVATION CUTANEE ....................................................................................... 49
1. Voies afférentes du système nerveux cutané............................................................ 49
2. Voies efférentes du système nerveux cutané............................................................ 52
10
INTRODUCTION SUR LES CARCINOMES BASO-CELLULAIRES
I- DEFINITION ET SOUS-TYPES................................................................................. 55
II- DONNEES EPIDEMIOLOGIQUES ........................................................................... 58
1. Facteurs de risque ..................................................................................................... 58
2. Incidence .................................................................................................................. 61
3. Facteurs et groupes pronostiques ............................................................................. 62
III- METHODES DIAGNOSTIQUES ............................................................................... 65
1. Evaluation d’une méthode diagnostique .................................................................. 65
2. Examen clinique ....................................................................................................... 66
3. Dermoscopie............................................................................................................. 67
4. Evaluation histopathologique ................................................................................... 68
5. Autres méthodes de diagnostic ................................................................................. 68
IV- PRISE EN CHARGE THERAPEUTIQUE ................................................................. 69
1. Excision chirurgicale ................................................................................................ 69
2. Autres traitements .................................................................................................... 71
INTRODUCTION SUR LES SPECTROSCOPIES OPTIQUES VIBRATIONNELLES

I- INTRODUCTION ........................................................................................................ 73
1. Rayonnement, champ et spectre électromagnétiques ............................................... 73
2. Niveaux d’énergie moléculaire ................................................................................ 75
3. Modes de vibration moléculaire ............................................................................... 75
4. Interaction matière-rayonnement ............................................................................. 77
5. Spectroscopies optiques vibrationnelles................................................................... 77
II- PRINCIPE .................................................................................................................... 78
1. Approche classique .................................................................................................. 78
2. Approche quantique ................................................................................................. 79
III- COMPARATIF DES SPECTROSCOPIES RAMAN ET INFRAROUGE ................ 82
IV- INSTRUMENTATION ................................................................................................ 83
1. Microspectromètre Raman LabRAM ....................................................................... 83
2. Spectromètre Raman HE / Sonde RamanProbe ....................................................... 88
3. Microspectromètre infrarouge Spotlight .................................................................. 91
11
V- PRETRAITEMENTS DES SPECTRES VIBRATIONNELS ..................................... 96
1. Correction de ligne de base ...................................................................................... 96
2. Lissage ...................................................................................................................... 96
3. Normalisation ........................................................................................................... 97
4. EMSC ....................................................................................................................... 98
VI- TRAITEMENTS DES SPECTRES VIBRATIONNELS .......................................... 100
1. Méthodes de classification de données .................................................................. 100
2. Méthode de réduction de données .......................................................................... 105
RESULTATS OBTENUS AVEC LES TUMEURS IN VIVO

I- INTRODUCTION ...................................................................................................... 112
1. Niveaux d’amélioration possibles de la prise en charge des CBC ......................... 112
2. Intérêt de la spectroscopie Raman fibrée ............................................................... 114
II- MATERIELS ET METHODES ................................................................................. 117
1. Mise au point et évolution du protocole expérimental ........................................... 117
2. Patients, lésions et spectres bruts sélectionnés ....................................................... 119
III- RESULTATS ET DISCUSSION ............................................................................... 124
1. Le fond spectral : avantage ou inconvénient ? ....................................................... 124
2. Résultats soumis ..................................................................................................... 135
3. Résultats non concluants ........................................................................................ 160
IV- CONCLUSION ET PERSPECTIVES ....................................................................... 174
RESULTATS OBTENUS AVEC LES PIECES D'EXERESE

I- INTRODUCTION ...................................................................................................... 177
1. Evaluation de la marge profonde des pièces d’exérèse .......................................... 182
2. Etude des fonds spectraux ...................................................................................... 202
12
RESULTATS OBTENUS AVEC LES COUPES CONGELEES
I- INTRODUCTION ...................................................................................................... 210
1. Hétérogénéité du CBC nodulaire et du tissu environnant ...................................... 212
2. Origine cellulaire du CBC ...................................................................................... 218
3. Différents degrés de différenciation tumorale du follicule pileux ......................... 227
CONCLUSION GENERALE ET PERSPECTIVES .............................................................. 234

BIBLIOGRAPHIE ................................................................................................................ 238
PUBLICATIONS ET COMMUNICATIONS ........................................................................ 245
13
INTRODUCTION
14
Introduction sur
LA PEAU SAINE
15
INTRODUCTION – LA PEAU SAINE
Références principales : (1) (2) (3) (4)
La peau, aussi appelée tégument (du latin tegumentum, couverture), présente une architecture
complexe et constitue beaucoup plus qu’une simple enveloppe corporelle : c’est un véritable
organe. C’est d’ailleurs l’organe le plus lourd du corps humain (4 kg vidé de son sang) et le plus
étendu (2 m2 chez un adulte jeune de taille moyenne). Son épaisseur est de 2 mm en moyenne et
peut varier de 1 mm au niveau de la peau fine (paupières) à 4 mm au niveau de la peau épaisse
(paumes des mains et plantes des pieds). Sur le plan structural, la peau est constituée de trois tissus
superposés. L’épiderme est la couche la plus superficielle et correspond à un épithélium de
revêtement dont la fonction première est la protection de l’organisme contre les agressions
extérieures. Le derme sous-jacent est un tissu conjonctif qui joue un rôle de soutien mais a aussi
un rôle nutritif (vaisseaux). Il est également traversé par les nerfs et est le lieu d’implantation des
annexes cutanées. Epiderme et derme sont séparés par une région particulière : la jonction dermo-
épidermique. Enfin l’hypoderme est la couche la plus profonde. Il s’agit d’un tissu adipeux
constituant un « coussin graisseux » qui se moule sur les muscles sous-jacents (Figure 1).
La peau est le siège de nombreuses fonctions. La plus essentielle est la protection de

l’organisme contre les agressions extérieures, que ces dernières soient d’ordre physique, chimique,
infectieuse, ou qu’il s’agisse de rayonnements solaires ou de chaleur. En ce sens la peau constitue
une véritable barrière, mais c’est une barrière sélective puisqu’elle permet quand-même certains
échanges avec le milieu extérieur (eau, énergie thermique, molécules). La peau a aussi des
fonctions métaboliques : elle est le lieu de synthèse de la vitamine D et constitue un réservoir
d’énergie et d’hormones pour l’organisme. Sa fonction sensorielle très développée lui permet
d’intervenir dans la défense et l’adaptation au milieu environnant. Toutes ces fonctions lui donnent
un caractère vital, et pour contrer toute défaillance, la peau a les capacités de maintenir elle-même
son intégrité. Elle est ainsi capable de renouvellement et de synthèse, de réguler son hydratation et
est douée d’auto-réparation (réparation de l’ADN, cicatrisation). Enfin, la peau est l’interface entre
l’individu et la société et s’affirme donc comme un organe « relationnel » contribuant à la première
impression donnée à autrui, au même titre que le regard, le geste, l’attitude, etc. Elle est aussi
parfois le reflet de notre état de santé physique ou moral (fatigue, maladie interne) et de notre
personnalité (rides).
16
Figure 1 Représentation schématique de la peau humaine et de ses principaux composants.

http://biologiedelapeau.fr/spip.php?article9
Dans l’objectif de faciliter l’interprétation des résultats de spectroscopie vibrationnelle obtenus au

cours de cette thèse, nous nous intéresserons plus particulièrement dans ce chapitre à l’aspect
structural de la peau saine : son organisation tissulaire, ses populations cellulaires, ses annexes, son
réseau vasculaire et son réseau veineux.
17
I- EPIDERME ET SURFACE CUTANEE
L’épiderme est lui-même constitué de plusieurs couches cellulaires et correspond à un épithélium

dit « stratifié » (Figure 2). Selon qu’il soit situé en zone de peau fine ou épaisse, on distingue
respectivement 4 ou 5 sous-couches cellulaires, et l’épaisseur épidermique peut ainsi varier de
0,05 mm à 1,5 mm, avec une moyenne de 0,1 mm. Cet épithélium de revêtement est également
caractérisé de « pavimenteux » en raison de l’aplatissement de ses cellules superficielles, et de
« kératinisé » car ses cellules sont responsables de la synthèse d’une protéine particulière : la
kératine. En effet les kératinocytes représentent 80 % de la population cellulaire épidermique, et
leur stratification reflète les étapes d’un processus étroitement contrôlé dont la finalité est la
formation d’une barrière imperméable à l’eau : la couche cornée. Ainsi les kératinocytes naissent
au niveau de la couche basale épidermique puis migrent vers la surface tout en se différenciant et
en se remplissant de kératine jusqu’à atteindre le stade de kératinocytes cornés au niveau de la
couche cornée. Nous allons décrire ci-dessous les différentes couches cellulaires constituant
l’épiderme en suivant le processus de différenciation kératinocytaire de la profondeur vers la
surface, puis nous aborderons les particularités de la surface cutanée.
Figure 2 Représentation schématique d’une coupe transversale de l’épiderme humain.

18
1. Couche basale ou couche germinative de l’épiderme

(stratum basalis ou stratum germinativum)
Kératinocytes basaux
La couche basale épidermique est constituée d’une unique couche de kératinocytes reposant sur la
jonction dermo-épidermique, qui elle-même s’appuie sur les papilles dermiques dont elle épouse
la forme. Ainsi la couche basale et la jonction dermo-épidermique apparaissent ondulées sur une
coupe cutanée transversale. Les kératinocytes de cette couche sont de forme cylindrique ou cubique
avec une implantation perpendiculaire à la surface des papilles dermiques sous-jacentes. Leur
observation au microscope électronique révèle la présence de nombreux filaments intermédiaires
appelés tonofilaments qui sont regroupés en faisceaux : les tonofibrilles. Ces derniers sont soit
orientés vers le pôle basal de la cellule où ils se lient aux hemidesmosomes, pemettant ainsi
l’ancrage à la jonction dermo-épidermique ; soit orientés vers les pôles cellulaires apical ou
latéraux où la liaison se fait cette fois avec des desmosomes, permettant la jonction entre
kératinocytes adjacents. L’ancrage des kératinocytes entre eux est également assuré par des
jonctions communicantes non associées au cytosquelette et qui leur permet d’échanger directement
des petites molécules à faible poids moléculaire telles que des ions ou des seconds messagers des
systèmes de transduction. Les kératinocytes basaux sont également appelés cellules germinatives
car ce sont les seules cellules de l’épiderme capables de se diviser et leur activité mitotique est
importante. Chacune d’entre elles peut donner naissance à deux cellules-filles identiques dont l’une
migrera progressivement vers la surface (différenciation kératinocytaire), alors que l’autre gardera
les mêmes caractéristiques que la cellule initiale et restera sur place pour se diviser à nouveau
(renouvellement ou réparation épidermique). On parle de cellules souches épidermiques. Pour
compenser la prolifération ininterrompue des kératinocytes basaux, certains d’entre eux peuvent
rester quiescents ou s’engager dans un processus de mort cellulaire programmée afin de maintenir
l’homéostasie cellulaire.
Mélanocytes
C’est dans la couche basale épidermique que l’on trouve les mélanocytes, principaux responsables
de la coloration de la peau via la synthèse d’un pigment cutané : la mélanine. Ces cellules
représentent 13 % de la population cellulaire épidermique totale, et sont réparties de façon non
19
homogène : 2400 / mm2 sur les organes génitaux, 2000 / mm2 sur les régions exposées au soleil, et
1500 / mm2 en moyenne sur le reste du corps. Le nombre de mélanocytes est le même chez tous
les individus quel que soit leur âge ou leur couleur de peau : seule leur activité varie. Ainsi, le
nombre de mélanocytes actifs diminue de 10 à 20 % tous les 10 ans, ce qui se manifeste surtout par
le grisonnement des cheveux après 40 ans ; et les différences de coloration cutanée ont en fait pour
origine des différences dans la mélanogenèse qui est le processus de synthèse, distribution et
transfert des mélanines dans l’épiderme. Les mélanocytes sont des cellules de grande taille à corps
globuleux qui, contrairement aux kératinocytes, n’ont pas d’attache aux cellules avoisinantes et ont
un faible taux de renouvellement. Elles possèdent des prolongements cytoplasmiques appelés
dendrites qui peuvent atteindre la troisième assise de kératinocytes épidermiques (couche
épineuse). Leur cytoplasme renferme les mélanosomes, organites spécifiques à la synthèse des
mélanines (eumélanines et phéomélanines). Une fois ces organites totalement remplis de mélanine,
ils vont migrer en bout de dendrite pour être transférés aux kératinocytes. Chaque mélanocyte
délivre ainsi la mélanine qu’il produit à 36 kératinocytes avoisinants : l’ensemble forme ce que
l’on appelle une unité épidermique de mélanisation. Une fois dans le cytoplasme kératinocytaire,
les mélanosomes vont se concentrer autour du noyau. Les mélanines assurent de cette manière un
rôle photoprotecteur vital en absorbant les rayonnements non réfléchis à la surface cutanée et en
neutralisant les radicaux libres se formant sous l’influence des ultraviolets, ce qui évite l’atteinte
des organes vitaux de la cellule et des structures physiologiques environnantes.
Cellules de Merkel
On trouve également dans cette couche la population la plus minoritaire de l’épiderme : les cellules
de Merkel. Ce sont des cellules encore assez mystérieuses impliquées dans la fonction du tact avec
un rôle mécanorécepteur, et qui produisent des neuromédiateurs dont le rôle reste à préciser. Elles
sont particulièrement nombreuses au niveau des paumes des mains et des plantes des pieds, ainsi
que des lèvres et des régions supérieures des bras et du visage. Les cellules de Merkel sont de forme
ovale, disposées parallèlement à la surface cutanée et projettent des expansions villositaires entre
les kératinocytes adjacents auxquels elles sont reliées par des desmosomes. Certaines présentent
des dendrites très courtes, et d’autres plus longues qui s’insinuent entre les kératinocytes basaux et
supra-basaux. Elles contiennent des quantités relativement faibles de filaments de kératine, dont la
composition diffère de ceux des kératinocytes. On trouve dans leur cytoplasme de nombreux
20
granules sécrétoires dans lesquels sont stockés les neuromédiateurs. Les cellules de Merkel sont
associées à des fibres nerveuses et leur zone de contact ressemble à une synapse nerveuse classique.
Elles peuvent être regroupées en amas appelé corpuscule ou disque de Merkel.
2. Couche du corps muqueux de Malpighi ou épineuse de l’épiderme

(stratum spinosum ou stratum filamentosum)
Kératincoytes épineux
On observe en général 5 ou 6 assises de kératinocytes épineux dans la couche du corps muqueux

de Malpighi. Ces cellules sont volumineuses, de forme polygonale et ont tendance à s’aplatir
horizontalement dans la région la plus superficielle de cette couche. Elles sont attachées entre elles
par un nombre particulièrement important de desmosomes, ce qui leur donne une allure épineuse
en observation histologique à l’origine de leur nom. Ces attaches assurent une grande cohésion
cellulaire qui donne une très grande résistance mécanique à cette couche. De plus, les cellules
épineuses synthétisent de la kératine de manière plus active que les kératinocytes basaux, et on
trouve à l’intérieur de leur cytoplasme des tonofilaments plus compacts et en nombre plus
important. Il est à noter que les kératines jouent un rôle important dans le processus de
différenciation kératinocytaire observé de la couche basale à la couche cornée, et les kératines
synthétisées vont être de type différent en fonction de la couche épidermique dans laquelle se
situent les kératinocytes.
Cellules de Langerhans
Les cellules de Langerhans sont les cellules sentinelles du système immunitaire de la peau. Il s’agit
de cellules dendritiques c’est-à-dire spécialisées dans la capture, le transport et la présentation des
antigènes aux lymphocytes T des ganglions lymphatiques vers lesquels elles peuvent migrer. Ces
cellules sont localisées entres les kératinocytes des couches basale et épineuse, et surtout dans la
couche épineuse. Elles ne constituent que 2 à 5 % de la population cellulaire épidermique avec une
densité de 400 à 800 / mm2, mais grâce aux longs prolongements dendritiques qu’elles possèdent,
elles forment un véritable réseau qui couvre la totalité de la surface épidermique. Leur nombre
21
diminue au cours du vieillissement. Les cellules de Langerhans ont un cytoplasme clair dépourvu
de tonofilaments, de desmosomes et de mélanosomes, mais dans lequel on trouve des organites
spécifiques appelés granules de Birbeck à fonction encore hypothétique.
3. Couche granuleuse de l’épiderme

(stratum granulosum)
La couche granuleuse de l’épiderme est composée de 3 assises de kératinocytes de forme très

aplatie. On observe dans leur cytoplasme une répartition aléatoire des tonofilaments ainsi qu’une
raréfaction des organites. On y trouve également deux sortes de granulations à l’origine du nom
donné à cette couche : les kératohyalines et les kératinosomes. Les granulations de kératohyaline
sont volumineuses, dépourvues de membrane externe et contiennent de la profilaggrine. Les
kératinosomes sont également appelés corps lamellaires d’Odland. Ce sont des granulations plus
petites qui ont un contenu lipidique. Elles sont entourées d’une double membrane qui fusionne avec
la membrane plasmique du kératinocyte pour déverser son contenu dans l’espace extracellulaire.
Les lipides déversés vont jouer le rôle de ciment intercellulaire pour consolider les adhésions
cellulaires assurées par les desmosomes toujours nombreux.
4. Couche claire ou brillante de l’épiderme

(stratum lucidum)
Cette couche épidermique n’existe pas dans tous les épidermes cutanés. En effet, on ne l’observe
qu’au niveau de peaux particulièrement épaisses, telles que les paumes des mains ou les plantes
des pieds. Elle est constituée de plusieurs assises de cellules aplaties d’aspect clair et homogène.
Ces cellules sont appelées cellules « T » car elles font la « transition » entre les cellules granuleuses
et cornées. En dehors des zones de peau épaisse, les cellules T existent mais de manière isolée.
Certains classent la couche claire parmi les sous-couches de la couche épidermique cornée.
22
5. Couche cornée de l’épiderme

(stratum corneum)
Suivant la localisation, la couche cornée est constituée de 4 à 20 assises cellulaires. Les cellules de
cette couche sont complétement aplaties (leur surface équivaut à la surface occupée par 25
kératinocytes de la couche basale). Elles ne possèdent plus de noyau ni d’organites cytoplasmiques.
Ce sont les kératinocytes cornés ou cornéocytes. Ce sont des cellules complétement kératinisées.
En effet, elles sont remplies de faisceaux de filaments de kératine agglutinés à l’intérieur d’une
matrice dense de filaggrine. Cette protéine amorphe provient de la déphosphorylation et du clivage
de la profilaggrine contenue initialement dans les granulations de kératohyaline observées dans le
cytoplasme des cellules granuleuses. La membrane plasmique des cornéocytes est fortement
épaissie. Du côté intracellulaire, elle est bordée d’une structure protéique constituant un véritable
squelette interne appelé enveloppe cornée. Du côté extracellulaire, elle est doublée par une couche
de lipides organisés en feuillets intercornéocytaires (organisation lamellaire) jouant un rôle
important dans la cohésion des cornéocytes. Ces lipides proviennent des corps lamellaires
d’Odland dont le contenu a été déversé au niveau de la couche granuleuse. On peut distinguer deux
sous-couches à l’intérieur de la couche cornée : la couche compacte et la couche desquamante.
Couche compacte (stratum compactum)
Cette sous-couche de la couche cornée fait directement suite à la couche granuleuse (ou claire pour
les peaux épaisses) est appelée la couche compacte (stratum compactum). Les desmosomes de cette
couche sont remplacés par des cornéodesmosomes, de structure plus simple et qui continuent à
assurer une certaine cohésion intercellulaire.
Couche desquamante de Ranvier (stratum disjunctum)
La sous-couche la plus superficielle est le siège de la desquamation, et est de ce fait appelée couche
desquamante (stratum disjonctum). Dans cette zone épidermique, la filaggrine est complétement
protéolysée produisant les acides aminés impliqués dans l’hydratation des couches épidermiques
superficielles (Natural Moisturing Factor) ainsi que l’acide urocanique à effet photo-
immunosuppresseur et capable d’absorber les rayonnements ultraviolets. La desquamation est le
processus par lequel les cornéocytes les plus superficiels et donc les plus « usés » par le contact
23
avec le milieu extérieur, sont éliminés par détachement des autres cellules épidermiques et
libération dans l’environnement extérieur. Pour ce faire, les cellules subissent une mort cellulaire
programmée particulière appelée cornéification, accompagnée d’une déstructuration des
membranes lipido-protéiques cornéocytaires et de la dégradation des cornéodesmosomes. La
desquamation des cellules cornées est un mécanisme parfaitement régulé et compensé par le
renouvellement perpétuel de l’épiderme à partir des cellules souches basales. Ainsi, chaque fois
qu’une cellule cornée est éliminée en surface, une division cellulaire se produit dans la couche
germinative. En moyenne, 9 à 17 mg de cellules cornées sont perdus chaque jour de façon souvent
imperceptible car elles desquament de façon isolée ou par petits paquets de moins de 5 cellules.
C’est la couche cornée qui assure la fonction barrière de l’épiderme contre la fuite du milieu
intérieur d’une part, et contre les agressions extérieures d’autre part (mécaniques, thermiques,
radiations électromagnétiques, agents chimiques ou infectieux) ; et tout le processus de
différenciation kératinocytaire a pour objectif ultime la formation de cette couche cornée, ainsi que
son renouvellement régulier qui renforce son imperméabilité. Le temps de renouvellement de
l’épiderme humain (incluant la division des kératinocytes basaux, la migration dans l’épiderme et
la desquamation) est normalement de 30 à 45 jours, avec un temps de transit dans la couche cornée
d’environ 14 jours.
6. Surface cutanée
La couche cornée n’est pas en contact direct avec l’extérieur. Elle est recouverte d’un film cutané
et on y retrouve des micro-organismes constituant la flore cutanée.
Film cutané de surface
Il existe en surface cutanée un film hydrolipidique dans lequel on retrouve des cellules
desquamantes et les lipides qui composaient le ciment intercellulaire dans la couche cornée. Ce
film hydrolipidique est une émulsion de type eau dans l’huile. La phase aqueuse est constituée
essentiellement de sueur, dans laquelle on peut y retrouver des substances dissoutes minérales ou
organiques. La phase lipidique est composée de lipides issus du sébum et de lipides élaborés par
les cellules épidermiques. Le film cutané de surface joue un rôle important contre la pénétration de
substances étrangères en renforçant la fonction barrière de la couche cornée. De plus, sa teneur en
24
lipide et son acidité (4,2 < pH < 6,1 en général) favorisent la flore bactérienne résidente en
empêchant la croissance des germes pathogènes. Ce film hydrolipidique assure également d’autres
fonctions comme la protection contre les agressions chimiques grâce à son pouvoir tampon, la
protection contre les rayonnements solaires, et le maintien de l’hydratation cutanée. En tant que
véhicule d’odeurs propres à chaque individu, il joue également un rôle de discrimination, moins
important chez l’Homme que chez l’animal, mais non négligeable pour autant.
Flore cutanée de surface
La couche cornée est imperméable aux grosses molécules et aussi aux micro-organismes, mais il
existe malgré tout en surface cutanée des zones pouvant être colonisées. En effet, les infundibula
des follicules pileux constituent un excellent milieu pour les micro-organismes, et les espaces vides
laissés par la dissolution du ciment intercellulaire intervenant dans le processus de desquamation
peuvent aisément accueillir des colonies. Ainsi, il existe au niveau de la surface cutanée, une flore
bactérienne, mycosique (et probablement virale) résidente dont la présence est essentielle au
maintien de la « santé » de la peau. En effet, elle entre en compétition avec une flore transitoire
composée de germes ne se multipliant pas normalement en surface cutanée, mais qu’il est possible
de rencontrer dans l’environnement. La flore transitoire est plus polymorphe et peut comporter des
micro-organismes potentiellement pathogènes.
Relief cutané de surface
Il est à noter que la surface cutanée présente un relief formé des orifices folliculaires, des pores
sudoripares, et surtout de sillons qui s’entrecroisent et entre lesquels on distingue la saillie de
chaque cornéocyte. On parle de réseau microdépressionnaire. On ne peut l’observer que sur la peau
in vivo qui est sous tension permanente car c’est cette tension qui est à l’origine de ce réseau. En
effet, il n’existe plus sur une pièce d’exérèse cutanée car la peau est alors libre de se rétracter.
L’aspect du réseau microdépressionnaire est lié à l’organisation du derme papillaire sous-jacent.
Le rôle principal de ce microrelief est mécanique : en se déplissant partiellement, il permet une
extension de la surface cutanée, de l’épiderme et du derme papillaire. C’est une sorte de « réservoir
d’étirement », en particulier pour l’épiderme qui est très peu élastique et qui serait incapable de
faire face aux tractions auxquelles il est soumis (par exemple au niveau des plis de flexion). Il
reflète la direction des contraintes mécaniques subies par la peau au niveau de chaque région
cutanée. L’existence de ce réseau microdépressionnaire a aussi pour conséquence l’augmentation
25
de la surface d’échange entre la peau et le milieu extérieur. Les sillons servent de canaux
d’écoulement et de rétention du sébum et de la sueur. Au niveau des paumes des mains et des
plantes des pieds, ce relief semble spécialement adapté pour l’adhésion au sol et aux objets.
II- JONCTION DERMO-EPIDERMIQUE
Derme et épiderme sont reliés par une zone d’adhérence appelée jonction dermo-épidermique et
centrée autour de la membrane basale épidermique (appelée aussi lame basale épidermique). Cette
zone apparait ondulée sur une coupe car elle repose sur les papilles dermiques qui s’imbriquent
dans l’épiderme. C’est une matrice d’ancrage de l’épiderme au derme qui constitue aussi une
barrière physique sélective entre ces deux couches cutanées en contrôlant l’invasion cellulaire tout
en permettant une diffusion contrôlée des cellules du système immunitaire et d’éléments nutritifs
et métaboliques du derme vers l’épiderme. Elle intervient également dans plusieurs autres fonctions
fondamentales telles que la polarité épidermique, la cicatrisation cutanée, et l’apport
d’informations extérieures grâce aux récepteurs moléculaires qu’elle contient. D’un point de vue
structural, la jonction dermo-épidermique est une région acellulaire de 50 à 80 nm d’épaisseur,
élaborée à la fois par les kératinocytes basaux de l’épiderme et les fibroblastes du derme et
constituée de trois couches de matrice extracellulaire spécialisée appelées lamina lucida, lamina
densa et sub-lamina de la surface vers la profondeur (Figure 3).
26
Figure 3 Représentation schématique de la jonction dermo-épidermique.

27
1. Lamina lucida
La couche la plus superficielle de la jonction dermo-épidermique est directement en contact avec

les kératinocytes épidermiques. Elle est appelée lamina lucida car elle se révèle transparente aux
électrons en microscopie électronique. Elle est traversée par des filaments d’ancrage riche en
laminine reliant la couche centrale de la jonction dermo-épidermique aux kératinocytes basaux,
principalement au niveau de leurs hémidesmosomes.
2. Lamina densa
La couche centrale de la jonction dermo-épidermique constitue la zone d’ancrage effective pour

les filaments d’ancrage issus de l’épiderme et les fibres d’ancrage issues du derme papillaire. Elle
est appelée lamina densa car elle se révèle dense aux électrons en microscopie électronique. Elle
contient en majorité du collagène non fibrillaire de type IV qui forme un réseau bidimensionnel en
treillis à l’origine de sa rigidité et servant de charpente pour l’arrimage de glycoprotéines (laminine
et nidogène) et de protéoglycannes (perlécan).
3. Sub-lamina
Enfin la couche la plus inférieure de la jonction dermo-épidermique est en continuité avec le derme
papillaire sous-jacent et est de ce fait appelée zone fibrillaire du derme papillaire ou sub-lamina.
Elle correspond à une zone fibreuse contenant des fibres de collagène striées de type I et III. On y
trouve des fibres d’ancrage constituées de collagène de type VII reliant soit des plaques d’ancrage
de collagène IV à la lamina densa, soit deux zones différentes de la lamina densa formant ainsi
une boucle à l’intérieur de la sub-lamina.
28
III- DERME
L’essentiel de l’épaisseur de la peau est constitué par son tissu intermédiaire : le derme. Il s’agit
d’un tissu conjonctif fibreux composé de cellules fixes et de cellules migratrices baignant dans une
matrice extracellulaire. Les fibroblastes sont les cellules majoritaires du derme. Ce sont les cellules
fixes ou résidentes du derme. Les cellules du système immunitaire (leucocytes, cellules
dendritiques, mastocytes, macrophages) sont les cellules migratrices. Les fibroblastes ont un corps
cellulaire aplati et de forme stellaire ou allongée en fuseau. Ils possèdent de fins prolongements
cytoplasmiques. Ces cellules interagissent avec la matrice extracellulaire qui les entoure via des
récepteurs membranaires de type intégrine. Elles sont responsables de la synthèse de cette matrice,
de son entretien et sont également capables de la dégrader par sécrétion de collagénases et de
protéases. La matrice extracellulaire dermique est composée d’un réseau de fibres de collagène et
d’élastine engluées dans une substance fondamentale formée d’eau, de sels minéraux et de
macromolécules (protéoglycannes, glycosaminoglycannes). On y trouve également des
glycoprotéines de structure. De plus, le derme renferme la majorité du système vasculaire de la
peau, ainsi que des fibres nerveuses, et constitue le sol d’implantation des annexes cutanées. Tout
comme l’épiderme, l’épaisseur du derme varie en fonction de la localisation cutanée. Ainsi il est
plus fin au niveau des paupières et du prépuce et plus épais au niveau de la paume des mains et de
la plante des pieds. Son épaisseur moyenne est de 1 à 2 mm. On peut y distinguer deux zones de
structure différente : le derme papillaire et le derme réticulaire (Figure 4).
Figure 4 Coupe colorée de tissu cutané. (a) Couche cornée. (b)

Epiderme (couches basale, épineuse et granuleuse). (c) Derme
papillaire. (d) Derme réticulaire. (Avec la permission du Dr A.
Durlach, Reims.)
29
1. Derme papillaire ou derme superficiel
Le derme papillaire est la couche dermique immédiatement sous-jacente à la jonction dermo-

épidermique. A sa surface, on observe les papilles dermiques qui sont à l’origine de son nom. Ces
papilles s’imbriquent dans l’épiderme et permettent les échanges nutritifs et hormonaux avec les
couches profondes de l’épiderme. De plus, on trouve dans le derme papillaire les plexus artériels,
veineux et lymphatiques. C’est donc un tissu très vascularisé. Dans les zones cutanées
particulièrement sensibles, il renferme des terminaisons nerveuses encapsulées (corpuscules de
Meissner, de Pacini ou de Ruffini). De plus, il est traversé par les fines connexions axonales des
terminaisons nerveuses libres sensitives de l’épiderme. Le derme papillaire est riche en fibres de
collagène entrelacées qui sont orientées perpendiculairement à l’épiderme. Les fibres élastiques
sont ancrées à la jonction dermo-épidermique. Les fibres élastiques et de collagène sont fines et de
texture assez lâche. L’essentiel de la partie réactionnelle de la peau est concentré dans cette fine
couche de tissu conjonctif. En effet, en plus de ses fonctions architecturale et sensorielle et
d’assurer la nutrition et les échanges hormonaux avec l’épiderme sus-jacent, le derme papillaire
joue un rôle dans de nombreuses autres fonctions telles que la cicatrisation, la thermorégulation,
l’immunité et l’absorption percutanée. Il constitue également un important réservoir d’eau pour
l’organisme.
2. Derme réticulaire
La couche profonde du derme appelée derme réticulaire constitue la majeure partie du derme. Elle
représente en effet 4/5ème de l’épaisseur totale du derme et est parfois subdivisée en derme moyen
et derme profond. Son nom a pour origine l’agencement particulier de ses fibres de collagène
appelées aussi réticulines. Ces fibres sont disposées en faisceaux particulièrement épais qui
s’entrecroisent horizontalement par rapport à la surface de la peau. L’épaisseur de ces fibres est
d’autant plus importante qu’elles se situent en profondeur. Les fibres élastiques associent leur
réseau à cette trame serrée. On y trouve peu de cellules, essentiellement des fibroblastes. Le derme
réticulaire est traversé par quelques vaisseaux sanguins de transfert, reliant le plexus sous-papillaire
au plexus cutané sous-jacent situé à la jonction derme-hypoderme. Aux paumes et plantes,
s’ajoutent de nombreuses communications artério-veineuses jouant un rôle dans la
thermorégulation des extrémités. De plus, il héberge les follicules pilo-sébacés, et dans sa partie
profonde, des glandes sudorales. Au niveau de sa partie inférieure, il est en contact direct avec
30
l’hypoderme. La fonction du derme réticulaire est essentiellement mécanique. Véritable charpente

de la peau, il est le tissu de soutien solide, tout en étant à la fois compressible, extensible et
élastique. Il permet ainsi le maintien de la forme et de l’architecture de la peau, et assure la
protection des annexes cutanées contre les agressions mécaniques.
IV- HYPODERME
L’hypoderme est la couche la plus profonde de la peau. Il s’agit d’un tissu adipeux blanc sous-
cutané, appelé ainsi par opposition au tissu adipeux brun (persistant chez l’adulte sous la clavicule
et le long de la colonne vertébrale, dont le rôle reste à confirmer) et au tissu adipeux profond (en
position viscérale ou intra-abdominale, ayant une activité métabolique propre). Le tissu adipeux de
l’hypoderme forme ce que l’on appelle le panicule adipeux correspondant à un matelas graisseux
qui enveloppe complétement l’organisme, sur lequel repose le derme et qui se moule sur les
muscles et les os sous-jacents. Il a une épaisseur variable selon la localisation anatomique : mince
sur le front et épais sur les fesses, par exemple. De plus, il se distribue différemment chez l’homme
et la femme. A ce titre, il constitue un véritable caractère sexuel secondaire et on observe que le
panicule adipeux est plus particulièrement développé en-dessous de l’ombilic chez la femme
(répartition gynoïde), et au-dessus de l’ombilic chez l’homme (répartition androïde). Ce tissu
représente 15 à 20 % du poids corporel chez un individu de poids moyen, et est fortement souligné
en cas d’obésité.
Histologiquement, l’hypoderme est une forme particulière de tissu conjonctif qui est relié
à la partie inférieure du derme par des expansions de fibres de collagène et de fibres élastiques. Il
contient des lobes graisseux séparés par des travées de fibres de collagène issues du derme et qui
vont se fixer aux aponévroses des muscles ou au périoste des os, limitant ainsi la mobilité de la
peau. Ces lobes graisseux sont eux-mêmes subdivisés en petits lobules graisseux délimités par de
fines cloisons conjonctives contenant des fibrilles de collagène, des fibroblastes, des macrophages
et des mastocytes. Entre ces lobules, on trouve aussi de très nombreux capillaires sanguins et des
fibres nerveuses. L’importance de la vascularisation et de l’innervation du tissu adipeux varie selon
31
la localisation anatomique. A l’intérieur des lobules graisseux, on peut observer les adipocytes
matures, nommés aussi cellules graisseuses, qui sont tassés les uns contre les autres. Ce sont des
cellules sphériques contenant une large vacuole remplie de triglycérides. Elles peuvent changer
rapidement de volume lors d’un amaigrissement ou d’une prise de poids et subir ainsi une variation
de 27 fois en volume. Les adipocytes matures constituent la masse principale de l’hypoderme. Les
autres populations cellulaires constituent la fraction stroma-vasculaire du tissu adipeux. Celle-ci
inclue les préadipocytes (précurseurs des cellules graisseuses), les cellules souches du tissu
adipeux, les cellules endothéliales participant à la néovascularisation donc au développement du
réseau capillaire, les fibroblastes sécrétant procollagène et proélastine, ainsi que les cellules
d’origine hématopoïétique impliquées dans l’inflammation (lymphocytes et macrophages
notamment) (Figure 5).
Figure 5 Représentation schématique du tissu adipeux et de sa composition cellulaire.

32
L’hypoderme assure quatre fonctions principales : énergétique, sécrétoire, protectrice et plastique.
1/ Tout d’abord, il constitue la plus grande réserve énergétique de l’organisme. En effet, grâce
à ses fonctions métaboliques particulières, il est capable d’accumuler et de stocker les lipides sous
forme de triglycérides en période post-prandiale (captation), et à l’inverse de les libérer sous forme
d’acides gras et de glycérol en période de jeûne (lypolyse) de façon à fournir l’énergie nécessaire
aux tissus qui en ont besoin (tissu musculaire en particulier). Il gère ainsi les réserves énergétiques
de l’organisme selon les besoins et les approvisionnements. Les tissus adipeux situés dans la partie
supérieure du corps sont métaboliquement plus actifs.
2/ Deuxièmement, les cellules du tissu adipeux (adipocytes notamment) produisent une

quantité notable de molécules bioactives appelées adipokines. Ces molécules sont de nature variée,
et certaines ont un statut d’hormone pouvant agir au niveau local (autocrine ou paracrine) ou
systémique, conférant au tissu adipeux un rôle endocrinien. Par exemple la leptine qui est sécrétée
exclusivement par les adipocytes blancs joue de nombreux rôles dont celui d’hormone de la satiété
agissant directement sur l’hypothalamus. Le tissu adipeux est également capable de métaboliser
des hormones stéroïdes et en constitue d’ailleurs un réservoir important. Malgré tout, la fonction
sécrétoire du tissu adipeux sous-cutané est moins développée que sa fonction métabolique (à
l’inverse des tissus adipeux profonds).
3/ Ensuite, le panicule adipeux a un rôle protecteur. C’est un isolant mécanique jouant un rôle
d’amortisseur en cas de choc, mais aussi un isolant thermique jouant un rôle fondamental dans la
thermorégulation.
4/ Enfin, il modèle le corps en lui donnant sa forme (silhouette).
33
V- ANNEXES CUTANEES
Les annexes cutanées sont de petites structures anatomiques fonctionnelles et autonomes de la

peau. Il en existe trois types : les glandes sudoripares eccrines, les appareils pilo-sébacés ainsi que
les ongles que nous n’aborderons pas dans ce manuscrit.
1. Glandes sudoripares eccrines
On compte 2 à 5 millions de glandes sudoripares (ou sudorales) eccrines par individu. Ce sont des
glandes exocrines responsables de la majorité de la sécrétion de la sueur. Elles sont réparties sur
toute la surface du corps, excepté au niveau du lit de l’ongle et des lèvres, et ont une densité
maximale dans les régions palmo-plantaires. Ces glandes prennent la forme d’un tube d’environ 5
mm de long, qui s’ouvre en surface cutanée par un pore localisé en général aux croisements des
sillons du réseau microdépressionnaire. L’extrémité la plus profonde de ce tube est borgne et se
replie en un peloton appelé glomérule sudoripare qui se loge dans le derme profond le plus souvent,
et parfois dans la zone de transition derme-hypoderme. Ce peloton se prolonge par un segment
tubulaire relativement droit qui traverse verticalement le derme. La glande pénètre ensuite dans
l’épiderme, en général au niveau d’une crête épidermique interpapillaire, où elle prend une
structure hélicoïdale jusqu’à aboucher en surface cutanée (Figure 6). La portion intradermique des
glandes eccrines est entourée d’un triple réseau de fibres nerveuses, de capillaires et de fibres
élastiques, particulièrement dense au niveau du peloton.
On peut distinguer deux parties physiologiquement distinctes au sein d’une glande

sudoripare eccrine, et qui sont séparées par une petite dilatation (l’ampoule de Loewenthal). En
profondeur, on trouve la portion sécrétrice appelée peloton sécrétoire qui correspond aux deux tiers
initiaux du glomérule sudoripare. Le reste de la glande correspond à la portion excrétrice, appelée
aussi conduit sudorifère, et inclut le tiers suivant du glomérule sudoripare, le segment dermique
droit et le segment épidermique hélicoïdal. La sueur primitive est synthétisée dans le peloton
sécrétoire à partir du plasma provenant de la riche vascularisation entourant ce type de glande. Elle
va subir ensuite, lors de son passage dans le conduit sudorifère, des phénomènes de sécrétion et de
réabsorption. La sueur définitive ainsi obtenue est totalement limpide, composée de 99 % d’eau,
0,5 % de sels minéraux et 0,5 % de substances organiques. Elle est excrétée de façon pulsatile (0,3
34
à 12 émissions par minute selon les régions corporelles, les individus et les circonstances) et de
façon cyclique (alternance de phases de sécrétions pulsatiles avec des phases de repos). De plus,
toutes les glandes sudoripares eccrines d’un organisme ne sont jamais actives simultanément. Elles
fonctionnent en effet par groupes, qui alternent leur phase de sécrétion sudorale. Ainsi même en
cas de sudation abondante, 50 % environ des pores sudoraux sont en phase de repos (émission de
vapeur d’eau seulement). Le volume de sueur excrétée par jour varie de 0,5 litre au repos à plus de
10 litres dans des conditions extrêmes.
Figure 6 La glande sudoripare.

http://dermato-info.fr/article/Un_organe_multifonction
35
Le rôle essentiel des glandes sudoripares eccrines est de refroidir l’organisme en déversant de l’eau
à la surface de la peau, afin de maintenir constante la température du corps. En effet, le métabolisme
de base de l’organisme, mais aussi certaines circonstances particulières comme l’élévation de la
température extérieure ou le travail musculaire, produisent de la chaleur. Le processus de sudation
thermique relève d’un mécanisme réflexe dont le stimulus est l’élévation de la température centrale.
Il existe aussi, en plus de la sudation thermique, une sudation psychique. Sous l’influence
de facteurs émotionnels, cette sudation est de survenue immédiate. Elle est localisée au front, aux
aisselles, aux paumes et aux plantes. Il s’agit d’une sueur « froide », sans vasodilatation cutanée,
de fonction inconnue.
Les paumes des mains et les plantes des pieds sont le siège habituel d’une sécrétion
spontanée. On y trouve en effet des glandes plus primitives, fonctionnellement distinctes de celles
du reste du corps, et qui ne manifestent pas de sudation thermique. Cette sécrétion spontanée élève
considérablement le coefficient de friction de la peau au niveau palmo-plantaire et permet
d’améliorer la préhension des objets ainsi que la marche et la course en évitant le glissement. Elle
peut être accentuée par un stress psychique.
Enfin, la composition particulière de la sueur produite par les glandes sudoripares eccrines
permet d’assurer d’autres fonctions telles que le maintien d’une hydratation minimale cutanée, la
défense de l’organisme (immunoglobulines et pH acide), la filtration des rayons ultraviolets B
(acide urocanique). Enfin il est à noter que les glandes sudoripares eccrines permettent
l’élimination de certaines substances exogènes comme les toxiques, les colorants, l’alcool ou les
médicaments.
36
2. Follicules pilo-sébacés
Le follicule pilo-sébacé est une unité anatomique et fonctionnelle complexe comprenant : un poil
ou tige pilaire – lui-même inclus dans le follicule pileux, un muscle pilo-moteur – dit aussi
horripilateur ou arrecteur du poil, une glande sébacée, et éventuellement une glande apocrine
(seulement dans certaines régions cutanées). On dénombre environ 5 millions de follicules pilo-
sébacés chez l’Homme dont environ 1 million sur l’extrémité céphalique et 100 000 sur le cuir
chevelu. On en trouve sur toute la surface cutanée, excepté les paumes, les plantes et les dermo-
muqueuses buccales et génitales. On en distingue trois grands types. Dans les zones cutanées dites
pileuses, on rencontre les follicules terminaux ou barbus qui hébergent des poils longs, épais et
pigmentés appelés poils terminaux ou matures. Ce sont les cheveux, les sourcils, les cils, les poils
des aisselles et du pubis, et chez l’homme : la barbe et la moustache. Ailleurs, on trouve les
follicules duveteux et les follicules sébacés qui hébergent tous deux des poils presque invisibles
(courts, minces et incolores) appelés poils duveteux ou duvet. Ces deux derniers types de follicules
pilo-sébacés occupent ainsi la plus grande partie de la surface cutanée et se distinguent
principalement par leur localisation et la taille de leur pore et de leur glande sébacée. Les follicules
duveteux se situent principalement au niveau des membres et de la partie inférieure du tronc, alors
que les follicules sébacés résident au niveau de la tête, des épaules et du thorax (zones dites
séborrhéiques). Ces derniers présentent un grand pore et une glande sébacée particulièrement
volumineuse (multilobée et s’évacuant par plusieurs canaux).
D’un point de vue structural, un follicule pilo-sébacé ressemble à un sac cylindrique dont
la partie la plus profonde, qui atteint la limite dermo-hypodermique ou l’hypoderme, se renfle pour
former un bulbe dont le fond est déprimé par une papille dermique appelée papille du poil. Il s’agit
du bulbe pileux qui est une zone de division et de différenciation cellulaire aboutissant à la
formation du poil - qui correspond essentiellement à un assemblage compact de cellules
kératinisées, ainsi qu’à la formation de la gaine épithéliale interne qui l’entoure, formée également
de cellules kératinisées. Cette gaine épithéliale disparait au-dessus de l’abouchement du canal de
la glande sébacée et on appelle canal pilaire ou infundibulum pilaire la partie supérieure du follicule
pilo-sébacé qui en est dépourvue et qui abouche en surface cutanée. Juste au-dessus du bulbe
pileux, on observe un petit renflement appelé bulge sur lequel s’insère le muscle horripilateur du
37
poil. L’ensemble est délimité par la gaine épithéliale externe qui est composée de cellules qui ne
se kératinisent pas (sauf au niveau du canal pilaire) et qui ont la particularité d’être riche en
glycogène. Cette gaine externe est elle-même entourée par une membrane basale particulière : la
membrane vitrée qui sépare le follicule pilo-sébacé du compartiment dermique. La gaine épithéliale
externe est en continuité avec l’épiderme et la membrane vitrée est en continuité avec la membrane
basale épidermique, ce qui s’explique par le fait que les follicules pilo-sébacés résultent
d’invaginations épidermiques durant la vie intra-utérine : l’épiderme plonge dans le derme comme
un doigt de gant. Dans le compartiment dermique, le follicule pilo-sébacé est entouré d’une gaine
de tissu conjonctif qui forme une sorte de hamac qui le maintient, et qui se prolonge à la base du
follicule par la papille dermique. La gaine et la papille sont richement vascularisées et innervées,
et assurent la nutrition et les échanges métaboliques (Figure 7).
Figure 7 Le follicule pilo-sébacé.

38
Le fonctionnement du follicule pilo-sébacé est cyclique et sa structure est régulièrement régénérée.

En phase anagène, le follicule pilo-sébacé est profond et le bulbe pileux est volumineux. Ce dernier
est le siège de divisions cellulaires intenses, initiant ainsi la formation et la croissance de la tige
pilaire. Des mélanocytes synthétisent activement les mélanines responsables de la coloration du
poil. La phase catagène est une phase de transition caractérisée par l’arrêt des mitoses et de la
synthèse des mélanines. Le follicule pilo-sébacé rétrécit. En effet, le bulbe pileux subit une
régression par apoptose cellulaire et s’éloigne de la papille dermique à laquelle il reste néanmoins
relié par un cordon épithélial formé par la gaine épithéliale externe. La papille dermique monte
dans le derme pour atteindre la zone du bulge. L’ascension du poil se poursuit et il finira par chuter,
en phase télogène, lorsqu’il atteindra le canal pilaire. Lors de cette dernière phase, la profondeur
du follicule pilo-sébacé est réduite de moitié. En parallèle, un nouveau bourgeon pilaire apparait et
entre en contact avec la papille dermique sous-jacente, ce qui entraine la reformation du bulbe par
activation de ses cellules souches, ainsi que le recrutement des cellules souches mélanocytaires
situées au niveau du bulge. Il y alors début d’une nouvelle phase anagène avec formation d’une
nouvelle tige pilaire. L’ancien poil, en fin de phase télogène, peut coexister avec le nouveau poil
en début de phase anagène si bien que, quand le poil tombe, l’orifice folliculaire est rarement vacant
(Figure 8).
Figure 8 Schéma du cycle pilaire. (1)
39
D’une manière générale, les poils ont un rôle important dans la régulation de la température du
corps en particulier grâce aux muscles pilo-moteurs qui peuvent se contracter simultanément,
dégageant ainsi chacun une petite énergie thermique qui, multipliée par quelques millions, finit par
représenter un dégagement de chaleur capable de faire monter la température corporelle de
quelques fractions de degré. Certains types de poils ont des rôles plus spécifiques, comme la
chevelure qui protège efficacement le cuir chevelu des rayonnements solaires, ou encore les poils
sexuels qui dissémineraient des odeurs spécifiques émises par le sébum ou la sueur apocrine. Les
cils font partie des rares poils à avoir gardé des fonctions protectrice et tactile au cours de
l’évolution.
Un follicule pileux est toujours associé à une glande sébacée, dont la fonction principale
est de sécréter le sébum ou séborrhée. Cette glande loge dans le derme moyen et abouche dans le
canal pilaire par le canal sébacé. Elle est entourée par une membrane basale en continuité avec la
membrane basale épidermique, ainsi que par un riche réseau vasculaire mais n’est pas innervée.
C’est une glande acineuse en grappe : on observe plusieurs acini (ou grains) se groupant en un ou
plusieurs lobes. Elle est composée de plusieurs couches cellulaires dont la plus externe est la couche
germinative composée de cellules indifférenciées se divisant activement. Les cellules-filles issues
de ces divisions vont se différencier en sébocytes et migrer vers le centre des acini puis vers le
canal excréteur. Au cours de cette migration, elles synthétisent et stockent des lipides jusqu’à
devenir sébocytes matures lorsqu’elles en sont totalement remplies. Arrivées à proximité du canal
excréteur de la glande sébacée, elles se désintègrent et sont évacuées dans le canal pilaire. Le sébum
natif correspond donc à des cellules sébacées matures éclatées. Il est principalement composé de
lipides : majoritairement des triglycérides (60 % environ), mais aussi des cires (25 %), du squalène
(12 %) et un peu de cholestérol provenant de la désintégration des phospholipides membranaires
(3 %). Le sébum sera ensuite excrété en surface où son rôle se confond avec celui du film cutané
de surface dont il est l’un des constituants. Il joue notamment un rôle dans le maintien de
l’hydratation cutanée, l’odeur spécifique de chaque individu et la protection contre les
rayonnements solaires, les agressions chimiques et les pathogènes. On lui confère également un
rôle de nutriment pour certaines bactéries résidentes de la peau, et certains composants du sébum
peuvent être absorbés et utilisés par l’épiderme pour la synthèse de la couche cornée et de la
40
vitamine D. Enfin en graissant la peau et les tiges pilaires, le sébum permet de les protéger. Et la
proportionnalité généralement observée entre la dimension de la glande sébacée et celle du follicule
pileux lui suggère un rôle dans le maintien des qualités fonctionnelles de la tige pilaire. Notons
qu’il existe des glandes sébacées particulières dans certaines régions cutanées (paupières, base des
cils, lèvres, …) qui s’ouvrent directement à la surface.
Les glandes apocrines sont des glandes sudoripares particulières également associées aux
follicules pileux, mais seulement dans des zones cutanées très précises. On les retrouve notamment
au niveau des aisselles, des régions génitales, sous les yeux, autour des oreilles, de l’aréole des
seins et du nombril. Elles sont localisées dans le derme profond. Leur structure est semblable à
celle des glandes sudoripares eccrines mais avec un conduit sécrétoire plus large qui débouche au
voisinage ou dans un follicule pilo-sébacé, au niveau duquel sera sécrétée une sueur épaisse,
laiteuse et visqueuse, de couleur blanchâtre ou jaunâtre. Cette sécrétion est peu ou non acide et
riche en substances organiques : ammoniac, stéroïdes, protéines et lipides dont des phéromones.
L’odeur désagréable que peut avoir cette sécrétion relève de sa dégradation par les bactéries en
surface cutanée, et non de sa nature intrinsèque. La sécrétion des glandes apocrines est intermittente
et résulte d’un stress émotif ou physique. La commande serait hormonale plutôt que nerveuse. Le
rôle de cette sécrétion est de véhiculer des messages olfactifs spécifiques de chaque individu.
41
VI- VASCULARISATION CUTANEE
La vascularisation cutanée permet la nutrition, l’oxygénation et l’élimination des déchets

métaboliques de toutes les couches de la peau, bien que les vaisseaux sanguins et lymphatiques ne
soient présents que dans le derme et l’hypoderme.
1. Vascularisation sanguine
Ce sont les artères sous-cutanées qui alimentent en sang oxygéné le système sanguin cutané. Elles
cheminent sous l’hypoderme parallèlement à la surface de la peau, et envoient des collatérales qui
remontent entre les lobes graisseux et vont se regrouper en un réseau artériel anastomotique appelé
plexus profond, qui se situe à la limite du derme et de l’hypoderme et qui est parallèle à la surface
cutanée. Des artérioles ascendantes joignent ce plexus artériel profond à un second réseau artériel
anastomotique situé dans la partie supérieure du derme : le plexus artériel superficiel ou sous-
papillaire. De ce plexus naissent des artérioles qui se terminent en un réseau de capillaires au niveau
des papilles dermiques. Le système veineux est calqué sur le système artériel. Les capillaires se
résolvent en veinules qui quittent les papilles dermiques et ramènent le sang vers le plexus supérieur
ou sous-papillaire des veines, enchevêtré avec celui des artères, et qui est drainé vers le plexus
veineux profond dermique, enchevêtré avec le plexus profond des artères. Le plexus veineux
profond est drainé par les veines sous-cutanées, parallèles aux artères sous-cutanées et qui
retournent au cœur (Figure 9).
42
Figure 9 Représentation schématique de l’organisation de la microcirculation cutanée.

Comme tout épithélium, les follicules pilo-sébacés et les glandes sudoripares sont avasculaires et
ont donc besoin d’un réseau nutritif proche. En ce qui concerne l’épiderme, il est nourri
indirectement par diffusion à partir des nombreux capillaires des papilles dermiques qui forment le
système papillaire, et qui ont une configuration spéciale. Ils ont une forme d’anse dont la boucle
épouse la convexité du sommet de la papille. Les capillaires artériels naissent de la métartériole –
partie terminale des artérioles issues du plexus sous-papillaire. Ils vont libérer de l’oxygène et des
nutriments dans le milieu intercellulaire. Ils se chargent également des déchets issus du
métabolisme cellulaire et deviennent alors capillaires veineux se jetant dans la veinule post-
capillaire (Figure 10).
43
Figure 10 Représentation schématique d’une anse capillaire équipée de sphincters précapillaires. A gauche, les sphincters sont
ouverts et le sang emprunte l’ensemble des capillaires sanguins. A droite, les sphincters sont fermés et la circulation du sang se
limite à la métartériole.. http://biologiedelapeau.fr/spip.php?article29
Il existe une transition progressive entre les différents types de vaisseaux sanguins. Alors que les
artères sont des vaisseaux de conduction et de distribution, les artérioles – de plus petit calibre –
sont des vaisseaux de résistance et sont les principales responsables du maintien de la pression
sanguine systémique. En effet, il existe dans les artérioles une contraction partielle (tonus) du
muscle lisse vasculaire. De par la disposition circulaire des cellules musculaires de leur paroi, les
artérioles ont une structure adaptée à la vasoconstriction et la vasodilatation, processus par lesquels
elles régulent localement la distribution du sang dans les capillaires. Les artérioles ont une lumière
d’environ 20 µm et sont entourées d’une paroi d’environ 15 µm d’épaisseur formée de trois couches
cellulaires concentriques séparées par des fibres élastiques. De la lumière vers l’extérieur, on trouve
l’intima principalement constituée d’un endothélium et d’un sous-endothélium, la media composée
de plusieurs couches de cellules musculaires lisses, et l’adventice qui est une tunique externe de
fibres de collagène. Dans les capillaires, la média et l’adventice ont disparu et la paroi d’environ
1 µm d’épaisseur est uniquement formée d’une couche perméable de cellules endothéliales et d’une
couche externe discontinue de péricytes (cellules non différenciées ressemblant à des cellules
musculaires lisses modifiées) entourée d’une membrane basale. Ce sont des vaisseaux d’échange
suffisamment fins pour laisser diffuser les gaz. Le transport des fluides et des solutés est assuré par
44
des cavéoles et des vésicules de pinocytose. Leur lumière de 5 µm permet le passage d’un globule
rouge. Les veinules post-capillaires drainent 4 à 5 capillaires et ont une structure ressemblant à
celle des capillaires mais avec une lumière plus large. Ce sont des tubes de cellules endothéliales
soutenues par une lame basale et une adventice de fibres de collagène et de fibroblastes. C’est
principalement à partir des veinules post-capillaires que les leucocytes peuvent migrer dans les
tissus. Ces veinules convergent pour former les veinules musculaires qui fusionnent pour former
des veinules collectrices, ce qui se traduit par l’apparition dans la paroi de cellules musculaires
lisses et également d’un enrichissement en fibres conjonctives et élastiques qui leur donnent un
grand potentiel de distensibilité. En effet, les veinules (de même que les veines qui leur font suite)
jouent le rôle de réservoir à capacité variable permettant de réguler le volume sanguin
microcirculatoire. Ils ont une lumière d’environ 20 µm et une paroi de 2 µm d’épaisseur (5).
Comme nous l’avons vu, la microcirculation cutanée assure la nutrition et l’oxygénation de

toutes les couches cutanées, ainsi que le maintien de la pression artérielle de la circulation générale,
mais pas seulement. Elle joue également un rôle essentiel dans la thermorégulation, notamment
grâce aux anastomoses (communications) artério-veineuses qui sont particulièrement abondantes
au niveau de la peau du nez, des oreilles, de la paume des mains et de la plante des pieds, des doigts,
et du lit de l’ongle. Citons en exemple celle existant dans le système papillaire entre la métartériole
et la veinule post-capillaire. Grâce à la vasomotricité, la fermeture de cette anastomose dérive le
sang vers le réseau capillaire, augmentant la perte de calorie du sang par irradiation. A l’inverse,
son ouverture exclut les voies capillaires et diminue les pertes de calories du sang. Pour réguler le
passage du sang, il existe également des sphincters précapillaires à l’entrée des capillaires, qui sont
formés de cellules épithéliales contractiles (Figure 10). De plus, la circulation cutanée joue
également un rôle dans le processus immunitaire, ainsi que dans les phénomènes d’hémostase et
d’angiogenèse. En effet, les cellules endothéliales peuvent se comporter comme des cellules
présentatrices d’antigène ; elles sont également capables de se lier aux plaquettes lorsqu’elles sont
stimulées ou endommagées, et elles produisent le facteur endothélial de croissance vasculaire
VEGF. Enfin la couleur de la peau est en partie conditionnée par l’état des vaisseaux cutanés.
45
2. Vascularisation lymphatique
La vascularisation lymphatique draine le liquide extracellulaire en excès pour l’évacuer vers la

circulation sanguine, en l’ayant préalablement filtré au niveau des ganglions lymphatiques. Cette
vascularisation est assurée par les vaisseaux lymphatiques qui ont globalement un trajet parallèle
aux veines. Ce sont les capillaires lymphatiques qui collectent le liquide extracellulaire, qui prendra
alors le nom de lymphe une fois entré dans ces vaisseaux. Par conséquent, la lymphe a la même
composition que le liquide extracellulaire (eau, électrolytes, protéines) et contient également de
nombreux lymphocytes. Les capillaires lymphatiques constituent donc le point de départ de
drainage, c’est pourquoi ils sont aussi appelés lymphatiques initiaux, mais il est à noter qu’il existe
au sein de l’espace extracellulaire un chemin dit prélymphatique où les fibres conjonctives
paraissent guider le fluide et les macromolécules vers les capillaires lymphatiques.
Dans la peau, les capillaires lymphatiques apparaissent comme des tubes dilatés localisés
près des capillaires sanguins, qui commencent par une extrémité borgne se situant au sommet des
papilles dermiques et qui suivent ensuite le trajet du réseau veineux. La paroi des capillaires
lymphatiques est constituée d’une seule couche de cellules endothéliales avec une membrane
basale peu développée. Des faisceaux de filaments (fibrilles de fibrilline) amarrent l’endothélium
aux fibres élastiques du tissu conjonctif environnant (6). Les dispositifs de jonction cellulaire sont
beaucoup plus lâches que ceux des capillaires sanguins : les cellules endothéliales se chevauchent
légèrement, comme les ardoises d’un toit, formant des sortes de valves unidirectionnelles dont les
bords ne sont pas fixés aux structures tissulaires voisines. Une augmentation de la pression du
liquide extracellulaire dans les tissus entraine l’étirement des prolongations fibreuses des cellules
endothéliales, ce qui accroit le diamètre des capillaires. Cette pression pousse également les valves
inter-endothéliales vers l’intérieur du capillaire et le liquide extracellulaire peut alors entrer. La
pression à l’intérieur du capillaire va alors progressivement augmenter jusqu’à induire la fermeture
des valves entre les cellules endothéliales, empêchant toute fuite de la lymphe (7). Le diamètre des
capillaires lymphatiques est supérieur à celui des capillaires sanguins : il varie de 10 à 70 µm en
fonction des conditions métaboliques locales. Ils ont également une lumière beaucoup plus
irrégulière.
En quittant la papille dermique, les capillaires s’anastomosent et forment le plexus

lymphatique superficiel. Des lymphatiques précollecteurs (100 µm de diamètre) drainent la lymphe
46
de ce plexus vers le plexus lymphatique dermique profond. Ces deux plexus lymphatiques ont des
localisations globalement analogues aux plexus artériels et veineux. Du plexus profond, la lymphe
est ensuite conduite vers de gros collecteurs sous-cutanés à paroi musculaire et contractile qui
cheminent jusqu’aux ganglions (Figure 11). Concernant leur structure, les vaisseaux lymphatiques
de plus petits calibres ressemblent aux capillaires lymphatiques, mais avec la présence de cellules
musculaires et de fibres élastiques. Les lymphatiques plus volumineux possèdent trois couches
similaires à celles des petites veines, mais avec une lumière plus large. Comme les veines, les
vaisseaux lymphatiques possèdent des valves anti-retour, mais en plus grand nombre. L’espace
compris entre deux valves s’appelle un lymphangion.
Figure 11 Schéma topographique des vaisseaux lymphatiques dermiques et sous-cutanés.

Les flèches indiquent le sens de la circulation de la lymphe. (3)
Les ganglions lymphatiques sont de petits organes arrondis ou réniformes de 1 à 15 mm de

diamètre. Chaque ganglion est entouré d’une capsule et a un parenchyme se divisant en trois zones
(corticale, paracorticale et médullaire). On en dénombre environ un millier réparti dans tout
l’organisme dont la peau. La lymphe arrive au niveau d’un ganglion lymphatique par des vaisseaux
lymphatiques afférents et se répand dans l’espace sous-capsulaire. Elle traverse successivement les
trois zones du parenchyme, et en ressort par un vaisseau lymphatique efférent. Les différents
47
vaisseaux efférents se réunissent ensuite pour former des troncs lymphatiques, vaisseaux plus
volumineux, qui aboutissent au conduit lymphatique droit qui draine la lymphe du bras droit et de
la partie droite de la tête et du thorax, ou au conduit thoracique qui accueille la lymphe du reste du
corps. Ces deux conduits déversent ensuite leur contenu dans le terminus – confluent des veines
sous-clavières et jugulaires.
Le système lymphatique ne comporte pas d’organe jouant le rôle de pompe, à l’instar du

cœur dans le système sanguin, mais il existe néanmoins des contractions intrinsèques au niveau des
vaisseaux lymphatiques. En effet, lorsqu’un lymphangion est rempli de lymphe, le muscle lisse de
la paroi se contracte, la valve anti retour s’ouvre et la lymphe s’écoule dans le lymphangion suivant.
Des facteurs extrinsèques interviennent également dans la propagation de la lymphe en modifiant
les pressions autour des vaisseaux lymphatiques. On peut citer les contractions des muscles
environnant les vaisseaux, lors de mouvements corporels comme la respiration ou les exercices
physiques qui entrainent des successions de compressions et de décompressions des lymphatiques.
De même la propulsion de la lymphe peut être induite par des compressions tissulaires dues à des
forces extérieures (massages par exemple) ou encore les pulsations artérielles, certains
lymphatiques étant accolés aux artères. Les valves anti-reflux des canaux lymphatiques font que la
lymphe poussée par ces différents mécanismes peut seulement avancer dans une seule direction :
vers le terminus.
Moins étudié que le système sanguin, le système lymphatique a néanmoins une grande
importance car le drainage lymphatique a une fonction vitale. Premièrement, il participe au
déclenchement des réponses immunitaires. En effet la circulation lymphatique permet le transport
des antigènes et des cellules présentatrices d’antigène (dans la peau : cellules de Langerhans et
cellules dendritiques dermiques par exemple) jusqu’aux ganglions lymphatiques qui sont le lieu de
prolifération et de différenciation des cellules immunitaires en présence d’un antigène.
Deuxièmement, le système lymphatique permet le maintien de l’homéostase. Il évacue les produits
de dégradation du métabolisme cellulaire ainsi que les molécules en excès (nettoyage du liquide
extracellulaire). Et en relation étroite avec la circulation artério-veineuse, il préserve l’équilibre
hydrique de l’organisme. Ainsi dans des conditions normales, il sort un peu plus de liquide des
capillaires sanguins qu’il n’en est réabsorbé. L’excédent de liquide est récupéré par le système
lymphatique.
48
VII- INNERVATION CUTANEE
Le système nerveux cutané est riche et complexe, et innerve la totalité de la peau à l’exception de
sa couche cornée. Il appartient au système nerveux périphérique (SNP) qui comprend tous les
éléments neuronaux en dehors du système nerveux central (SNC) (encéphale, moelle épinière et
rétine) et qui a pour rôle de véhiculer l’information entre le SNC et le reste de l’organisme. Le SNP
est schématiquement lui-même subdivisé en système nerveux somatique qui régit les sensations
perçues consciemment et les actions volontaires, et en système nerveux autonome qui émet des
signaux n’atteignant pas le seuil de la conscience et dont les réponses motrices sont involontaires.
Selon le sens de circulation de l’information, on distingue des voies dites afférentes ou sensitives
(périphérie vers SNC) qui renseignent le SNC sur l’environnement extérieur et sur l’état intérieur
de l’organisme ; et des voies dites efférentes ou motrices (SNC vers périphérie) qui transmettent
les instructions du SNC aux organes effecteurs.
1. Voies afférentes du système nerveux cutané (système nerveux somatique)
La peau est un organe sensitif majeur. Elle est continuellement le siège de la perception d’une
grande quantité d’informations venant du monde extérieur avec lequel elle est en contact direct.
Ces informations sont recueillies par des récepteurs ou des terminaisons nerveuses libres, et sont
transmises par l’intermédiaire de différents types de fibres nerveuses sensitives qui, au niveau du
derme, sont organisées en réseau. Ces fibres sont les prolongements de neurones qui véhiculent
l’information sensitive en direction du SNC. Les voies afférentes du système nerveux cutané font
partie du système nerveux somatique. En effet les stimuli sensitifs cutanés sont perçus par
l’individu : il a conscience de leur existence.
Le réseau dermique de fibres nerveuses sensitives
Les fibres nerveuses empruntent les cloisons interlobaires de l’hypoderme pour arriver au niveau
du derme profond où elles forment un premier plexus : le plexus nerveux dermique profond. Des
fibres nerveuses s’échappent irrégulièrement de ce plexus pour atteindre la zone jonctionnelle entre
le derme papillaire et le derme réticulaire, où elles forment un second plexus : le plexus nerveux
sous-épidermique. Les fibres nerveuses sensitives sont classées selon leur calibre qui est
directement relié à leur vitesse de conduction (Tableau 1). Seules les fibres A sont myélinisées.
49
Fibres Aα Fibres Aβ Fibres Aδ Fibres C

Diamètre 13-20 µm 6-12 µm 1-5 µm 0,2-1,5 µm
Vitesse de conduction 80-120 m/s 35-75 m/s 5-30 m/s 0,5-2 m/s
Myélinisation oui oui oui non
Tableau 1 Classification et propriétés des différentes fibres nerveuses sensitives cutanées.
Les terminaisons cutanées des fibres nerveuses sensitives
Des deux plexus nerveux du derme, s’échappent des terminaisons nerveuses qui atteignent les
différents niveaux cutanés, et qui vont jouer le rôle de récepteurs sensoriels. Leur répartition et leur
densité varient suivant les régions du corps et le niveau de pilosité. Ces terminaisons nerveuses
cutanées sont capables de recueillir des informations nombreuses et variées. On trouve par exemple
des mécanorécepteurs sensibles aux stimuli mécaniques (vibration, tact…), des thermorécepteurs
détectant la température, ou encore des nocicepteurs réagissant à tout type de stimuli douloureux
(piqure, brulure, agents toxiques externes, démangeaison…). Les terminaisons nerveuses cutanées
existent sous deux formes principales : libres ou encapsulées. Nous évoquerons également le cas
particulier des terminaisons nerveuses du follicule pileux appelées terminaisons nerveuses
péritrichiales (Figure 12).
Figure 12 Illustration de quelques terminaisons de fibres nerveuses sensitives de la peau.

50
Les terminaisons nerveuses libres sont les plus simples et les plus nombreuses des
terminaisons cutanées. Elles sont universellement distribuées dans l’organisme. La sensibilité
thermique, la sensibilité à la douleur et une partie de la sensibilité mécanique sont médiées par ce
type de récepteurs. Les récepteurs au froid sont superficiels et localisés dans l’épiderme, alors que
les récepteurs au chaud – moins nombreux – sont situés plus profond dans le derme. Certains
mécanorécepteurs peuvent arriver jusqu’à l’épiderme et parfois même y pénétrer, et être aussi
intimement associés aux cellules de Merkel de la couche basale épidermique pour former un
complexe de Merkel capable de détecter toute modification de l’architecture épidermique.
Les terminaisons nerveuses encapsulées ne détectent qu’une partie de la sensibilité

mécanique cutanée et sont minoritaires. Elles sont localisées dans des zones cutanées où la
sensibilité est particulièrement vive. Ce sont des terminaisons nerveuses enveloppées dans une
capsule de tissu conjonctif dotée d’une structure microscopique distinctive. On trouve ainsi les
corpuscules de Meissner au niveau de la peau glabre, des paumes et des plantes, des extrémités des
doigts, des lèvres et des organes génitaux. Ils ont une structure ovale de 100 µm de long et 70 µm
de diamètre, dans laquelle la terminaison nerveuse prend la forme d’une spirale ramifiée. Ils logent
au niveau des papilles dermiques et sont sensibles aux stimulations mécaniques légères. Les
corpuscules de Pacini sont quant à eux stimulés par les fortes pressions ou vibrations. Ce sont les
plus gros corpuscules cutanés et ils peuvent atteindre 1 cm de diamètre, mais pour la plupart font
entre 1 et 4 mm de long et 0,5 à 1 mm de large. Ils présentent en coupe l’aspect d’un bulbe d’oignon
et siègent dans le derme profond. Communément associés aux vaisseaux, ils peuvent être connectés
aux anastomoses artério-veineuses. Ils sont particulièrement nombreux sur les doigts, le pénis et le
clitoris. Il y a aussi les corpuscules de Krause, également appelés corpuscules cutanéo-muqueux,
et qui sont sensibles aux déformations. Ils ressemblent aux corpuscules de Meissner, et ne sont
parfois que partiellement encapsulés formant ainsi une masse irrégulière, grossièrement ovale. Ils
mesurent de 25 à 100 µm et on les trouve dans le derme sous-papillaire des zones de transition
entre la peau et les muqueuses (paupières, joues, lèvres, langue, région périanale, gland et clitoris).
Enfin, les corpuscules de Ruffini sont sensibles aux vibrations et à l’étirement du derme et des
tendons. Ces mécanorécepteurs font environ 1 mm de diamètre et sont localisés dans le derme
moyen et les capsules articulaires. On les rencontre principalement au niveau de la plante des pieds.
51
Les terminaisons nerveuses péritrichiales sont en contact avec les cellules de la gaine
épithéliale externe. Il y en a plusieurs enroulées autour de la base et de la tige de chaque follicule
pileux, et avec les cellules de Merkel que l’on retrouve également dans les gaines folliculaires, elles
forment un mécanorécepteur appelé récepteur lancéolé car les terminaisons nerveuses ont la forme
de pointes de lance, aplaties ou ovoïdes. Ces récepteurs sont à l’origine de sensations tactiles et de
déplacement. Ils sont d’une très grande sensibilité, le mouvement du poil étant suffisant pour les
stimuler.
2. Voies efférentes du système nerveux cutané (système nerveux autonome)
Dans la peau, on ne trouve que des fibres efférentes appartenant au système nerveux autonome qui
régit les réponses motrices involontaires. Elles sont minoritaires au sein des fibres nerveuses
cutanées, et sont localisées dans le derme où elles se mêlent de manière inextricable aux fibres
sensitives du plexus dermique. Les fibres motrices cutanées sont de type B et de type C (Tableau
2). Elles innervent et régulent essentiellement les muscles horripilateurs, les glandes sudoripares,
les vaisseaux sanguins, mais également les vaisseaux lymphatiques, les glandes eccrines et
sébacées, les anastomoses artério-veineuses et les follicules pileux.
Fibres B Fibres C
Diamètre 2-3 µm 0,2-1,5 µm
Vitesse de conduction 15 m/s 0,5-2 m/s
Myélinisation oui non
Tableau 2 Classification et propriétés des différentes fibres nerveuses motrices cutanées.
52
Introduction sur
LE CARCINOME BASOCELLULAIRE
53
INTRODUCTION – LE CARCINOME BASOCELLUAIRE
Chez l’Homme, les cancers cutanés sont les plus fréquents et représentent à l’échelle mondiale un
tiers des cancers diagnostiqués. On distingue les cancers de la peau d’origine mélanocytaire (les
mélanomes) des cancers de la peau d’origine non mélanocytaire (NMSC pour Non Melanoma Skin
Cancer en anglais). Ces derniers sont moins dangereux mais beaucoup plus nombreux. En effet, on
enregistre chaque année dans le monde environ 132 000 mélanomes contre 2 à 3 millions de NMSC
(8).
Le groupe des NMSC est représenté à 95 % par des carcinomes (ou épithéliomas)
kératinocytaires : les carcinomes baso-cellulaires (CBC) et les carcinomes spino-cellulaires dits
aussi épidermoïdes (CSC). Ces tumeurs d’origine épithéliale sont les cancers cutanés les plus
couramment rencontrés (8). Ceci s’explique par le renouvellement rapide et constant de l’épiderme
et son exposition directe et quotidien aux ultraviolets, qui favorisent le développement de ces
tumeurs lors du vieillissement (4). Les CBC ont précisément pour cellules initiales les kératinocytes
de la couche basale épidermique, alors que les CSC sont issus des kératinocytes de la couche
épineuse (9). On les rencontre principalement après 50 ans chez des individus à peau claire au
niveau des zones cutanées exposées au soleil (tête, cou, extrémités). Typiquement, les CBC
apparaissent de novo et ont l’aspect d’une lésion perlée en relief de couleur rouge ou rosée souvent
télangiectasique. Moins souvent, ils prennent la forme d’une tâche rouge ou blanche avec une
bordure surélevée. Les CSC se présentent, quant à eux, sous la forme d’une croûte qui bourgeonne
et peut saigner (Figure 13). Il surviennent souvent sur une lésion pré-existante dite précancéreuse
(kératose actinique ou maladie de Bowen) et parfois sur des cicatrices de brûlure ou de plaies
chroniques (10). D’une manière générale, toute plaie qui ne cicatrise pas, tout bouton ou croûte qui
persiste et se modifie est susceptible d’être un carcinome kératinocytaire, et doit conduire à une
orientation vers le dermatologue (9).
Cependant, dans ce groupe des NMSC, le CBC est largement majoritaire. En effet, quatre
carcinomes kératinocytaires sur cinq se révèlent être des CBC. Il s’agit donc du cancer humain le
plus fréquent et bien qu’il ne soit pas le plus agressif, cette forte incidence fait de lui un problème
de santé publique majeur (11).
54
Figure 13 Aspect typique d’un CBC et d’un CSC.
I- DEFINITION ET SOUS-TYPES
La première description du CBC est attribuée à Jacob en 1827 (12) mais les critères de
reconnaissance histologique ont été définis en 1903 par Krompecher qui lui a donné le nom de «
carcinome basocellulaire » (13) (14). D’une manière générale, cette lésion est définie comme une
tumeur épithéliale qui se développe aux dépens de l’épiderme et qui survient généralement de novo.
Elle est localisée uniquement sur la peau (jamais sur les muqueuses) et présente une malignité
essentiellement locale qui engage rarement le pronostic vital mais possède un potentiel de
destruction tissulaire important (14).
Il en existe plusieurs types d’aspect varié, et cette diversité est source d’équivoque. En effet
dans les ouvrages de référence de dermatologie, de nombreuses formes cliniques et histologiques
de CBC sont décrites, mais rarement de façon similaire, essentiellement à cause de problèmes de
terminologie. Ainsi, on trouve souvent plusieurs dénominations pour décrire une même forme, et
à l’inverse il arrive qu’une même dénomination soit employée pour décrire des formes différentes.
En France, la Haute Autorité de Santé recommande la distinction de 3 sous-types cliniques,
communément retenus dans la quasi-totalité des ouvrages, afin de simplifier et d’homogénéiser la
classification : le CBC nodulaire, le CBC superficiel et le CBC sclérodermiforme (14) (Figure 14).
55
Le CBC nodulaire est le sous-type le plus courant (~ 79 % des CBC). Il est localisé le plus
souvent sur la tête et le cou. Cliniquement, il a l’aspect d’une papule ou d’un nodule lisse
télangiectasique, de couleur grisâtre et translucide, constituant la lésion élémentaire ou perle. Il
peut atteindre une taille variable avec une périphérie faite de succession de perles. Sa croissance
est progressive. Histologiquement, on voit dans le derme un ou plusieurs massifs ou lobules de
grande taille et bien définis. Ces massifs sont constitués de cellules basaloïdes disposées
aléatoirement au centre mais avec un arrangement palissadique en périphérie. On trouve
habituellement une délimitation nette entre la tumeur et le stroma sous la forme d’un croissant clair.
Cette observation est due à la rétractation des cellules tumorales. On parle d’« artefact de
rétractation » (14).
Le CBC superficiel représente environ 15 % des cas. Il se rencontre généralement sur le

tronc et les membres, et survient chez des sujets relativement plus jeunes que ceux développant un
CBC nodulaire. Cliniquement, il s’agit d’une plaque rouge plane bien délimitée. En règle générale,
aucune perle caractéristique n’est visible à l’œil nu. Ce type de CBC a une évolution centrifuge
lente et peut atteindre 5 à 10 cm de diamètre. Il est défini histologiquement par la présence d’un
nid tumoral intradermique, qui est appendu à l’épiderme et/ou aux follicules pileux. Tout comme
dans le cas du CBC nodulaire, le foyer tumoral est également constitué de cellules basaloïdes dont
les noyaux sont agencés en palissade en périphérie, et des artefacts de rétractation sont visibles. Le
plus souvent, les foyers tumoraux sont multiples, séparés par des intervalles de peau normale. Ils
auraient néanmoins une origine unicentrique et seraient tous connectés entre eux et à l’épiderme
(14).
Le CBC sclérodermiforme, aussi qualifié de « sclérosant » ou « morphéiforme », est une

variété plus rare (~ 6 % des CBC), rencontrée la plupart du temps près des orifices de la face. Il
correspond cliniquement à une plaque dure, brillante et déprimée qui ressemble à une cicatrice
blanche. Mal délimitée, cette lésion est très difficile à voir en l’absence d’ulcération. Elle évolue
lentement et de manière centrifuge. Le CBC sclérodermiforme peut rester longtemps méconnu et
finir par être très étendu et s’ulcérer. D’un point de vue histologique, son infiltration est très
particulière puisque les foyers tumoraux prennent l’aspect de cordons effilés, représentés parfois
par une unique assise cellulaire. Ils occupent habituellement toute la hauteur du derme et peuvent
56
s’étendre à l’hypoderme. Les cellules tumorales sont peu différenciées et on n’observe pas
d’agencement palissadique en périphérie. Le stroma tumoral est très scléreux (14).
CBC NODULAIRE CBC SUPERFICIEL CBC SCLERODERMIFORME

Figure 14 Aspect typique des principaux sous-types de CBC (avec la permission du Pr. Bernard, Reims).
Notons qu’à ces 3 sous-types de CBC pouvant être définis cliniquement et histologiquement, la
Haute Autorité de Santé ajoute le CBC infiltrant qui regroupe le CBC trabéculaire et le CBC
micronodulaire. Cependant leur description reposant uniquement sur des termes histologiques, ils
ne peuvent être introduits dans une classification clinique. Ainsi, le CBC infiltrant trabéculaire est
défini histologiquement par de petits foyers tumoraux, peu cellulaires et mal limités avec un
agencement palissadique des cellules en périphérie discret voire absent. Les foyers sont organisés
en ilots irréguliers ou en travées, et sont localisés dans le derme, parfois aussi dans l’hypoderme.
Les limites de la prolifération tumorale sont floues. Dans sa forme micronodulaire, le CBC
infiltrant présente une multitude de foyers tumoraux sous forme de lobules de petite taille et bien
limités, avec un agencement palissadique en périphérie qui peut parfois être discret (14).
Les trois sous-types cliniques de CBC peuvent être le siège d’une pigmentation mélanique
très variable en intensité, ainsi que d’une érosion ou d’une ulcération à un moment donné de leur
évolution. Les différents sous-types histologiques peuvent s’associer, de même qu’il existe des
carcinomes dits mixtes ou composites qui correspondent à l’association d’un CBC et d’un CSC,
chaque composante étant clairement identifiable. Ils peuvent également présenter en plus des
caractéristiques histologiques particulières au niveau de la composante épithéliale et/ou stromale.
57
Ainsi par exemple, la composante épithéliale peut adopter une forme adénoïde où les cellules
tumorales sont organisées en cordons anastomosés réalisant parfois des structures glandulaires. On
peut également citer les formes kératinisantes et kystiques dans lesquelles certains foyers tumoraux
contiennent respectivement des amas de kératine ou de mucine. Quant à la composante stromale,
elle peut être inflammatoire ou mucineuse, et peut comporter des dépôts amyloïdes ou des
calcifications (14).
II- DONNEES EPIDEMIOLOGIQUES
1. Facteurs de risque
Les principaux facteurs favorisant la survenue des CBC peuvent être liés à l’environnement ou au
patient lui-même (patrimoine génétique, état immunitaire, …).
Facteurs environnementaux
L’exposition aux rayonnements ultraviolets (UV) représente le facteur de risque le plus important.
Et effectivement lors d’un CBC, on observe une fréquence élevée de mutation au niveau du gène
suppresseur de tumeur p53, dont le type (dimère de pyrimidine) et le site sont caractéristiques de
mutations UV-induites (14). Les rayonnements UV peuvent être soit d’origine naturelle (soleil),
soit d’origine artificielle (exposition à visée thérapeutique ou esthétique). L’exposition solaire étant
la source d’UV principale, cela explique que les CBC se développent principalement au niveau des
zones cutanées le plus souvent découvertes. En outre, plus l’on se rapproche de l’équateur, plus le
risque est élevé (population caucasienne) (4). Ce risque vient en fait surtout de l’accumulation des
expositions aux UV tout au long de la vie. En effet, les CBC ne se développent généralement
qu’après 50 ans, et il y a 4 à 5 fois plus de risque d’en développer à 75 ans qu’à 50 ans (4). D’après
certaines études épidémiologiques, les CBC seraient fréquemment associés à des expositions
solaires courtes mais répétées à l’occasion de vacances ou d’activités sportives par exemple (15).
L’exposition à des radiations ionisantes augmente aussi le risque de développer un CBC.

Par exemple, des études montrent ainsi que les radiations ionisantes reçues au cours de thérapie de
58
l’acné ou du traitement contre tinea capitis (la teigne du cuir chevelu) entrainent respectivement
trois et six fois plus de risque de développer par la suite ce type de lésion. Les patients traités aux
rayons X pendant l’enfance seraient également plus susceptibles d’en développer. Enfin, il a été
noté un risque accru de CBC chez les travailleurs en mines d’uranium ou de radon, ainsi que chez
les survivants de Hiroshima et Nagasaki. D’une manière générale, le risque reste confiné au niveau
des zones cutanées irradiées et il est plus élevé lorsque l’exposition s’est déroulée à un âge précoce.
Il a été estimé que la dose totale d’irradiation nécessaire pour le développement de NMSC est de
30 grays. La période de latence serait approximativement de 20 ans (11).
Certaines substances chimiques sont également associées au développement de CBC. C’est

le cas de l’arsenic, en particulier inorganique. La première source d’exposition à l’arsenic
semblerait être par ingestion, notamment par l’eau potable comme le suggère une étude réalisée à
Taiwan où l’eau de puit présente de forte concentration en arsenic. Certains médicaments comme
la solution de Fowler ou des remèdes à base de plantes en contiennent. Une autre forme
d’exposition est la fumée de cigarette. On peut citer comme secteur professionnel exposant à
l’arsenic, les métiers au contact des pesticides, du charbon et les activités de fonte (11) (15).
D’autres substances chimiques sont suspectées d’augmenter les risques de CBC telles que le
psoralène et les moutardes azotées (utilisations thérapeutiques), ainsi que les poussières de fibres
de verre ou les produits de nettoyage à sec (15) (16).
Facteurs individuels
Certaines maladies génétiques prédisposent au développement de CBC. C’est le cas par exemple
pour Xeroderma Pigmentosum qui est un syndrome se transmettant sur un mode autosomique
récessif. Les patients atteints sont appelés les « enfants de la lune » car ils présentent une
hypersensibilité à la lumière UV qui les oblige à ne pas s’exposer au soleil, au risque d’un
vieillissement cutané prématuré et du développement de nombreux cancers de la peau réduisant
considérablement leur espérance de vie. Ce syndrome est associé à des mutations au niveau des
gènes « carekeepers » impliqués dans la réparation par excision de nucléotides qui est le principal
mode de réparation des lésions d’ADN UV-induites (4) (17). Le syndrome de Gorlin en est un autre
exemple. Egalement appelé naevomatose basocellulaire, il se caractérise par le développement
59
rapide de nombreux CBC, le plus souvent chez des adultes jeunes. On peut observer dans la plupart
des cas des mutations au niveau du gène « patched » qui est un gène suppresseur de tumeur. Ces
mutations se transmettent à la génération suivante selon un mode autosomique dominant. Dans un
tiers des cas, elles apparaissent de novo (11).
L’immunodépression est un facteur de risque important. Cet état immunitaire peut être
d’origine médicamenteuse ou pathologique. Chez les individus greffés, qui sont traités par
immunosuppresseurs pour prévenir le rejet de greffe, il a été observé un risque de CBC supérieur
à la normale. Une étude hollandaise chez des patients greffés rénaux a observé un risque de
développer un CBC 10 fois plus élevé dans cette population. Ce risque augmente avec la durée de
survie post-greffe, ainsi qu’avec la dose prescrite. Les transplantés cardiaques qui reçoivent de plus
fortes doses d’immunosuppresseurs seraient les plus à risque. Chez les individus atteints du
syndrome d’immunodéficience acquise, les CBC seraient 3 à 5 fois plus fréquents que la normale
(11) (14).
L’état de la peau a un impact non négligeable dans la survenue de CBC. Il a été en effet
plusieurs fois observé un développement de ces lésions au niveau de cicatrices cutanées, comme
celles laissées par les anciens vaccins ou encore celles résultant de brulure thermique (15).
Le phénotype, qui est sous la dépendance de facteurs génétiques complexes, joue un rôle
dans l’épidémiologie des CBC. Les individus d’origine caucasienne ont un risque plus important
de développer des CBC, en particulier ceux de phototypes I et II qui présentent une peau claire et
ne bronzant pas, ou alors difficilement (4) (14) (15).
Des antécédents de CBC augmentent également le risque de développer un CBC. Une étude
écossaise a estimé que le risque de développer un deuxième CBC dans les trois ans après la
survenue du premier serait environ de 44 % (18).
Enfin, le risque de développer un CBC varie selon l’âge, le sexe et le pays de résidence. En
effet, ce risque varie selon les régions du globe, augmente avec l’âge et est plus important chez les
hommes que chez les femmes, comme nous le verrons ci-après.
60
2. Incidence
A ce jour, en France, seuls les départements du Haut-Rhin, du Doubs et plus récemment du

Calvados tiennent des registres comptabilisant les CBC. Le défaut d’enregistrement automatique
de ce cancer s’observe presque partout à travers le monde ce qui fait que les données
épidémiologiques le concernant sont fragmentaires et incomplètes (14). D’autant plus que lorsque
des registres existent, les cas de CBC multiples ou récurrents ne sont parfois comptés qu’une seule
fois (18). Par conséquent, les chiffres disponibles actuellement sur la morbidité des CBC sont très
certainement significativement sous-estimés et doivent être interprétés avec précaution. Cette
situation est probablement due au fait que l’importance de ces cancers est sous-évaluée car ils sont
de bon pronostic et rarement fatals. De plus, leur forte incidence dépasse très largement celle des
autres types de cancer, et peut laisser craindre une saturation des réseaux de surveillance des
cancers (11) (18). En effet, une étude concernant la population américaine réalisée sur l’année 2007
estime que le nombre de nouveaux cas de NMSC pendant cette période devait s’élever à environ 1
million. A titre de comparaison, cette même année, le cancer ayant eu le plus fort taux d’incidence
aux USA était le cancer de la prostate avec 218 890 cas, et en tout 1,4 millions de cancers (NMSC
exclus) ont été enregistrés (11).
Le taux d’incidence des CBC diffère selon l’âge et le sexe des populations étudiées. En
effet, 90 % de ces lésions se développent chez des individus de plus de 50 ans et on constate que
le taux d’incidence est environ 10 fois plus élevé si on ne considère que les personnes de plus de
85 ans. Néanmoins, il devient plus fréquent maintenant d’en observer chez des patients plus jeunes,
surement à cause de l’augmentation du temps d’exposition solaire au cours de la vie. Concernant
l’influence du sexe, on observe une incidence de 1,1 à 1,9 fois plus élevée chez les hommes que
chez les femmes. Cependant, cette différence aurait également tendance à diminuer ces dernières
années. Cela pourrait peut-être s’expliquer par des différences de conditions de travail plus
marquées pour les générations plus anciennes, les hommes s’occupant plus généralement des
activités en extérieur ; mais également par les changements de style de vie et de style vestimentaire
des femmes ces dernières décennies, qui ont amené à une égalisation des temps d’exposition solaire
entre les deux sexes (11) (14) (15).
61
L’incidence des CBC varie aussi selon les régions du globe, principalement en fonction de
l’impact de l’exposition solaire sur la peau. Le plus faible taux d’incidence se trouve en Finlande
avec 49 cas pour 100 000 hommes et 45 cas pour 100 000 femmes et le plus haut taux d’incidence
se trouve en Australie avec 788 cas par an pour 100 000 habitants. En France, le registre du
département du Haut-Rhin a fait état d’un taux d’incidence de 60,5 CBC pour 100 000 femmes et
de 75,4 CBC pour 100 000 hommes (11) (14).
Les cas de CBC sont en forte augmentation. On estime que ces dernières décennies le taux
d’incidence des CBC a augmenté de 20 à 80 % selon les populations étudiées (15). Cette tendance
a également été retrouvée en France (registre du Haut-Rhin) (14). Plusieurs explications sont
possibles : l’augmentation de l’exposition solaire (mode de la peau bronzée, vacances dans des
pays plus ensoleillés, allongement de l’espérance de vie), la disponibilité des cabines de bronzage,
la diminution de la couche d’ozone et aussi un meilleur dépistage (15) (19). De plus, même en cas
de changement d’attitude de la population concernant l’exposition et la protection solaire, il est fort
probable que cette incidence continue à augmenter avec l’augmentation du nombre de personnes
âgées prévue jusqu’en 2030 avec la génération baby-boom (18).
3. Facteurs et groupes pronostiques
Taux de mortalité et métastases
La plupart des morts par cancer de la peau sont due aux métastases. Les CBC métastasant très
rarement, ils sont rarement fatals. En conséquence, leur mortalité a été peu étudiée, mais les études
réalisées montrent qu’elle reste faible, et qu’elle a de plus grandement chutée entre 1980 et 2000.
Il est estimé aujourd’hui que les CBC métastasent seulement dans 0,0028 à 0,1 % des cas (15). Ce
faible potentiel métastatique des CBC s’expliquerait par leur dépendance stromale. En effet, les
expériences de transplantation de CBC sont des échecs si ces derniers sont greffés sans leur stroma.
De même in vitro, contrairement aux kératinocytes de CSC, les kératinocytes isolés de CBC sont
incapables de survivre en dehors de leur environnement tumoral (4). Cependant le faible taux
métastatique actuel s’explique aussi par l’amélioration des prises en charge thérapeutique car le
risque de métastase est également grandement corrélé à la taille et à la profondeur de la lésion. Il
62
est devenu peu courant d’en rencontrer en France mais un CBC de diamètre supérieure à 3 cm
augmente à 1 ou 2 % le risque de métastase. Ce risque augmente à 20-25 % pour une tumeur de
plus de 5 cm, et jusqu’à 50 % pour une tumeur de plus de 10 cm. On parle alors de CBC géant (20).
Notons que lorsqu’il y a effectivement développement métastatique, les cellules tumorales
empruntent les vaisseaux lymphatiques pour atteindre les nodules lymphatiques, ou les vaisseaux
sanguins pour atteindre les os longs et les poumons. D’autres sites, incluant la peau et le foie,
peuvent être affectés. L’implantation dans les poumons peut également se produire à la suite
d’aspiration de fragments de tumeurs (15) (16).
Agressivité locale
Bien que rarement mortels, les CBC sont très invasifs localement et peuvent entrainer des
destructions tissulaires importantes s’ils ne sont pas pris en charge rapidement. On parle de tumeur
à malignité essentiellement locale. En effet, bien que les CBC soient considérés cliniquement
comme des tumeurs à vitesse de croissance lente, des études statistiques montrent que la taille d’un
CBC peut doubler rapidement. Cette contradiction peut s’expliquer par le fait que la plupart des
CBC alterne des phases de croissance et des phases de régression. La vitesse de croissance de la
tumeur dépend de la phase prédominante. L’évolution peut se faire en surface ou bien en
profondeur ; et selon l’avancée et la localisation de la tumeur, l’exérèse n’est pas toujours facile à
mener sans préjudice esthétique (au visage notamment). L’agressivité locale des CBC nodulaires
est considérée comme inférieure à celle des CBC sclérodermiforme mais supérieure à celle des
CBC superficiels (14) (15).
Récidive
Plusieurs facteurs conditionnent le taux de récidive des CBC (14), notamment :
- si l’excision est complète ou pas : La fréquence des récidives après exérèse incomplète
est proche de 50 %.
- le sous-type histologique : Une étude comparant les taux de récidive en fonction du sous-
type histologique rapporte 37 % de récidive parmi les CBC sclérodermiformes, 15 % parmi les
CBC nodulaires et 6 % parmi les CBC superficiels (21).
63
- la localisation : Trois zones topographiques sont distinguées : à bas risque de récidive

(tronc, membres), à risque intermédiaire (front, joue, menton, cou, cuir chevelu) et à risque élevé
(nez et autour des orifices de la tête). Les taux de récidive les plus élevés sont en effet enregistrés
au niveau des oreilles et du sillon nasolabial (respectivement 42,9 % et 20,2 %).
- la taille : Dans l’étude de Rigel et al. (42), le taux de récidive à 5 ans augmente avec la
taille. Il est de 1,4 % pour les CBC inférieurs à 1 cm et passe à 2,4 % si le CBC mesure 1 à 2 cm.
Pour les CBC de taille comprise entre 3 et 4 cm, il est de 3,2 %. Au-delà de 5 cm, le taux de récidive
monte à 7,8 % (22).
- la modalité thérapeutique : Le taux de récurrence sur cinq ans change en fonction du choix
thérapeutique. Il est de 1 % pour les chirurgies avec examen extemporané, 10,1 % pour l’excision
chirurgicale standard, 8,7 % à la suite d’une radiothérapie, 7,7 % après curettage-électrocoagulation
et 7,5 % pour la cryochirurgie. Le taux de récurrence est indéterminé pour la chirurgie en deux
temps. L’interféron, le laser, la photothérapie dynamique doivent être considérés comme des
traitements expérimentaux (14) (23).
- si la tumeur est primaire ou récidivante : Le taux de récidive des tumeurs récidivantes est
supérieur à celui des tumeurs primaires (15,4 % vs 10,6 %) (24). Cela pourrait être lié en partie à
la taille des tumeurs récidivantes qui sont généralement plus grandes que les tumeurs primaires
(par exemple 1,56 cm vs 1,04 cm en moyenne pour une étude incluant plusieurs centaines de CBC
de la tête et du cou (25)).
- la durée du suivi : Le taux de récidive peut être calculé au terme d’une période de suivi
plus ou moins longue et augmente avec la durée du suivi. A la suite de leur étude sur l’influence
de la durée de suivi, Rowe et al. obtiennent un taux moyen de récidive pour les thérapies autres
que la chirurgie de Mohs de 4,2 % à court terme (moins de 5 ans), 8,7 % à 5 ans et à 10,6 % à 10
ans. Les récurrences après traitement surviennent donc parfois après la fin des périodes de suivi
(23).
64
Groupes pronostiques
Le CBC étant une tumeur rarement mortelle, les critères classiques utilisés en cancérologie (survie,
survie sans métastases) ne sont pas pertinents. Le risque de récidive est retenu comme le principal
critère objectif d’évaluation du pronostic, et doit être complété par l’évaluation du risque
d’envahissement local et la difficulté de prise en charge thérapeutique (14).
En pratique, on peut distinguer trois groupes pronostiques. Le groupe de bon pronostic

comprend les CBC superficiels ainsi que les CBC nodulaires primaires bien limités inférieurs à un
centimètre sur les zones cutanées à risque intermédiaire de récidive et inférieurs à deux centimètres
sur les zones à bas risque de récidive. Le groupe de pronostic intermédiaire comprend les CBC
superficiels récidivés et les CBC nodulaires de moins d’un centimètre au niveau des zones à haut
risque de récidive, de plus d’un centimètre pour les zones à risque intermédiaire ou deux
centimètres en cas de risque faible. Enfin, le groupe de mauvais pronostic inclut les CBC
sclérodermiformes ou cliniquement mal limités, les formes histologiques agressives, ainsi que les
formes récidivées (autres que CBC superficiels) et les CBC nodulaires de la zone à risque élevé de
récidive de taille supérieure à un centimètre (14).
Le classement d’un CBC dans un de ces groupes pronostiques n’est pas anodin puisqu’il
permet de choisir la thérapie la plus adaptée. Hors ce classement dépend du diagnostic, d’où
l’importance de ce dernier (14).
III- METHODES DIAGNOSTIQUES
1. Evaluation d’une méthode diagnostique
L’efficacité de toute méthode diagnostique est évaluée par rapport à une méthode standard de
référence (« gold standard ») choisie pour représenter la réalité, et considérée comme seule
aboutissant avec certitude au diagnostic correct. Pour les cancers cutanés, c’est le diagnostic histo-
pathologique réalisé par les anatomopathologistes, et possible à la suite d’un prélèvement (excision
65
chirurgicale, biopsie, incision ou curettage) qui prévaut. Pour évaluer l’efficacité de toute autre
méthode diagnostique de cancers cutanés, il est nécessaire dans un premier temps de chiffrer le
nombre d’occurrences des quatre cas de figure présentés dans le Tableau 3. Les diagnostics
obtenus – positifs et négatifs – sont étiquetés respectivement « Vrais Positifs » et « Vrais Négatifs »
lorsqu’ils sont en accord avec le diagnostic histo-pathologique, ou respectivement « Faux Positifs »
et « Faux Négatifs » lorsqu’ils sont différents.
Méthode diagnostique de référence
Méthode diagnostique Vrai Positif (VP) Faux Positif (FP)

à évaluer Faux Négatif (FN) Vrai Négatif (VN)
Tableau 3 Les 4 cas de figures possibles obtenus lors de l’évaluation d’une méthode de diagnostic.
Le signe + désigne un diagnostic positif: échantillon tumoral. Le signe – correspond à un diagnostic négatif : échantillon sain.
A partir de là, plusieurs notions peuvent être définies, notamment la sensibilité et la spécificité qui
sont couramment utilisées dans le milieu médical. La sensibilité est obtenue en divisant le nombre
de cas VP par la somme VP+FN ce qui rend compte du pourcentage de cas tumoraux bien
diagnostiqués. La spécificité est obtenue en divisant le nombre de cas VN par la somme VN+FP,
ce qui correspond au pourcentage de cas sains détectés par la méthode diagnostique à évaluer.
2. Examen clinique
La prise en charge médicale d’une lésion cutanée est toujours initiée par sa détection au cours d’un
examen physique. Cela suppose que la lésion soit suffisamment développée pour être soit visible à
l’œil nu, soit palpable. Cet examen amène à une suspicion clinique voire à un tout premier
diagnostic. Ce diagnostic clinique repose essentiellement sur l’expérience du praticien, et s’il est
effectué par un médecin généraliste, le patient sera redirigé vers un dermatologue qui réalisera un
nouvel examen physique et décidera de la suite de la prise en charge en cas de confirmation de
l’inquiétude médicale.
66
Bien que ce soit le diagnostic le plus facilement accessible, sa spécificité et sa sensibilité ne sont
pas bien connues. Ceci est d’autant plus vrai pour les NMSC comme ces derniers sont généralement
exclus des registres médicaux comme nous l’avons expliqué précédemment. Concernant la
reconnaissance des CBC, la Haute Autorité de Santé ne dispose pas de chiffre concernant la
performance diagnostique des dermatologues français, et se réfère à une étude américaine faisant
état d’une performance diagnostique de 70 % pour les dermatologues de centre universitaire, de 65
% pour les dermatologues libéraux et de 64 % pour les internes de spécialité (26). Une récente
étude publiée en 2015 et réalisée en Iran fait état de 75,6 % de diagnostic clinique correct pour les
dermatologistes (27).
3. Dermoscopie
Le diagnostic clinique du dermatologue peut être affiné grâce à la dermoscopie, aussi appelée
dermatoscopie. Cette technique de diagnostic non invasive nécessite l’usage d’un dermoscope ou
dermatoscope, et est très largement utilisée pour le diagnostic des cancers cutanés pigmentés tels
que les mélanomes, mais aussi parfois pour le diagnostic des NMSC. Ce système optique simple
permet d’examiner in vivo les couches superficielles de la peau à travers une lentille de
grossissement, soit en la plaçant directement sur la peau, soit après y avoir déposé au préalable un
film liquide. Ce film d’immersion peut être de l’eau, de l’huile minérale, de l’alcool ou du gel, et
permet de rendre la couche cornée transparente, en réduisant les phénomènes de réflexion de la
lumière causés par la différence des indices de réfraction entre l’air et la peau, et par l’irrégularité
de la surface cutanée. Les dermoscopes les plus couramment utilisés sont les dermoscopes à main
qui sont relativement bon marché et faciles d’utilisation. Il s’agit d’un instrument optique
monoculaire de facteur de grossissement x10 avec une lampe halogène ou une LED comme source
de lumière incidente. L’image observée est une projection des structures de l’épiderme, de la
jonction dermo-épidermique et du derme papillaire, permettant de caractériser la lésion selon
différents critères tels que sa symétrie, sa forme, la régularité de sa bordure, la distribution des
couleurs, son réseau vasculaire, etc. Il existe aujourd’hui également des dermoscopes plus
sophistiqués tels que les stéréomicroscopes qui sont des instruments binoculaires de grossissement
allant de x6 à x40, ou encore les vidéomicroscopes équipés d’une caméra et de grossissement
pouvant aller jusque x1000 (3) (28). Avec la dermoscopie, certains dermatologues ont pu atteindre
67
jusqu’à 96 % de sensibilité et 92 % de spécificité pour le diagnostic des CBC (11). Cependant, cet
outil diagnostique présente un inconvénient majeur : il nécessite une formation solide et beaucoup
de pratique pour atteindre une bonne performance diagnostique.
4. Evaluation histopathologique
L’évaluation histopathologique est la méthode standard de référence pour le diagnostic des CBC.
Pour les CBC de bon pronostic, le traitement le plus habituel étant le traitement chirurgical, celui-
ci permet en même temps une confirmation histologique du diagnostic. L’exérèse d’emblée n’est
par contre pas recommandée lorsque la lésion semble de mauvais pronostic, que le diagnostic
clinique est incertain, lorsque le traitement envisagé n’est pas chirurgical, et que l’excision
nécessite une reconstruction chirurgicale importante. Dans ces cas-là, il est nécessaire de réaliser
le diagnostic histopathologique au préalable à partir d’une biopsie (14). Les biopsies ont cependant
l’inconvénient d’être des techniques invasives, parfois mutilantes et douloureuses, et pouvant être
à l’origine de complications (infections cicatricielles) (11).
L’examen anatomopathologique est considéré comme le diagnostic de certitude pour les

CBC. Il existe néanmoins une part de subjectivité dans cet examen, renforcée par l’existence de
plusieurs systèmes de classification des NMSC à travers le monde. Le taux de différence de
diagnostic entre anatomopathologistes concernant les lésions cutanées a été évalué entre 1,2 et 7 %
(11).
5. Autres méthodes de diagnostic
Le « gold-standard » actuel pour le diagnostic des CBC est l’examen clinique, suivi d’un examen
anatomopathologique sur biopsie ou sur pièce d’exérèse. La dermoscopie est la technique
d’imagerie optique la plus largement utilisée pour le diagnostic cutané. L’imagerie par ultrasons
est également bien acceptée. D’autres techniques telles que l’imagerie par résonance magnétique,
la tomodensitométrie ou la tomographie par émission de positon peuvent être également utilisées.
Enfin, il se développe aujourd’hui de nouvelles technologies montrant un potentiel intéressant pour
68
le diagnostic des NMSC, comme par exemple la microscopie multiphotonique, la microscopie

confocale, la tomographie par cohérence optique ou encore différents types de spectroscopies (11).
IV- PRISE EN CHARGE THERAPEUTIQUE
1. Excision chirurgicale
Pour les CBC, l’excision chirurgicale est toujours le traitement de première intention. Il en existe
plusieurs types, notamment :
1°/ L’exérèse chirurgicale classique définie des marges d’exérèse en fonction de la

classification pronostique du CBC. Ces marges visent à obtenir l’exérèse complète de la tumeur en
un seul acte chirurgical, mais ne la garantissent pas. C’est l’examen anatomopathologique, après
inclusion en paraffine de la pièce excisée puis réalisation de coupes fines et coloration, qui permet
d’apprécier le caractère complet ou pas d’une exérèse. Une exérèse incomplète est définie par la
présence de cellules tumorales sur les marges de résection latérales ou en profondeur. Mais compte
tenu de l’épaisseur des coupes histopathologiques, il est difficile d’examiner la totalité des berges.
A titre illustratif, 250 coupes de 4 microns sont nécessaires pour explorer en totalité 1 millimètre
de tissu prélevé. La prise en charge macroscopique des prélèvements résulte donc d’un compromis
assurant une fiabilité acceptable dans des limites de faisabilité et de coût raisonnables (14). En
pratique, les coupes sériées longitudinales classiques ne permettent de visualiser que 1 % des
berges et laissent donc de vastes intervalles non examinés (29).
2°/ L’exérèse chirurgicale avec contrôle extemporané des marges consiste à réaliser en
cours d’intervention un examen rapide des marges d’exérèse de façon à guider le geste chirurgical.
Le contrôle extemporané commence toujours par un examen macroscopique soigneux de la pièce
excisée qui permet de décider de la nécessité de coupes tissulaires et dans ce cas, de choisir la zone
à prélever. Le durcissement des tissus ne pouvant être obtenu rapidement que par une technique de
69
congélation, le contrôle microscopique des marges se fait sur coupes fines congelées. Dans tous les
cas, le résultat devra être confirmé après l’intervention selon les techniques d’anatomie
pathologique habituelles (inclusion en paraffine) (30). Dans la prise en charge du CBC, l'examen
extemporané peut trouver sa place lors d'une exérèse chirurgicale classique ou lors d'une chirurgie
micrographique de Mohs (CMM).
Contrairement à l’exérèse chirurgicale classique, la CMM permet l’étude de 100 % des
berges et minimise les marges d’excision. La tumeur est d’abord enlevée avec de très faibles
marges (étape de « dénoyautage »), puis l’exérèse est complétée par une mince recoupe
horizontale. Cette strate cutanée prélevée, aussi appelée « galette », contient la totalité des marges
d’excision. Elle sera aplatie en vue de l’examen histologique : sa partie périphérique correspondra
alors aux marges latérales d’excision et sa partie centrale aux marges profondes. Si cette recoupe
contient des foyers tumoraux, ils sont localisés afin d’orienter la reprise. La CMM montre les taux
de récidive les plus bas pour le traitement des CBC. Cependant elle nécessite une équipe spécialisée
et bien coordonnée, et est de ce fait très rarement réalisée en France (14) (29).
3°/ L’exérèse chirurgicale en deux temps constitue une alternative entre la chirurgie
classique et celle avec examen extemporané. Après excision chirurgicale, un pansement transitoire
est appliqué le temps que les marges d’exérèse soient contrôlées sur coupes paraffinées, qui
permettent une meilleure conservation de la morphologie tissulaire par rapport aux coupes
congelées. L’examen histologique sera là aussi orienté par le chirurgien sur une ou plusieurs zones.
En fonction de la réponse anatomopathologique, le patient est revu quelques jours plus tard pour
reprise ou fermeture. La réalisation d’une exérèse en deux temps est particulièrement indiquée en
cas de fermeture nécessitant une greffe ou un lambeau, et dont la reprise chirurgicale serait difficile
en cas d’exérèse incomplète (14).
Il est recommandé pour traiter les CBC de bon pronostic d’effectuer en première intention
une excision chirurgicale classique avec une marge latérale de 3 à 4 mm. Pour les CBC de pronostic
intermédiaire, cette marge devra être strictement supérieure à 4 mm. Pour les CBC de mauvais
pronostic, la marge latérale pourra varier de 5 mm pour les lésions bien délimitées, à 10 mm ou
plus dans certains cas de récidive ou certains CBC sclérodermiformes. Si ces conditions ne peuvent
être respectées, il est préférable d’effectuer une chirurgie en deux temps ou une chirurgie avec
70
contrôle extemporané des marges. Concernant les marges profondes, il est recommandé qu’elles
soient situées dans le tissu graisseux sous-cutané, et qu’elles atteignent en les respectant (sauf s’ils
sont envahis) l’aponévrose (front), le périchondre (oreille, nez), ou le périoste (cuir chevelu). Pour
les CBC superficiels, elles peuvent être moins profondes (14).
2. Autres traitements
Lorsque l’excision chirurgicale ne peut pas être réalisée, dans le cas de contre-indications (e.g.
traitement anticoagulant), de difficultés de réalisation (e.g. manque de moyens techniques) ou
simplement de refus du malade, le traitement de deuxième intention est la radiothérapie ou la
cryochirurgie pour les CBC de bon pronostic ou de pronostic intermédiaire. En troisième intention,
les CBC de bon pronostic peuvent également être traités par curetage-électrocoagulation. Pour les
CBC de mauvais pronostic, seule la radiothérapie peut être proposée au patient en deuxième
intention, les autres techniques citées ci-dessus étant contre-indiquées (14).
71
Introduction sur
LES SPECTROSCOPIES OPTIQUES
VIBRATIONNELLES
72
INTRODUCTION – LES SPECTROSCOPIES OPTIQUES VIBRATIONNELLES
I- INTRODUCTION
Références : (31) (32) (33)
1. Rayonnement, champ et spectre électromagnétiques
Le rayonnement électromagnétique correspond à la propagation d’énergie grâce aux variations

périodiques, de fréquence ν, d’un champ électrique et d’un champ magnétique (Figure 15). Ces
deux champs sont interdépendants et constituent le champ électromagnétique. Le rayonnement
électromagnétique est dit monochromatique s’il correspond à une radiation de fréquence ν donnée
précisément définie, ou polychromatique s’il est composé de radiations de fréquences diverses.
Figure 15 Champs électrique et magnétique de l’onde électromagnétique.

⃗𝑬 = : champ électrique. 𝑯
⃗⃗⃗ : champ magnétique. c : sens de propagation de l’onde électromagnétique. λ : longueur d’onde. (34)
Selon la mécanique quantique, le rayonnement électromagnétique présente une double nature :

ondulatoire et corpusculaire. Il peut ainsi être considéré comme une onde (l’onde
électromagnétique) ou un flux de particules de masse nulle (les photons). Ainsi, de manière
générale, une onde peut être indifféremment caractérisée par sa périodicité spatiale (période ou
longueur d’onde λ, inversement proportionnelle au nombre d’onde), sa périodicité temporelle
(période T, inversement proportionnelle à la fréquence ν) ou par l’énergie des photons qui lui sont
associés : E = h ν , h étant la constante de Planck (6,63.10-34 J.s).
73
Le spectre électromagnétique représente la répartition dans différents domaines des ondes

électromagnétiques, en fonction de l’énergie transportée (Figure 16). Le domaine infrarouge (IR)
se décompose lui-même en proche IR, IR moyen et IR lointain ou thermique.
Figure 16 Les divers domaines spectraux du rayonnement électromagnétique. (31)
74
2. Niveaux d’énergie moléculaire
D’après la mécanique quantique, l’énergie d’une molécule Em, à l’exception de son énergie
cinétique, est quantifiée : elle dépend de nombres entiers que l’on nomme nombres quantiques.
Elle correspond à la somme de l’énergie des électrons Ee (liée à leur nombre, la forme de la
molécule et leur état d’excitation), de l’énergie vibrationnelle des liaisons interatomiques Ev (liée
à la masse et à l’arrangement des atomes), et de l’énergie Er due à la rotation de la
molécule : E m = E e + E v + E r , avec Ee > Ev > Er (Figure 17). Notons que les rotations libres
ne sont possibles que dans le cas des gaz.
Figure 17 Valeurs respectives des contributions électroniques, vibrationnelles et rotationnelles d’une molécule.
Rappel : 1 cal = 4,18 J. (31)
3. Modes de vibration moléculaire
Une molécule formée de N atomes possède 3N degrés de liberté, soit 3N mouvements possibles
dans l’espace, dont 3 correspondent aux mouvements de translation d’ensemble de la molécule le
long des trois axes du repère x, y, z et 3 correspondent aux mouvements de rotation d’ensemble de
la molécule autour de ces axes. Les autres 3N-6 (ou 5 si la molécule est linéaire) possibilités de
mouvements, indépendants les uns des autres, se combinent et donnent naissance à des
75
mouvements internes qui déforment la molécule sans que celle-ci ne translate ou ne tourne. Il s’agit
des mouvements de vibrations internes.
L’analyse des vibrations d’une molécule peut être simplifiée si l’on tient compte de ses
propriétés de symétrie. De plus, l’expérience et les calculs montrent que l’ensemble des vibrations
d’une molécule peuvent être fragmentées en groupements vibrationnels et on peut observer dans
un spectre des fréquences caractéristiques de groupements chimiques donnés.
On distingue deux modes principaux de vibrations moléculaires (Figure 18) :

- Les modes d’élongation (symétriques ou antisymétriques) qui entrainent une variation des
longueurs des liaisons interatomiques, sans modification des angles formés par ces liaisons. On
parle de vibrations de valence ou d’élongation.
- Les modes de déformation, qui à l’inverse, entrainent une modification des angles formés par les
liaisons sans modification des longueurs de ces liaisons.
Figure 18 Modes de vibration moléculaire.

Exemple des vibrations localisées du groupement CH2 d’une molécule. (31)
76
4. Interaction matière-rayonnement
L’interaction d’une molécule avec une onde électromagnétique – véhiculant une énergie liée à sa
fréquence – peut la faire passer à un état d’énergie supérieur. Schématiquement, trois phénomènes
principaux peuvent être observés à la suite d’une telle interaction :
- Une absorption du photon incident si celui-ci est porteur d’une énergie correspondant à la
différence d’énergie de deux niveaux énergétiques. La molécule sera alors portée à un état excité.
- Une diffusion c’est-à-dire un changement de direction de propagation de l’onde

électromagnétique. Elle peut se faire avec ou sans changement de longueur d’onde (diffusion
inélastique ou élastique, respectivement).
- Une émission d’un rayonnement thermique (condition d’équilibre thermique)
5. Spectroscopies optiques vibrationnelles
La spectroscopie est l'ensemble des méthodes d'analyse spectrale renseignant sur la composition et
la structure de la matière. La spectroscopie optique utilise les rayonnements électromagnétiques,
dont l'énergie est modifiée suite à leur interaction avec la matière, et inclut la spectroscopie par
émission de fluorescence, la spectroscopie par absorption infrarouge et la spectroscopie de
diffusion Raman :
- La spectroscopie de fluorescence utilise des rayonnements électromagnétiques porteurs d'une

énergie suffisante pour permettre aux électrons de passer de l’état électronique fondamental à un
état électronique excité (rayonnement de longueurs d’onde dans les domaines du visible et de
l'ultraviolet). Elle repose donc sur l'analyse des variations de niveaux énergétiques électroniques.
- La spectroscopie IR et la spectroscopie Raman utilisent des rayonnements électromagnétiques

porteurs d'une énergie moindre qui permettent aux électrons de changer d'état vibrationnel
(rayonnements des domaines de l'infrarouge). Elles reposent sur l'analyse des variations de niveaux
énergétiques vibrationnels et sont appelées spectroscopies optiques vibrationnelles.
77
II- PRINCIPE
Références : (32) (34)
1. Approche classique
Un rayonnement électromagnétique peut se coupler avec tout mouvement moléculaire faisant

intervenir une variation de l’état de polarisation électrique de cette molécule.
Spectroscopie infrarouge
Ainsi certains mouvements de vibration des noyaux d’une molécule peuvent être mis en résonnance
par une onde électromagnétique de même fréquence (domaine IR) et donner lieu à un phénomène
d’absorption de ce rayonnement. Pour que ce phénomène ait lieu, il faut que cette absorption
induise une variation du moment dipolaire µ
⃗ de la molécule. En d’autres termes, une vibration de
coordonnées normales Q peut absorber un rayonnement infrarouge si la dérivée 𝛛µ/𝛛𝐐 est non
nulle. On dit de cette vibration qu’elle est polaire. Inversement, une vibration polaire (engendrant
l’oscillation du moment dipolaire d’une molécule) peut émettre une onde électromagnétique de
même fréquence. C’est le phénomène d’émission. On comprend que les liaisons moléculaires
concernées par les phénomènes d’absorption et d’émission infrarouges sont celles présentant un
moment dipolaire à l’équilibre et qui sont animées d’un mouvement périodique (vibration polaire).
Spectroscopie Raman
Lorsque la fréquence de l’onde électromagnétique est suffisamment éloignée de toute fréquence de

vibration moléculaire, c’est le phénomène de diffusion qui est prépondérant. Ce phénomène est lié
à la polarisabilité moléculaire, c’est-à-dire à l’aptitude de la molécule à acquérir un moment
⃗ sous l’effet d’un champ électrique 𝐄
dipolaire induit 𝐏 ⃗ , ce qui s’écrit : 𝐏
⃗ = [α]𝐄
⃗ avec [α] tenseur
de polarisabilité. En effet, pour une molécule placée dans un champ électrique d’orientation et
d’intensité données, ses électrons et ses noyaux tendront à se déplacer dans des sens opposés sous
l’effet du champ, induisant ainsi un moment dipolaire additionnel.
78
Si on tient compte du caractère oscillant du champ ⃗

𝐄 de l’onde
⃗ =𝐄
électromagnétique : 𝐄 ⃗ 0 cos2πν 0 t . Le tenseur de polarisabilité est lui aussi modulé dans le
temps à cause des mouvements de vibration de la molécule, de fréquence νv, on

⃗ 0 cos2πν v t , où [α]0 correspond à la polarisabilité de la molécule au repos
a : [α] = [α] 0 +[α’]𝐄
et [α’] est l’amplitude de la partie du tenseur de polarisabilité qui varie avec le temps. En prenant
en compte cette double modulation du moment dipolaire induit, on obtient :
⃗⃗⃗
𝐏=𝐄 ⃗ 0 ([α] 0 +[α’]cos2πν v t)cos2πν 0 t . L’expression du champ électrique diffusé 𝐄
⃗ diff est
⃗ . En remaniant l’expression de 𝐏
proportionnelle au moment dipolaire induit 𝐏 ⃗ , on obtient :
⃗ diff comporte donc un terme correspondant à une

L’expression du champ électrique diffusé 𝐄
diffusion sans changement de fréquence (élastique) appelée diffusion Rayleigh, et deux termes
indiquant des diffusions inélastiques aux fréquences ν0+νv et ν0-νv, correspondant respectivement
aux diffusions Raman anti-Stokes et Stokes. Ces phénomènes n’ont lieu que pour les mouvements
donnant lieu à une variation de la polarisabilité de la molécule.
2. Approche quantique
Dans cette approche, l’énergie de vibration moléculaire est quantifiée en niveaux discrets v. En cas
d’interaction entre un photon et une molécule, différents phénomènes peuvent être engendrés, avec
une probabilité qui dépend de l’énergie hν apportée par le photon (Figure 19).
79
Figure 19 Interaction entre un photon et la matière caractérisée par des niveaux d’énergie vibrationnelle. (32)
Spectroscopie infrarouge
Si la fréquence de l’onde électromagnétique incidente ν est de l’ordre de grandeur des fréquences

de vibrations moléculaires ν v , la transition la plus probable est v → v + 1. C’est le phénomène
d’absorption infrarouge (illustration ⓑ de la Figure 19). On peut noter également la possibilité
v → v - 1, correspondant au phénomène d’émission stimulée, qui est à la base du rayonnement laser.
Spectroscopie Raman
Si la fréquence de l’onde électromagnétique incidente ν est très grande par rapport aux fréquences
de vibrations moléculaires νv, alors le phénomène de diffusion est le plus probable.
80
De manière très schématique, lors de la collision d’un photon d’énergie hν telle que ν ≫ ν v avec
une molécule, celle-ci absorbe l’énergie du photon et de ce fait voit son énergie augmenter à un
niveau intermédiaire entre les niveaux énergétiques vibrationnels et électroniques. Ce niveau
énergétique virtuel n’est pas stable, et pour retrouver son niveau énergétique de départ, la molécule
émet un photon d’énergie hν d .
Dans la grande majorité des cas, la molécule retrouve effectivement son niveau énergétique
initial et le photon diffusé transporte la même quantité d’énergie que celle apportée par le photon
incident : hν = hν d (diffusion élastique). Il s’agit du phénomène de diffusion Rayleigh (illustration
ⓓ de la Figure 19). Pour 1000 photons incidents, un seul sera à l’origine d’une diffusion Rayleigh.
Il arrive cependant dans 1 cas sur 1 000 000 que la molécule redescende à un niveau
énergétique vibrationnel qui ne soit pas celui d’origine, et dans ce cas le photon diffusé sera porteur
d’une énergie différente de celle apportée par le photon incident : hν ≠ hν d (diffusion inélastique).
Il s’agit du phénomène de diffusion Raman. Deux cas peuvent se présenter :
- Le photon diffusé est moins énergétique que le photon incident : hν > hν d . A la suite de la
collision avec le photon, la molécule a augmenté son niveau énergétique vibrationnel (transition
v → v + 1). L’énergie gagnée par la molécule correspond à la perte énergétique du photon diffusé
par rapport au photon incident. Il s’agit de la diffusion Raman Stokes (illustration ⓔ de la Figure
19).
- Le photon diffusé est plus énergétique que le photon incident : hν < hν d . A la suite de la collision
avec le photon, la molécule a diminué son niveau énergétique vibrationnel (transition v → v - 1).
L’énergie perdue par la molécule correspond au gain énergétique du photon diffusé par rapport au
photon incident. Il s’agit de la diffusion Raman anti-Stokes (illustration ⓕ de la Figure 19). Pour
qu’une diffusion anti-Stokes ait lieu, il faut que la molécule se trouve déjà dans un état vibrationnel
excité, ce qui n’est pas le plus probable à température ambiante d’après la distribution de Maxwell-
Boltzmann qui représente la répartition en niveau d’énergie d’un ensemble de molécules à une
température donnée. Cela explique que les raies anti-Stokes soient moins intenses que les raies
Stokes à température ambiante.
81
III-COMPARATIF DES SPECTROSCOPIES RAMAN ET INFRAROUGE
Nous avons vu que l’absorption d’un rayonnement infrarouge ne peut avoir lieu que si le
mouvement de vibration considéré induit une variation du moment dipolaire électrique de la
molécule, alors que la diffusion Raman ne s’observe que lorsqu’il entraine une variation de la
polarisabilité moléculaire. Ces deux types de spectroscopie prennent donc en compte des
mécanismes différents et apportent bien souvent des informations complémentaires permettant une
caractérisation vibrationnelle complète. Schématiquement, les liaisons polaires ayant un fort
moment dipolaire présenteront des absorptions importantes dans l’infrarouge, alors que les liaisons
covalentes, a priori plus polarisables donneront un spectre Raman plus significatif. Une
conséquence directe de ces règles de sélection est que les analyses d’échantillons aqueux ne
peuvent pas être réalisées en spectroscopie infrarouge, l’eau présentant une trop forte absorption.
La spectroscopie Raman est par contre possible, mais elle est relativement moins sensible et peut
amener des problèmes de fluorescence de l’échantillon, qui ne se rencontrent pas en spectroscopie
infrarouge.
82
IV- INSTRUMENTATION
1. Microspectromètre Raman LabRAM
Pour les analyses Raman ex vivo et in vitro, nous avons utilisé le microspectromètre confocal
LabRAM de Horiba Jobin Yvon, France (Figure 20).
Figure 20 Microspectromètre Raman LabRAM (HORIBA Jobin Yvon).
Composition
Il s’agit d’un spectromètre confocal Raman associé à un microscope Olympus BX 41. Il est équipé
d’un réseau dispersif holographique de 950 traits/mm et d’un détecteur CCD (Charge-Coupled
Device) de 1024x256 pixels. La résolution spectrale de ce spectromètre est de 2 cm-1. Ce système
est contrôlé par le logiciel LabSpec fourni par HORIBA Jobin Yvon.
83
Le rayonnement incident est un laser émettant dans le proche IR (785 nm) (Figure 21). Il est obtenu
à partir de l’émission d’un laser Titane Saphir alimenté par une pompe YAG. La source est une
diode laser qui est un type de diode capable d’émettre un laser à partir du courant électrique. Il
s’agit ici d’une diode laser Spectra-Physics émettant à 809 nm. Ce laser va être dirigé grâce à des
fibres optiques vers le cristal YAG (Grenat d’Aluminium et d’Yttrium) situé dans le boitier
Millenia Pro (Spectra-Physics). Le faisceau sortant sera un laser 532 nm qui va à son tour aller
exciter un cristal Titane Saphir Ti:Al2O3 (Model 3900s de Spectra-Physics). Celui-ci émettra alors
un spectre de fluorescence très intense sur une large fenêtre spectrale du domaine proche IR. On
peut ensuite manuellement sélectionner les longueurs d’onde électromagnétique avec lesquelles on
souhaite travailler. Le choix de la longueur d’onde résulte d’un compromis entre l’intensité du
signal diffusé et celle de la fluorescence parasite. Le réglage actuel du dispositif entraine la
sélection des ondes électromagnétiques de longueurs d’onde 785 nm. Les cristaux YAG et Ti:Al2O3
sont refroidis pendant leur utilisation par un circuit hydraulique.
Figure 21 Système d’obtention du laser incident proche infrarouge (Spectra-Physics).

Le trajet des ondes électromagnétiques est indiqué par les flèches pointillées rouges.
84
Fonctionnement
Avant utilisation, il est nécessaire de prévoir un temps de montée en puissance du laser et de

refroidissement du détecteur par effet Pelletier (15-20 minutes). A l’arrivée dans le spectromètre
LabRAM, le laser 785 nm traverse un filtre interférentiel éliminant d’éventuelles ondes
électromagnétiques parasites (λ ≠ 785 nm). Il est ensuite dirigé vers le microscope pour interagir
avec l’échantillon déposé sur la platine motorisée. Si l’échantillon est fragile, il est possible
d’utiliser un filtre atténuateur diminuant l’intensité laser. La puissance de travail en sortie d’objectif
pour cette étude était comprise entre 35 et 50 mW.
Après interaction entre l’échantillon et le laser incident, des ondes électromagnétiques sont
diffusées dans toutes les directions avec ou sans modification de longueur d’onde. Certaines
passent dans l’objectif du microscope et retourne vers le spectromètre, où elles traversent un filtre
Notch. Ce filtre stoppera les ondes électromagnétiques de longueur d’onde 785 nm correspondant
aux raies de diffusion Rayleigh et aux raies du laser incident réfléchies par l’échantillon. A la sortie
du filtre Notch, seules subsistent donc les raies de diffusion Raman, dont l’écart de longueur d’onde
avec le laser incident correspondra à des échanges énergétiques avec l’échantillon (niveaux
énergétiques vibrationnels) et renseignera donc sur sa composition moléculaire.
Les ondes électromagnétiques vont ensuite passer par un trou confocal ne laissant passer
que celles diffusées à partir d’un volume précis de l’échantillon situé au niveau de focalisation du
laser, puis être dirigées vers le réseau qui sépare spatialement les ondes électromagnétiques en
fonction de leur longueur d’onde. Elles vont ainsi pouvoir arriver sur des pixels distincts du
détecteur, grâce auquel le signal lumineux va être converti en signal électrique, de manière
proportionnelle. Le signal électrique va ensuite être numérisé pour être traité informatiquement.
Dans nos expérimentations, seule la diffusion Stokes, plus intense, est analysée. Les
spectres Raman représentent pour chaque écart (shift) d’énergie avec le rayonnement incident (ou
avec la raie Rayleigh), la quantité de photons diffusés. L’écart énergétique est exprimé en cm -1
(shift Raman). La quantité de photons mesurée est proportionnelle à l’intensité du signal
électromagnétique détectée par le détecteur. Elle est donnée en unité arbitraire.
85
Calibration
1°/ Vérification de la position zéro du réseau. Le réseau n’est pas fixe au sein du spectromètre, il
s’oriente en fonction de la fenêtre spectrale d’acquisition choisie. Ce mouvement mécanique du
réseau est contrôlé avant toute utilisation du spectromètre par vérification de la position zéro. Il
s’agit de la position du réseau qui ne disperse pas les ondes électromagnétiques. Celles-ci vont par
conséquent toutes arriver en un même point de la surface du détecteur. On obtiendra un spectre du
signal diffusé constitué d’un seul pic qui doit être centré à 0 nm. Cette vérification peut être réalisée
avec n’importe quel échantillon. Nous utilisons généralement un même échantillon de silicium
pour les trois premières étapes de la calibration.
2°/ Vérification de la longueur d’onde du laser incident. Cette longueur d’onde servant de référence
pour le calcul des shifts Raman, il est important d’en donner au logiciel une mesure précise. Pour
ce faire, la fenêtre spectrale d’acquisition est centrée autour de 785 nm, où doit être positionnée la
raie Rayleigh obtenue après interaction du laser incident avec le silicium. Ce pic est diffusé sans
échange énergétique avec l’échantillon et a donc la même longueur d’onde que le laser incident.
Notons que cette vérification se fait sur un résidu de la raie Rayleigh qui subsiste malgré le filtre
Notch, en raison de sa très forte intensité de départ. Une fois le spectre de la raie Rayleigh affiché,
il est possible de le modéliser par une fonction de type gaussienne / lorentzienne dont on recherche
ensuite le centre avec une précision au dixième de nm. La valeur obtenue est ensuite entrée
manuellement dans le logiciel pour enregistrement.
3°/ Vérification de spectres de référence. La dispersion des ondes électromagnétiques en fonction

de leur longueur d’onde dépend du type de réseau ainsi que de la longueur d’onde de la source
excitatrice. Elle peut donc légèrement différer d’un spectromètre à l’autre. En vue d’une
comparaison de shifts Raman obtenus avec différents appareils, il est recommandé de vérifier la
conformité des spectres de produits de référence dont les pics sont connus avec précision. Il est
d’usage au laboratoire de vérifier le spectre Raman du silicium et d’un autre échantillon
(cyclohexane par exemple), ainsi que le spectre d’émission d’une lampe Néon.
86
De plus, après acquisition des spectres Raman, ceux-ci doivent subir quelques corrections pour
isoler l’information propre à l’échantillon.
Correction de la réponse du détecteur. En théorie, un détecteur doit traduire une intensité identique
pour un même nombre de photons quelle que soit leur longueur d’onde. Il s’agit d’un cas idéal. En
pratique, l’intensité peut varier sensiblement. Cette variation de mesure propre au détecteur sera
évaluée à l’aide d’un matériel spécifique mimant un corps noir dans le proche IR (absorbant et
émettant la même quantité d’onde électromagnétique quelle que soit la longueur d’onde). Il s’agit
du Matériel de Référence Standard (SRM) 2241 du NIST (National Institute of Standards and
Technology). Les spectres d’un échantillon seront donc divisés par le spectre de référence, obtenu
avec le SRM.
Soustraction du courant noir. Le courant noir correspond au signal mesuré par le détecteur, résiduel
en l’absence de toute stimulation électromagnétique. Il est dû au bruit de fond du détecteur lui-
même, au bruit de l’électronique ainsi qu’aux éventuels rayonnements cosmiques. Il est mesuré
dans l’obscurité totale, avec les mêmes temps d’acquisition que ceux utilisés pour les spectres de
l’échantillon, auxquels il sera soustrait.
Soustraction du signal du support de l’échantillon. Pour les échantillons peu épais comme les
coupes congelées, il arrive que les spectres Raman enregistrés contiennent également du signal du
support, même si ce signal est peu intense comme dans le cas des fenêtres de fluorure de calcium
CaF2. Le signal du support seul sera enregistré avec les mêmes temps d’acquisition puis soustrait
des spectres de l’échantillon.
87
2. Spectromètre Raman HE / Sonde RamanProbe
Pour les analyses Raman in vivo et ex vivo, nous avons utilisé le spectromètre transportable Raman
HE (High Efficiency) de HORIBA Jobin Yvon, France, associé à la sonde RamanProbe de
InPhotonics (Figure 22).
Figure 22 Spectromètre Raman fibré.
Composition
Le spectromètre Raman HE est composé d’un réseau holographique dispersif de 685 traits/mm et
d’un détecteur CCD. Optimisé pour des acquisitions en temps réel, cet appareil est capable
d’acquérir en une seule mesure la fenêtre spectrale 90-3350 cm-1. Il est couplé via un câble optique
de 5 m à la tête d’échantillonnage portative RamanProbe en acier inoxydable, dont la taille (7,6 cm
de long et de 12,7 mm de diamètre) et la forme mimant un stylo permettent une manipulation aisée
(Figure 23). La source incidente est une diode laser de longueur d’onde 785 nm. Le spectromètre
HE est également couplé au logiciel LabSpec distribué par HORIBA Jobin Yvon.
88
Figure 23 Photographie et schéma interne de la sonde RamanProbe.

Pour les acquisitions sur peau in vivo, un embout plastique transparent a été adapté sur la sonde. Il permet de fixer la distance
de focalisation tout en stabilisant les acquisitions. Une distance de focalisation optimale de 5 mm a été définie, après évaluation
préalable sur 20 volontaires. Seul cet embout plastique est en contact avec l’échantillon. Il est nettoyé à l’eau distillée puis à
l’alcool.
Fonctionnement
La sonde RamanProbe est constituée d’une fibre de 90 µm de diamètre pour véhiculer le laser
excitateur. Le rayonnement traverse une première lentille de collimation permettant de rendre à
nouveau les ondes électromagnétiques parallèles, puis un filtre passe-bande filtrant le signal Raman
89
parasite de la silice, composant principal de la fibre optique. Le laser incident sort de la tête
d’échantillonnage par une lentille de focalisation de diamètre 2 mm, permettant de diriger les ondes
électromagnétiques en un point précis de l’échantillon. Après interaction avec la matière, les ondes
électromagnétiques rétrodiffusées de 180° pourront être collectées par la tête d’échantillonnage et
réfléchies par le filtre dichroïque en direction de la fibre de collection. Avant d’emprunter le câble
optique, les ondes collectées traverseront un assemblage de filtres passe-haut ne permettant le
passage que des ondes de diffusion Stokes provenant de l’échantillon. Une dernière lentille de
focalisation dirigera ces ondes vers la fibre de collection de 200 µm de diamètre (Figure 23). De
retour au niveau du spectromètre HE, les ondes électromagnétiques seront envoyées vers le réseau
dispersif puis le détecteur.
Calibration
Les diodes laser étant moins sensibles à la température environnante et le spectromètre HE étant
équipé d’un réseau fixe, le système est beaucoup moins sujet aux dérèglements. Les spectres des
produits de référence sont néanmoins vérifiés avant chaque séance d’acquisition.
90
3. Microspectromètre infrarouge Spotlight
Le microspectromètre infrarouge utilisé pour les analyses infrarouges de coupes congelées est le
système Spectrum Spotlight 300 commercialisé par Perkin Elmer, France (Figure 24).
Figure 24 Microspectromètre infrarouge Spectrum Spotlight 300 (Perkin Elmer).
Composition
Ce système est composé d’un spectromètre InfraRouge à Transformée de Fourier (FT-IR)

Spectrum One associé à un système d’imagerie FT-IR Spectrum Spotlight. Ce système est associé
au logiciel Spectrum IMAGE de Perkin Elmer. Un vase Dewar externe, caractérisé par une très
bonne isolation thermique et permettant de stocker efficacement l’azote liquide, a été rajouté pour
augmenter le temps d’acquisition des images spectrales (jusque 24 h).
91
Les acquisitions d’images infrarouges se font avec l’unité Spotlight. Cette unité est composée d’un
microscope muni d’une source lumineuse LED, d’une platine motorisée et d’une caméra. La source
de rayonnement infrarouge polychromatique est issue de l’unité Spectrum One. Le Spotlight peut
être utilisé en mode image ou en mode point, pour l’acquisition d’images spectrales ou de spectres
points respectivement. Le système de détection du mode point comprend un détecteur MCT
(Mercury Cadmium Telluride HgCdTe) de 100 µm x 100 µm. Le système de détection du mode
image est constitué de 16 éléments MCT de 6,25 µm x 6,25 µm disposés en 2 barrettes de 8
éléments. Les détecteurs MCT sont des détecteurs quantiques (comptage de photons) mettant en
jeu un effet photoconducteur : les signaux électriques résultent directement de l’excitation du
matériau par les photons. Les détecteurs MCT devant être refroidis à l’azote liquide, le système de
détection se trouve à l’intérieur du Dewar interne (Figure 25).
Figure 25 Composants internes du système d’imagerie Spectrum Spotlight.
92
Contrairement aux spectromètres Raman utilisant des systèmes optiques dispersifs (prismes,
réseaux) pour analyser le spectre d’un rayonnement, les spectromètres FT-IR permettent une
lecture de toutes les fréquences du rayonnement simultanément, par détection interférométrique.
Ce signal est obtenu grâce à un interféromètre de Michelson (Figure 26). Le rayonnement incident
est divisé en deux faisceaux par une séparatrice, dont le premier est réfléchi par un miroir fixe et le
second par un miroir mobile. Le déplacement du miroir mobile génère un décalage temporel entre
les deux faisceaux, qui entrainent des interférences constructives et destructives en se recombinant
(au niveau de la même séparatrice). Le signal recombiné résultant est appelé interférogramme et
correspond à l’enregistrement des variations d’intensité dues aux interférences, en fonction de la
distance de déplacement du miroir (ou à une constante près, en fonction du temps puisque la vitesse
de déplacement du miroir est constante). L’obtention de l’interférogramme d’un rayonnement est
très rapide (de l’ordre de la seconde), et à un spectre de rayonnement donné correspond un unique
interférogramme (et inversement). Grâce à un traitement mathématique appelé Transformée de
Fourier, l’interférogramme sera ensuite aisément converti par l’ordinateur en intensité en fonction
de la fréquence, c’est-à-dire en spectre IR. La résolution spectrale du Spotlight est ajustable et
dépend de l’amplitude de déplacement du miroir mobile. Elle est fixée à 4 cm -1 pour nos
expérimentations.
Figure 26 Schéma d’un interféromètre de Michelson. (31)
93
Fonctionnement
En mode transmission, le rayonnement polychromatique incident (interférogramme) arrive sous la

platine motorisée à l’aide d’un jeu de miroirs et de condenseurs Cassegrain, puis traverse
l’échantillon et son support (CaF2, transparent aux IR). A ce niveau, des absorptions énergétiques
interviennent révélant la présence de certaines liaisons moléculaires au sein de l’échantillon. Le
faisceau sortant est ensuite dirigé vers le détecteur grâce à des objectifs Cassegrain.
Pour chaque fréquence du rayonnement polychromatique, c’est la transmittance T qui est

mesurée au niveau du détecteur, c’est-à-dire le rapport d’intensité entre le rayonnement ayant
traversé l’échantillon et le rayonnement de référence (background) : T = I / I 0 , généralement
exprimée en pourcentage. Le rayonnement de référence est mesuré sur une zone du support vide
d’échantillon.
Une fois les enregistrements réalisés, les spectres infrarouges peuvent ensuite être
facilement convertis en absorbance A en fonction de la fréquence : A = log(1/T) . Il est ensuite
possible de remonter à une information quantitative puisque l’absorbance est directement
proportionnelle à la concentration moléculaire (loi de Beer-Lambert). L’utilisation des nombres
d’onde en cm-1 (inverse des longueurs d’onde) est généralement préférée à celle des fréquences, ce
qui présente l’avantage de permettre une comparaison directe des spectres infrarouges et Raman.
Calibration
Les spectromètres IR sont généralement très simples d’utilisation et les calibrations nécessaires se
font automatiquement au démarrage. Sur le Spectrum Spotlight, seule la correction atmosphérique
doit être assurée par l’utilisateur. Cette étape permet de minimiser les phénomènes d’absorption IR
dus aux vapeurs d’eau et au CO2 de l’atmosphère. Pour ce faire, le spectre IR de l’atmosphère
(Figure 27) est soustrait des spectres enregistrés. En fonction de l’équipement du spectromètre, il
peut être également possible de réaliser avant acquisition une purge en eau et en CO2 de
l’atmosphère par envoi d’air sec sans CO2 autour du système d’échantillonnage (Figure 27).
94
Figure 27 Spectre infrarouge de l’atmosphère (31) et système d’isolation atmosphérique installé sur le Spectrum Spotlight
permettant la purge en vapeurs d’ eau et en dioxyde de carbone autour de l’échantillon.
95
V- PRETRAITEMENTS DES SPECTRES VIBRATIONNELS
Afin de s’affranchir des interférences parasites au sein des spectres bruts, dues principalement à
des variations au cours des acquisitions liées à des facteurs physiques et environnementaux, les
données doivent être prétraitées. Nous présentons ci-après les différentes méthodes et étapes de
prétraitement appliquées sur nos spectres.
1. Correction de ligne de base
La ligne de base est une ligne virtuelle délimitant la partie informative du spectre par rapport à son
fond (background). L’objectif des méthodes de correction de ligne de base est de s’affranchir du
fond spectral ; généralement en le modélisant puis en le soustrayant des spectres bruts. En pratique,
les spectres bruts peuvent afficher des lignes de base de forme et d’intensité variables, et il est
souvent difficile de modéliser uniformément le fond spectral.
La méthode la plus simple est la correction d’offset qui s’utilise pour corriger un shift
d’intensité de la ligne de base. Il s’agit d’une remise à 0 de l’intensité minimale du spectre sans
modification de son profil. La correction de ligne de base par morceaux consiste à choisir
manuellement un certain nombre de points de base, puis à les relier par des segments. La ligne de
base ainsi définie sera ensuite soustraite du spectre brut. La correction de ligne de base polynomiale
cherche dans un premier temps à modéliser la ligne de base par un polynôme dont l’ordre est à
déterminer selon la forme du fond spectral. Des points de base, par lesquels le polynôme doit
obligatoirement passer, peuvent être imposés par l’utilisateur. Une fois défini, le polynôme est
soustrait du spectre brut.
2. Lissage
L’étape de lissage permet de diminuer le bruit de fond spectral, qui correspond aux variations
aléatoires de l’intensité mesurée. Le bruit en spectroscopie optique vibrationnelle a différentes
origines et dépend principalement du type de détecteur utilisé. On peut rencontrer le bruit
photonique qui est dû à la nature quantique des rayonnements électromagnétiques. Les photons ne
96
sont pas observés individuellement mais sous forme d’une densité de probabilité. Ainsi pour une
lumière incidente constante, le nombre de photons frappant deux photosites d’un détecteur est
différent. Le bruit thermique appelé aussi courant noir ou d’obscurité est dû au fait que certains
déplacements d’électrons mesurés sont issus de l’agitation thermique existant au niveau du
détecteur et non pas de la collision d’un photon. Certains détecteurs sont refroidis afin de limiter
cette contribution. Le bruit électronique ou bruit de transfert de lecture concerne l’étape de
déplacement des électrons d’un photosite à l’autre existant dans un détecteur multidimensionnel
(CCD par exemple) avant la lecture finale du signal. La perte de certains électrons lors de ce
déplacement en est à l’origine. Enfin, le bruit de quantification provient de la précision du
convertisseur du signal analogique en signal numérique : par exemple deux nombres proches
d’électrons comptés peuvent être convertis en une même valeur numérique (35).
Il existe également différentes méthodes de lissage. La méthode des moyennes glissantes

est largement utilisée pour la correction de spectres optiques vibrationnels. Cette méthode consiste
à moyenner les intensités inclues dans une petite fenêtre spectrale dont la largeur est à définir par
l’utilisateur (quelques pixels). Cette fenêtre va être déplacée (« glissée ») de manière régulière le
long du spectre jusqu’à ce que les intensités de la totalité de la fenêtre spectrale aient été
moyennées. La méthode de Savitzky-Golay est également basée sur ce principe sauf qu’au lieu de
calculer la moyenne, on cherche le polynôme s’ajustant au mieux à la courbe inclue dans la fenêtre
spectrale glissante. Le degré de ce polynôme est choisi par l’utilisateur. Puis, la fonction
polynomiale minimisant l’erreur est estimée par la méthode des moindres carrés. Pour chaque pas
de glissement de la fenêtre, on ne conserve que le point du polynôme situé au centre de cette fenêtre.
L’ampleur du lissage augmente avec la largeur de la fenêtre glissante et diminue avec le degré du
polynôme.
3. Normalisation
Cette étape de prétraitement permet de ramener tous les spectres d’un ensemble de données à une
même échelle d’intensité afin de pouvoir les comparer entre eux. La normalisation donne accès à
une quantification relative (interspectrale) mais élimine l’information quantitative absolue
contenue initialement dans les spectres bruts.
97
En pratique, ce prétraitement entraine une intensité exprimée en unité arbitraire, pouvant être fixée
par différents calculs. La normalisation mix-max débute par une correction de l’offset (intensité
minimale = 0) puis par l’attribution de la valeur 1 à l’intensité maximale du spectre. Les intensités
intermédiaires sont recalculées par rapport à ces deux valeurs extrêmes. D’autres types de
normalisation couramment utilisés commencent par un centrage des spectres sur la moyenne, c’est-
à-dire l’affectation de la valeur 0 à l’intensité moyenne du spectre. C’est le cas de la normalisation
1-norm dont les valeurs d’intensité du spectre sont ensuite redéfinies de façon à ce que la somme
des valeurs absolues de toutes les intensités soit égale à 1. C’est aussi le cas pour la normalisation
2-norm (dite vectorielle), pour laquelle c’est la somme des valeurs d’intensité au carré qui doit être
égale à 1. Enfin avec la normalisation SNV (Standard Normal Variate), les valeurs d’intensité du
spectre centré sur la moyenne sont définies de façon à ce que l’écart-type du spectre soit égal à 1
(36).
4. EMSC
D’après la loi de Beer-Lambert, le phénomène d’absorption n’est pas seulement directement lié à
la composition moléculaire de l’échantillon mais aussi à son épaisseur. De plus, il existe des
phénomènes de diffusion (diffusion Mie) affectant la ligne de base des spectres. Ces différentes
contributions parasitent le spectre d’absorption IR. L’EMSC (Extended Multiplicative Signal
Correction) permet de minimiser l’influence de ces facteurs. Nous avons utilisé cette méthode pour
le prétraitement des images spectrales IR, dont chaque spectre si peut être modélisé par un vecteur
(Figure 28).
98
Figure 28 Modélisation linéaire d’un spectre si d’une image spectrale par EMSC.
Les coefficients ai et ci sont estimés par la méthode des moindres carrés de façon à minimiser la
somme des carrés des erreurs de modélisation. Les spectres sont corrigés des effets de diffusion de
la lumière en soustrayant le terme ciP : s i c o r r = a i S + e i . On remarque à ce stade que chaque
spectre corrigé correspond à une approximation de ce spectre par le spectre moyen, et que la
différence entre le spectre considéré et le spectre moyen correspond à l’erreur ei qui représente
donc la partie informative (différences biomoléculaires). Ensuite, une normalisation est appliquée
sur sicorr afin de corriger les spectres des effets liés à l’épaisseur de
l’échantillon : sicorr/ai = s + ei/ai . A la fin de l’EMSC, toutes les lignes de base sont harmonisées
et tous les spectres sont normalisés sur le spectre moyen.
99
VI- TRAITEMENTS DES SPECTRES VIBRATIONNELS
Une fois l’information propre à l’échantillon isolée par prétraitement des spectres, l’analyse du
signal d’intérêt peut débuter. L’étape de traitement des données permet de faciliter l’interprétation
des résultats obtenus, en particulier lorsque ces résultats sont riches en information et de forme
complexe ce qui est le cas en spectroscopie vibrationnelle. De nombreuses méthodes d’analyses
statistiques multivariées existent. Nous présentons ci-dessous celles utilisées dans le cadre de ces
travaux de thèse.
1. Méthodes de classification de données
En vue d’une exploitation statistique, les mesures de spectroscopies vibrationnelles sont souvent
regroupées dans des matrices dont les lignes représentent les éléments (les spectres) et dont les
colonnes correspondent aux variables (les nombres d’onde). Les méthodes de classification de
données ont pour objectif d’affecter des classes ou clusters aux éléments.
Il existe deux grands types de classification de données : les classifications supervisées et

non supervisées. Les classifications non supervisées concernent les cas où l’on dispose d’un
ensemble d’objets non labellisés (dont on ne connait pas la classe d’appartenance) que l’on veut
séparer en classes (ou clusters en anglais). Les classifications supervisées (prédiction) s’appliquent
lorsque l’on dispose de données labellisées (qualifiées de jeu d’entrainement dont on connait la
classe d’appartenance), donc déjà séparées en classes, permettant d’estimer un modèle prédictif de
la classe d’appartenance d’objets inconnus (nouveaux).
Classifications non supervisées
Il existe deux grands types de classifications non supervisées :

- Les classifications par partitionnement partagent un ensemble d’objets en un système de classes
non vides. Ces méthodes vont chercher la partition des données en K classes qui minimise
localement une fonction objectif dépendante de K. Les méthodes les plus connues sont les
méthodes d’agrégation autour des centres mobiles, qui sont apparentées à la méthode des nuées
100
dynamiques ou k-means. Citons également la technique de fuzzy-c-means qui en est dérivée.

- Les classifications hiérarchiques sont des méthodes récursives divisées en deux groupes : les
méthodes ascendantes et les méthodes descendantes. En partant d’une situation où chaque objet est
une classe, les méthodes ascendantes ou agglomératives vont regrouper à chaque itération les deux
classes les plus similaires. Donc à chaque itération, une classe disparait. La dernière itération
regroupera donc tous les objets dans une classe unique. Les méthodes descendantes, ou divisives,
travaillent dans le sens opposé, c’est-à-dire qu’au départ tous les objets sont dans une classe unique.
Puis à chaque itération, chaque classe est scindée en deux classes composées des éléments les plus
dissimilaires entre les deux classes. A la dernière itération, chaque classe sera composée d’un objet
unique. La classification hiérarchique ascendante est cependant largement préférée à la
classification hiérarchique descendante car cette dernière requiert des calculs prohibitifs (37) (38).
 Classification Hiérarchique Ascendante (CHA)

Le principe de l’algorithme de CHA consiste à créer une partition, à chaque étape, en agrégeant
deux à deux les éléments ou groupes d’éléments les plus proches. Au départ, chaque élément est
considéré comme une classe initiale. Il y a donc autant de classes que d’objets. Puis, la matrice
d’hétérogénéité mesurant la dissimilarité entre les paires de classes est calculée. Cette dissimilarité
est quantifiée par la distance spectrale entre chaque couple possible de classes. Différentes mesures
de distance spectrale existent : la distance euclidienne (la plus utilisée), la distance de Mahalanobis,
la distance de Manhattan, etc. (39). Il y a ensuite trois étapes successives. 1°/ On recherche la plus
petite valeur dans la matrice d’hétérogénéité entre les n classes. 2°/ Les deux classes les plus
proches ainsi identifiées sont alors regroupées dans une nouvelle classe. 3°/ On calcule une
nouvelle matrice d’hétérogénéité entre les n-1 classes restantes. Ces trois étapes sont ensuite
réitérées jusqu’à l’obtention d’une classe unique. L’algorithme fournit une hiérarchie de n
partitions, se représentant sous la forme d’un arbre, appelé dendrogramme, construit à partir des
itérations successives. Une partition en K classes peut alors être obtenue en sélectionnant la n-
K+1ème décomposition sur le dendrogramme. La CHA est une méthode de classification qui a
l’avantage d’être particulièrement pertinente lorsqu’il existe une information hiérarchique
101
inhérente aux éléments. De plus, elle ne nécessite aucune initialisation. Cependant le temps de
calcul prohibitif rend cette méthode difficilement applicable aux grosses bases de données.
Notons que pour la troisième étape de l’algorithme, il est nécessaire de choisir ce que l’on
appelle le critère d’agrégation des classes, c’est-à-dire les règles de mise à jour des distances entre
une classe nouvellement agrégée et les autres classes. Plusieurs critères existent : le critère du saut
ou lien minimum, le critère du saut ou lien maximum appelé aussi critère du diamètre, le critère de
la distance moyenne et le critère de Ward qui est le plus couramment utilisé pour les données de
spectroscopie vibrationnelle (37) (38) (40).
 K-means (KM)
La méthode des KM est une méthode de partitionnement direct qui nécessite classiquement de
connaitre le nombre de classes a priori. L’étape d’initialisation consistera donc à entrer le nombre
de classes désiré, et à définir les centres de classes initiaux. Ces derniers sont choisis selon
différentes méthodes parmi tous les éléments de l’ensemble de données que l’on souhaite classer.
On peut par exemple choisir pour centres de classes les éléments les plus éloignés les uns des
autres, ou tout simplement les choisir aléatoirement. Ensuite, deux étapes se succèdent. 1°/ On
répartit les éléments dans les différentes classes en les affectant chacun au centre de classe le plus
proche. 2°/ On calcule le centre de gravité de chacune des classes obtenues. Ces nouveaux centres
de classes ne seront donc plus des éléments de l’ensemble, mais des points fictifs. Ces deux étapes
sont réitérées jusqu’à ce que l’algorithme converge : invariabilité de la composition des classes et
centres de gravité fixes. Les classes définitives sont alors construites. C’est un algorithme simple
et rapide pouvant être lancé avec un grand nombre d’éléments, mais qui a un inconvénient majeur :
d’une initialisation à l’autre, la partition finale pourra être très différente. En effet, elle dépend du
choix des centres de classes initiaux. Il sera alors nécessaire de relancer plusieurs fois l’algorithme
pour s’assurer de la pertinence de la partition obtenue (41).
 Fuzzy-c-means (FCM)
Le FCM est une technique de classification floue, par opposition aux classifications dures que sont
la HCA et le KM qui attribuent chaque spectre à un seul et unique cluster. La notion de flou
102
correspond à l’idée de pouvoir attribuer un spectre à plusieurs clusters. Il peut être en effet
intéressant de pouvoir nuancer les affectations, par exemple pour visualiser les hétérogénéités
tumorales ou les transitions progressives entre les différentes structures tissulaires. Ainsi dans une
classification FCM, chaque spectre appartient à tous les clusters avec des degrés d’appartenance
variant entre 0 et 1, correspondant respectivement à une absence d’appartenance ou une
appartenance exclusive au cluster considéré. La somme des appartenances d’un spectre à tous les
clusters est égale à 1. Le degré d’appartenance d’un élément à un cluster considéré est basé sur sa
distance spectrale avec le centre de classe.
Le FCM est dérivé de la méthode des KM avec un paramètre supplémentaire à définir : le

paramètre de flou m dit aussi paramètre Fuzzy qui est strictement supérieur à 1. Comme son nom
l’indique, ce paramètre contrôle le degré de flou, c’est-à-dire le degré d’appartenance de chaque
spectre aux clusters. Si m = 1, la classification FCM est comparable à la classification KM. Quand
m augmente, les degrés d’appartenance aux clusters deviennent de plus en plus flous : les objets se
partagent entre les classes. Si m est trop élevé, les spectres ont des degrés d’appartenance
uniformément répartis sur toutes les classes, ce qui entraine des clusters redondants et donc inutiles.
Classifications supervisées
L’objectif d’une classification supervisée est de définir des règles permettant d’affecter un élément
dans des classes prédéfinies, dans le but de construire un modèle de prédiction. On dispose donc
au départ d’un ensemble d’éléments dont le classement est connu, et qui constitue l’échantillon
d’apprentissage qui - comme son nom l’indique - va être utilisé pour la recherche et la calibration
des règles de classement. Ces règles prennent la forme de fonctions Y=f(X,Ω) avec X représentant
l’élément à classer, Y la classe à laquelle il est associé, et Ω les paramètres de la méthode de
classification supervisée utilisée. Ces fonctions doivent permettre de séparer de façon optimale les
observations de classes différentes, et sont dites discriminantes ou diagnostiques.
Dans une deuxième étape, on teste la fiabilité et la robustesse de ces règles d’affectation à
l’aide d’un jeu de validation composé d’éléments dont les classes sont également connues mais qui
n’ont pas été initialement utilisés pour l’étape d’apprentissage. Le découpage standard des données
de départ est généralement de 2/3 d’éléments pour l’apprentissage et 1/3 d’éléments pour l’étape
103
de validation interne. A l’issue de cette étape, les paramètres optimaux de la méthode de

classification supervisée utilisée peuvent être déterminés. En utilisant ces paramètres optimaux,
l’apprentissage de la règle est alors relancé sur l’ensemble des données.
Cependant, l’apprentissage doit être réalisé sur un nombre suffisant d’objets. Pour les petits
jeux de données, il n’est donc pas pertinent de les diviser en un jeu d’entraînement et un jeu de
validation. Dans ce cas, des techniques de rééchantillonnage telles que les validations croisées sont
préférées. On peut citer par exemple le leave-one-out cross-validation (LOOCV) et le leave-M-out
cross-validation (LMOCV) qui consistent à répéter plusieurs fois l’étape d’apprentissage en
écartant à chaque fois respectivement 1 ou M éléments différents, afin de s’en servir ensuite pour
le test de validation interne. Dans les deux cas, on obtient au final une moyenne des résultats de
validation obtenus avec les différentes boucles d’apprentissage. Là encore, une fois les règles
d’affectation validées, l’étape d’apprentissage est à nouveau relancée avec la totalité des éléments.
Une fois les étapes d’apprentissage et de validation des fonctions discriminantes terminées,
il est alors possible de s’en servir à des fins prédictives pour attribuer une classe à un élément
nouveau, de groupe indéterminé.
 Analyse Linéaire Discriminante (ALD)

Largement utilisée en spectroscopie, l’ALD est une technique linéaire de classification supervisée
reposant sur une hypothèse de multi-normalité des distributions des objets de chaque classe et sur
une hypothèse d’homoscédasticité (les matrices de variance-covariance sont identiques pour toutes
les classes). Elle estime une fonction linéaire de séparation entre classes. D’un point de vue
géométrique, l’ALD consiste à relier les barycentres de chaque classe par un segment, puis à
chercher la normale qui séparera de manière optimale les deux nuages de points. L’approche
statistique de l’ALD repose sur la recherche d’un ensemble d’axes qui serviront à former un
nouveau repère dans lequel la variance intergroupe (l’éloignement des deux barycentres) sera
maximisée, et la variance intragroupe (l’éloignement moyen du barycentre) sera minimisée. Pour
séparer K groupes, l’ALD estimera K-1 axes discriminants, appelés fonctions linéaires
discriminantes. Un objet inconnu sera projeté dans ce nouveau repère, et sa position par rapport
aux fonctions linéaires discriminantes déterminera sa classe prédite.
104
2. Méthode de réduction de données
 Analyse en Composantes Principales (ACP)

L’étude d’échantillon par spectroscopie optique vibrationnelle entraine l’acquisition d’un nombre
n de spectres, pouvant être conséquent (jusqu’à plusieurs centaines de milliers de spectres dans le
cas de l’acquisition d’une image spectrale). Chaque spectre est décomposé en chacune de ces p
variables ou descripteurs (fréquences du rayonnement électromagnétique). Les analyses de ces
données supposent donc de travailler avec des matrices de n lignes x p colonnes de très grande
taille et contenant une information riche et complexe.
Une représentation graphique des données selon les variables est intéressante pour étudier
les ressemblances et différences entre les n éléments d’une matrice. Chaque élément de la matrice
est alors représenté par un point dans un espace à p dimensions (défini par les p variables). Dans le
cas de spectres optiques vibrationnels, cela suppose de travailler dans un espace à plusieurs
centaines de dimensions. Outre l’impossibilité d’une telle représentation, elle n’est sans doute pas
utile car il existe généralement des corrélations entre les variables, d’autant plus lorsque l’on
travaille avec des spectres complexes d’échantillons biologiques. En effet, en fonction des
différences chimiques entre les différents échantillons analysés (ou points d’acquisition au sein
même d’un échantillon), les intensités et les positions des nombreux pics des spectres varient. Mais
ces pics peuvent varier de façon dépendante les uns des autres d’autant plus que chaque composant
chimique de l’échantillon donne un spectre très riche en vibrations, et que de nombreux éléments
chimiques varient en tandem au sein d’un échantillon biologique (42).
L’ACP est une méthode qui consiste dans un premier temps à détecter et analyser ces
corrélations entre les variables originelles, puis à calculer de nouvelles variables appelées variables
synthétiques ou composantes principales (CP), exprimant le plus de variance. D’un point de vue
géométrique, cela permet de projeter le nuage de points qui décrit l’ensemble des spectres sur de
nouveaux axes, en recherchant une dispersion optimale du nuage de points. Une nouvelle matrice
de données sera ainsi créée de n lignes et p’ colonnes, avec n le nombre de spectres (inchangé) et
105
p’ le nombre de CP. Les CP sont ordonnées selon un pourcentage d’expression de variance

décroissant. Les p’ colonnes contiennent les scores (valeurs d’appartenance à chaque CP calculées
pour chaque spectre). En choisissant p’ = 2 ou 3, il devient alors possible de travailler dans des
espaces à 2 ou 3 dimensions. L’ACP facilite ainsi la représentation et l’interprétation en
transformant un jeu complexe de données en un ensemble simplifié comprenant moins de variables
(par élimination de l’information redondante) mais en conservant la majeure partie de la variance.
Il est possible de remonter à la contribution de chaque variable originelle (longueur d’onde) dans
la variance exprimée par chaque variable synthétique (CP) grâce à l’analyse de leur loading.
106
RESULTATS
DISCUSSION
107
RESULTATS ET DISCUSSION
Ces travaux de recherche ont été réalisés avec la collaboration du service de Dermatologie de
l’Hôpital Robert Debré de Reims, du laboratoire de Pathologie Pol Bouin de l’Hôpital Maison
Blanche de Reims, ainsi que du laboratoire pharmaceutique Galderma. Entre janvier 2009 et mai
2010, 32 patients devant subir l’exérèse chirurgicale d’une lésion cutanée - suspectée d’être un
carcinome baso-cellulaire - ont participé à cette étude, après consentement éclairé. Le spectromètre
Raman fibré HE a été transporté au sein du bloc opératoire, et pour chaque patient, des spectres in
vivo avant chirurgie ont été enregistrés, puis après chirurgie, directement sur la pièce d’exérèse
fraiche. Lorsque nous disposions de suffisamment de temps, la pièce d’éxèrese a ensuite été amenée
au sein de notre laboratoire pour une analyse complémentaire rapide avec le microspectromètre
Raman LabRAM, plus sensible. Pour finir, les pièces d’exérèse ont été apportées au laboratoire
d’anatomopathologie pour réalisation de coupes tissulaires paraffinées et coloration à
l’hématoxyline et l’éosine en vue du diagnostic histopathologique. En parallèle, des coupes
congelées ont été réalisées en vue de la réalisation ultérieure d’images spectrales tissulaires en
microspectroscopies Raman et infrarouge (Figure 29).
Figure 29 Protocole expérimental global.
108
Une « fiche-patient » remplie par le chirurgien dermatologue, fournit les renseignements médicaux
relatifs à chaque patient notamment l’âge, le type de peau, les antécédents médicaux ainsi que les
traitements actuels et passés. Le Tableau 4 regroupe les données renseignant sur la lésion et l’état
cutané du patient. L’ensemble des lésions analysées est résumé dans le Tableau 5. La répartition
des âges des patients peut être visualisée sur la Figure 30. On en déduit que la moyenne d’âge des
patients ayant participé à l’étude est de 73,25 ans, avec un écart-type de 12,62 ans.
PATIENT LESION
Age Type de peau Phototype Localisation Diagnostic histopathologique
Patient 1 85 Sèche II Front CBC nodulaire
Patient 2 65 Sèche II Front CBC nodulaire
Patient 3 70 Sèche II Tronc CBC superficiel
Patient 4 88 Grasse II Front CBC nodulaire
Patient 5 - Lésion 1 Tempe CBC superficiel
51 Sèche III
Patient 5 - Lésion 2 Cou CBC superficiel
Patient 6 - Lésion 1 Tempe CBC nodulaire (ulcéré)
83 Sèche III
Patient 6 - Lésion 2 Joue CBC nodulaire (ulcéré)
Patient 7 63 Sèche II Joue CBC nodulaire
Patient 8 77 Sèche II Tempe CBC nodulaire (ulcéré)
Patient 9 92 Grasse III Joue CBC superficiel
Patient 10 69 Grasse II Nez Granulome inflammatoire aspécifique
Patient 11 90 Grasse II ? Non diagnostiquée (pas d'exérèse)
Patient 12 77 Grasse III Paupière CBC nodulaire (ulcéré)
Patient 13 47 Grasse II Tempe CBC nodulaire
Patient 14 62 Sèche III Membres CBC superficiel (tatoué)
Patient 15 - Lésion 1 Front Kératose actinique
Patient 15 - Lésion 2 70 Grasse III Tempe Bowen
Patient 15 - Lésion 3 Tempe CBC nodulaire (tatoué)
Patient 16 74 Grasse III Front CBC nodulaire (tatoué)
Patient 17 84 Sèche II Front CBC nodulaire et superficiel
Patient 18 77 Sèche II Membres CBC nodulaire et superficiel
Patient 19 43 Grasse II Joue CBC nodulaire (pigmenté)
Patient 20 81 Sèche III Cou Angiome
Patient 21 84 Sèche II Cou CBC nodulaire
Patient 22 72 Sèche II Tempe CBC nodulaire (tatoué)
Patient 23 79 Sèche III Tempe Trichofolliculome
Patient 24 82 Sèche III Joue CBC nodulaire
Patient 25 52 Grasse II Front CBC nodulaire
Patient 26 77 Sèche II Tempe CBC nodulaire
Patient 27 69 Sèche II Tempe CBC nodulaire
Patient 28 66 Sèche III Front CBC nodulaire
Patient 29 77 Sèche II Nez CBC nodulaire
Patient 30 67 Grasse II Nez CBC nodulaire
Patient 31 79 Grasse II Tempe CBC nodulaire
Patient 32 92 Grasse II Nez CBC nodulaire
Tableau 4 Informations relatives aux patients et lésions de l’étude, extraites des « fiches-patients ».
109
32 PATIENTS
Sexe Type de peau Phototype
18 hommes 13 peaux grasses 21 phototypes II
14 femmes 19 peaux sèches 11 phototypes III
36 LESIONS
Localisation Diagnostic histopathologique
 tempes (x11 lésions)  23 CBC nodulaires
 front (x8 lésions)  5 CBC superficiels
 joues (x5 lésions)  2 CBC nodulaires et superficiels
 nez (x4 lésions)  5 lésions non CBC
 cou (x3 lésions) Bowen
 membres (x2 lésions) Kératose actinique
 paupière (x1 lésion) Trichofolliculome
 tronc (x1 lésion) Hémangiome
 inconnue (x 1 lésion) Granulome inflammatoire aspécifique
 1 lésion non diagnostiquée
Pas d'exérèse car patiente sous Préviscan
(risque d'hémorragie)
Tableau 5 Bilan des patients et des lésions de l’étude.
Figure 30 Graphe affichant la répartition des âges des patients ayant participé à l’étude.
110
Résultats obtenus avec les spectres in vivo
DISCRIMINATION DES
CARCINOMES BASO-CELLULAIRES
ET DE LA PEAU SAINE
et
EVALUATION DE LA
MARGE LATERALE D’EXERESE DES
par spectroscopie Raman fibrée
111
RESULTATS ET DISCUSSION – SPECTRES IN VIVO
I- INTRODUCTION
1. Niveaux d’amélioration possibles de la prise en charge des CBC
Incertitude du diagnostic
Le diagnostic des cancers cutanés peut être difficile à établir. En effet, des lésions malignes peuvent
être confondues avec des lésions non-cancéreuses, et inversement. De même, parmi les lésions
malignes, certaines ont un potentiel plus agressif que d’autres, et il est parfois problématique de les
distinguer. Par exemple, le mélanome nodulaire peut mimer d’autres types de lésions nodulaires,
mélanocytaires et non mélanocytaires - CBC nodulaire inclus (43). La performance diagnostique
d’un praticien dépend largement de son expérience, et il n’est pas rare que les médecins généralistes
qui arrivent souvent en première ligne du parcours de soin, préfèrent orienter vers les
dermatologues des patients présentant des lésions bénignes, plutôt que de prendre le risque de
passer à côté d’une lésion potentiellement dangereuse. Quant aux médecins dermatologues, ils leur
arrivent aussi parfois de faire des erreurs de diagnostic malgré leur compétence. Actuellement, le
seul diagnostic définitif est obtenu après biopsie et analyse anatomopathologique. Le retrait
préventif de toutes les lésions suspectes chez un patient peut sembler une solution simple, mais
entraine des inconvénients tels que des douleurs per et post opératoires et des cicatrices pour le
patient parfois inutiles et associés à un coût non négligeable. Et cette solution est d’autant plus
irréaliste que certains patients, en particulier les personnes âgées, peuvent présenter de nombreuses
lésions suspectes. Le praticien a alors la responsabilité du choix et du nombre de lésions à biopsier
et dans ces conditions, il est possible de passer à côté d’une tumeur d’évolution agressive. Ce
contexte encourage le développement de méthodes non invasives de diagnostic in vivo fiable,
pouvant être utilisées à la fois par les généralistes et les spécialistes (44).
112
Détection non invasive en temps réel
Disposer d’une méthode diagnostique non invasive permettrait de supprimer la réalisation de

biopsies préalables aux analyses anatomopathologiques. De plus, cela permettrait d’éviter
d’éventuelles complications infectieuses et diminuerait également le coût global de prise en charge
des CBC. L’analyse en temps réel constituerait également une aide chirurgicale à la détermination
des marges d’exérèse latérales et profondes. En effet il faut que celles-ci soient suffisamment
grandes pour retirer la totalité de la tumeur, du stroma et du derme remanié afin d’éviter tout risque
de récurrence du CBC. Ces tumeurs se localisant souvent au niveau du visage, la détermination de
marges minimales représente un enjeu important. Dans le cas d’une excision chirurgicale standard,
les marges recommandées sont principalement définies par des facteurs de nature pronostique
(taille, topographie, récidive, etc.) et peuvent aller de 3 à 15 mm selon qu’il s’agisse de CBC de
pronostic global favorable ou défavorable (14). Dans le cas de la chirurgie de Mohs, qui est le
traitement permettant le plus faible taux de récurrence, la technique pourrait encore être améliorée
(en termes d’efficacité, de temps, de risque et de coût) en remplaçant les contrôles
anatomopathologiques successifs par un test diagnostic en temps réel.
Détection précoce
Diagnostiquer précocement une tumeur permet d’en diminuer la mortalité et la morbidité. Dans le
cas du CBC, l’évolution tumorale est lente, et la durée d’évolution ne constitue pas un facteur
pronostique pour ces lésions (14). Cependant chez 10 % des patients présentant un CBC, le
traitement n’est pas simple. En effet, il arrive que la tumeur montre un fort comportement destructif
local (latéral et en profondeur), un haut taux de récurrence, et même des métastases (45). En outre,
le diagnostic de toute lésion cutanée n’est actuellement envisageable que si celle-ci est visible ou
palpable, et le développement de méthodes capables de les détecter précocement avant l’apparition
des signes morphologiques visibles constitue aussi une perspective intéressante (46).
113
2. Intérêt de la spectroscopie Raman fibrée
La spectroscopie Raman est une méthode de caractérisation moléculaire et structurale qui a

fortement gagné en sensibilité ces dernières décennies grâce aux avancées technologiques en
ingénierie optique (développement du laser et augmentation du rendement des détecteurs en
particulier). La dernière génération de spectromètre Raman permet également un couplage à des
fibres optiques adaptées, et donc d’envisager des analyses en conditions expérimentales cliniques.
Méthode d’analyse moléculaire non invasive, fiable et reproductible, la spectroscopie Raman fibrée
est un outil potentiellement intéressant pour une amélioration du diagnostic actuel des CBC. Pour
notre étude, nous avons décidé de nous limiter à la discrimination des CBC de leur environnement
cutané puis à l’évaluation des marges d’exérèse latérale et profonde, avant d’envisager
ultérieurement un diagnostic différentiel des CBC par rapport à d’autres types de lésions cutanées.
La Figure 31 localise sur un spectre Raman cutané les marqueurs discriminant les CBC de la peau
non lésionnelle (NL) identifiés in vivo chez l’Homme par spectroscopie Raman dans la littérature.
Le Tableau 6 précise les travaux des équipes de recherche les ayant identifiés.
114
Figure 31 Bilan bibliographique des vibrations discriminant in vivo les CBC de la peau normale dans la région « fingerprint ». Le spectre Raman affiché a été obtenu à partir d’une coupe
congelée de peau humaine, avec un microspectromètre Raman LabRAM, après excitation par une source laser incidente de longueur d’onde 785 nm. Le spectre a été corrigé de la ligne de
base. Abréviation utilisée : u.a. pour unité arbitraire.
115
Tfayli – SPIE Newsroom – 2006

In vivo Raman analysis of human skin lesions
MATERIELS ET METHODES
Système optique Echantillons Paramètres expérimentaux
Puissance laser : 110 mW
Spectromètre Raman (830 nm) avec sonde CBC in vivo versus peau adjacente NL
Temps d’acquisition : 30s
SIGNAUX RAMAN DISCRIMINANT MISES EN EVIDENCE
Longueurs d’onde Tentative d’attribution Observation
1200-1250 cm-1 Amide III et phospholipdes Non spécifié
~ 1450 cm-1 C-H deformation mode Léger épaulement (CBC)
1685 cm-1 Amide I (protéines) Petit décalage de fréquence
Lieber – Laser Surg Med – 2008
In vivo nomelanoma skin cancer diagnosis using Raman microspectroscopy
Microspectromètre Raman (825 nm)
CBC in vivo versus peau adjacente NL Temps d’acquisition : 30 s
Sonde associée avec objectif (20x, 0,35 NA)
Profondeur d’acquisition : 40 µm
758-772 cm-1 Tryptophane Moins intense (CBC)
807-821 cm-1 Non assigné Plus intense (CBC)
1542-1556 cm-1 Tryptophane Moins intense (CBC)
Patil – Laser Surg Med – 2011
A clinical instrument for combined Raman spectroscopy – Optical Coherence tomography of skin cancers
Système combinant spectroscopie Raman (785 nm) Puissance laser : 40 mW
CBC in vivo versus peau adjacente NL
et OCT (1310 nm) avec sonde Temps d’acquisition : 30 s
Etirement symétrique de PO2 des
Pic centré vers 1090 cm-1 Moins intense (CBC)
squelettes d’acides nucléiques
Pic centré vers 1300 cm-1 Amide III, protéines Plus intense (CBC)
Pic centré vers 1440 cm-1 Protéines Plus intense (CBC)
Silveira – Proc. of SPIE – 2012
Diagnosing basal cell carcinoma in vivo by near-infrared Raman spectroscopy: a principal components analysis discrimination algorithm
Spectromètre Raman (830 nm) avec sonde CBC in vivo versus peau adjacente NL
Temps d’acquisition : 10 x 2 s
C-C du squelette des protéines
800-1000 cm-1 Plus intense (CBC)
Proline/ hydroxyproline/tyrosine
1250-1350 cm-1 C-N and N-H amide III Plus intense (CBC)
Philipsen – Photochem Photobiol Sci – 2013
Diagnosis of malignant melanoma and basal cell carcinoma by in vivo NIR-FT Raman spectroscopy is independent of skin pigmentation
CBC in vivo versus peau NL de patients Puissance laser : 120 mW
Spectromètre Raman à TF (1064 nm) avec sonde
sains Temps d’acquisition : 8 min
Pic centré à 1250 cm-1 Amide III Moins intense (CBC)
Ratio 1250 cm-1 / 1350 cm-1 Amide III / Lipides Moins intense (CBC)
Pic centré à 3250 cm-1 Eau Plus intense (CBC)
Tableau 6 Publications ayant identifié des pics Raman discriminant in vivo les CBC de la peau NL.
116
II- MATERIELS ET METHODES
1. Mise au point et évolution du protocole expérimental
Premier protocole
Le tout premier protocole expérimental avait pour objectifs principaux d’étudier la faisabilité de
l’utilisation de la spectroscopie Raman fibrée pour la discrimination des CBC nodulaires de la peau
saine, ainsi que l’adaptabilité de la technique aux contraintes cliniques. Dans ce but, nous
disposions d’un temps maximum de 5 minutes par patient pour l’analyse Raman in vivo, incluant
l’installation du patient dans la pièce attenante à la salle d’opération, qui nous a été dédiée pour les
acquisitions spectrales, le tracé de la limite d’exérèse par le chirurgien, la photographie de la lésion
avant et après acquisition, l’explication de notre étude au patient. En raison du temps d’acquisition
spectrale effectif réduit, nous avons fixé le nombre de spectres collectés à 6 avec un temps
d’acquisition de 5 secondes et 4 itérations quel que soit leur rapport signal sur bruit (Figure 32).
Au niveau de la lésion, trois spectres Raman seront enregistrés : un au centre de la tumeur (point
d’acquisition C) et deux autres de part et d’autre du premier (points C’). A l’intérieur de la marge
d’exérèse, deux spectres Raman seront collectés à des distances différentes de la lésion (points N’)
selon le grand axe et le petit axe de l’ellipse délimitant l’exérèse. Un dernier spectre Raman sera
également collecté hors zone excisée, à 1 ou 3 cm de la marge d’exérèse tracée par le chirurgien
(point N). Ce premier protocole a été appliqué pour les 21 premiers patients (25 lésions).
Figure 32 Points d’acquisition des spectres Raman issus du premier protocole.
117
Deuxième protocole
Les résultats encourageants obtenus avec le premier protocole nous ont amenés à envisager le
développement d’un algorithme permettant une discrimination automatique des lésions de CBC
nodulaires par rapport à des zones cutanées saines. Pour ce faire, et afin d’identifier des marqueurs
spectraux discriminants nécessaires à la construction d’un modèle robuste, il a été décidé en accord
avec les chirurgiens, d’augmenter le temps qui nous était imparti au bloc opératoire pour les
analyses spectrales. Ainsi, les temps d’acquisition des spectres Raman ont été augmentés pour les
11 derniers patients (22 à 32) - correspondant à 11 lésions, en les adaptant en fonction de la
fluorescence des régions cutanées analysées propre à chaque patient. Ainsi nous avons pu obtenir
des spectres avec des temps d’intégration de 30 secondes pour les zones peu fluorescentes. Pour ce
second protocole, le nombre d’itérations a été fixé à 3, et seuls des spectres au niveau des points
d’acquisition C et N, nécessaires à la construction du modèle, ont été enregistrés (Figure 33).
L’objectif fixé était d’obtenir au minimum 3 spectres C et 3 spectres N pour chaque patient.
Figure 33 Points d’acquisition des spectres Raman issus du deuxième protocole.
118
2. Patients, lésions et spectres bruts sélectionnés
Sélection des données
 1/ Sélection des patients

Sur les 32 patients ayant participé à l’étude, 9 ont dû être exclus d’emblée pour diverses raisons
(voir Tableau 7), et donc seules les données in vivo de 23 patients - soit 23 CBC, 1
trichofolliculome et 1 angiome - étaient effectivement exploitables.
Patient 1 CBC nodulaire

Patient 3 Pilosité thoracique importante
Patient 5 - Lésion 1 CBC superficiel
Patient 5 - Lésion 2 CBC superficiel
Patient 6 - Lésion 1 CBC nodulaire
Patient 6 - Lésion 2 CBC nodulaire
PROTOCOLE N°1
Patient 9 CBC superficiel

Patient 10 Bétadine appliquée sur la lésion
Patient 11 Absence de contrôle histopathologique car pas d’exérèse chirurgicale
Patient 14 CBC superficiel
Patient 15 - Lésion 1 Problème d’archivage informatique des données
Patient 16 Problème d’archivage informatique des données
Patient 17 Problème d’archivage informatique des données
Patient 18 Réaction cutanée au soleil suite à l’application d’une pommade
Patient 20 Angiome
Patient 23 Trichofolliculome
PROTOCOLE N°2

Patient 28 Début du cuir chevelu
Patient 32 Ulcération trop importante
Tableau 7 Diagnostic histopathologique des patients éligibles à l’étude in vivo et motifs d’exclusion des
patients non éligibles (zones grisées).
119
 2/ Sélection des lésions et spectres associés

Nous avons décidé de nous focaliser sur un seul sous-type de CBC : le CBC nodulaire, lésion la
plus représentée de notre étude. On en compte en effet 19 parmi les patients sélectionnés ci-dessus :
11 appartenant au premier protocole d’acquisition spectrale (1 spectre C, 2 spectres C’) et 8 au
second protocole (3 spectres C).
Par contre pour les zones non lésionnelles, nous avons considéré l’ensemble des spectres
acquis autour des 25 lésions sélectionnées du Tableau 7, quel que soit leur diagnostic
histopathologique : 16 appartenant au premier protocole d’acquisition spectrale (1 spectre N, 2
spectres N’), et 9 au second protocole d’acquisition spectrale (3 spectres N).
Théoriquement, nous disposions donc de 78 spectres pour la construction de notre

algorithme de discrimination (43 spectres N et 35 spectres C), de 32 spectres N’ pour l’évaluation
des marges latérales de sécurité et de 22 spectres C’ pour l’évaluation de l’hétérogénéité tumorale.
 3/ Tri des spectres

Dans l’objectif du développement d’un algorithme robuste, un tri des spectres a été effectué selon
la qualité du signal (profil aberrant ou atypique, saturation partielle, présence de spike, rapport
signal sur bruit) ou bien du fait d’une difficulté ou particularité expérimentale (suspicion de
déplacement de la sonde pendant l’acquisition dû à l’opérateur ou au patient, croute gênant le bon
positionnement du point d’acquisition, espace d’acquisition disponible étroit pour les C’ et les N’
se retrouvant trop à proximité de la limite tumorale ou du tracé au feutre de la limite d’exérèse,
etc.).
Le seuil du rapport signal sur bruit a été fixé à 3,75 en calculant le signal (à partir du pic
Raman centré à 1440 cm-1 correspondant aux déformations des groupements –CH2 et –CH3) et le
bruit (à partir de la zone non informative 2150-2250 cm-1).
120
 4/ Bilan des spectres retenus

Au final, nous avons retenu 60 spectres pour l’algorithme de discrimination, dont 49 spectres de
rapport signal sur bruit supérieur à 3,75 utilisés pour sa construction, et 11 spectres de rapport
signal sur bruit inférieur à 3,75 destinés à tester le modèle en conditions expérimentales difficiles.
Ces derniers correspondent soit à un temps d’acquisition trop court (1 er protocole) ou bien à une
peau particulièrement fluorescente (1er ou 2nd protocole).
Nous avons également retenu 16 spectres N’, 8 spectres C’ pour l’évaluation respective des
marges latérales d’exérèse et de l’hétérogénéité tumorale des CBC nodulaires ; ainsi que 7 spectres
de CBC superficiels pour analyse comparative. Ces derniers spectres appartenant tous au premier
protocole avec des temps d’acquisition réduits, beaucoup ont été exclus du fait du rapport signal
sur bruit inférieur à 3,75.
 5/ Remarque
Il est à noter qu’aucun spectre des patients 20 et 23 (seuls patients éligibles à l’étude in vivo à
diagnostic histopathologique autre que CBC) n’ont passé les différentes étapes de sélection de
spectres bruts, et que par conséquent ces 2 patients ne sont pas représentés dans cette étude. Au
final, seuls 21 patients (représentant 19 CBC nodulaires et 4 CBC superficiels) ont contribué aux
résultats obtenus.
Photographies des lésions sélectionnées
Les photographies des lésions sélectionnées pour notre étude ont été regroupées ci-dessous (sauf
lésion 1 : photographie indisponible). Les lésions pour lesquelles seuls les spectres acquis sur la
peau environnante (N et/ou N’) ont été retenus, sont indiquées par un astérisque (Figure 34 et
Figure 35).
121
 CBC nodulaires
Patient 2 Patient 4 Patient 6 - Lésion 1
Patient 6 - Lésion 2 Patient 7 Patient 8
Patient 12 Patient 13* Patient 19
Patient 21 Patient 22* Patient 24
122
Patient 25 Patient 26 Patient 27
Patient 29 Patient 30 Patient 31*

Figure 34 Photographies des 18 CBC nodulaires sélectionnés.
 CBC superficiels
Patient 5 - Lésion 1 Patient 5 - Lésion 2
Patient 9 Patient 14*

Figure 35 Photographies des 4 CBC superficiels sélectionnés.
123
III- RESULTATS ET DISCUSSION
1. Le fond spectral : avantage ou inconvénient ?
Généralités sur le phénomène d’autofluorescence tissulaire
Les ondes électromagnétiques suffisamment énergétiques (UV, visible et PIR proche du rouge)
peuvent permettre à une molécule de passer à un niveau d’énergie électronique supérieur. La
fluorescence est un des processus de relaxation permettant à la molécule de retrouver un état
énergétiquement stable.
La fluorescence concerne certains minéraux, des matériaux organiques et tous les types de
tissus biologiques (végétaux et animaux), puisque la cellule – plus petite unité manifestant les
propriétés du vivant – contient des molécules intrinsèques fluorescentes. Ces molécules sont
appelées fluorophores endogènes et la fluorescence résultante est appelée autofluorescence, par
opposition à celle obtenue grâce aux marqueurs exogènes de fluorescence (47)(48).
Les fluorophores endogènes cellulaires principaux sont des molécules très largement
distribuées au sein de l’organisme comme les coenzymes pyridiniques et flaviniques, les
porphyrines, les protéines contenant des acides aminés aromatiques, les lipo-pigments. Ainsi la
majorité de l’autofluorescence cellulaire a pour origine les mitochondries et les lysosomes (47).
Au niveau de la peau, s’ajoutent la kératine et la mélanine qui présentent également des propriétés
intrinsèques de fluorescence (49).
Au niveau tissulaire, la matrice extracellulaire contribue souvent plus à l’émission

d’autofluorescence que les composants cellulaires. En effet, l’élastine et le collagène donnent les
plus hauts rendements quantiques de fluorescence (47), principalement en raison de la présence de
certains types de liaisons transversales au sein de ces molécules (50) (51).
Ainsi les travaux d’une équipe canadienne portant sur l’autofluorescence de la peau in vivo
révèlent que bien que la densité de fluorophores endogènes cutanés soit plus importante dans la
couche cornée que dans le derme (négligeable dans la couche épidermique intermédiaire), les
photons d’autofluorescence émis par cette dernière couche contribue à environ 85 % au signal
d’autofluorescence mesuré sur la peau in vivo (contre environ 15 % pour ceux de la couche cornée).
En effet bien qu’il soit localisé plus en profondeur, le derme est très épais relativement à la couche
124
cornée et les fluorophores endogènes qu’il contient ont un rendement quantique de fluorescence
plus élevé. Ces résultats ont été obtenus à l’aide d’un système d’analyse spectral d’autofluorescence
et de réflexion diffuse associé à une source incidente laser de longueur d’onde visible (442 nm)
(48). Des résultats similaires ont été obtenus dans le domaine du proche infrarouge avec une source
laser de longueur d’onde 785 nm (52).
Le phénomène de fluorescence a été observé pour la première fois par Stokes en 1852. Le
potentiel diagnostique de l’autofluorescence tissulaire a été reconnu dès 1911 par Stubel mais en
raison de la faible intensité du phénomène, il a fallu attendre les années 1980 avec le développement
de détecteurs de haute sensibilité pour que se multiplient les études portant sur le sujet.
Aujourd’hui, les capacités discriminatives de l’autofluorescence tissulaire ont été maintes fois
démontrées et ouvrent des perspectives intéressantes pour le développement de nouvelles
techniques diagnostiques (47) (53).
Contribution de l’autofluorescence tissulaire au fond spectral
 En microspectroscopie Raman
La microspectroscopie Raman permet d’analyser facilement des échantillons sans préparation
particulière, et autorise donc l’étude de fragments biologiques très variés : cellules, coupes
tissulaires congelées ou paraffinées, pièces d’exérèse fraiches, tissus in vivo. Néanmoins, on a pu
constater que l’autofluorescence parasite de certaines molécules peut être particulièrement gênante
pour les études Raman. Avec une excitation proche infrarouge de 785nm, la mélanine par exemple,
présente une fluorescence de forte intensité, à tel point qu’aucun pic Raman de cette molécule n’a
pu être clairement enregistré. D’autres composés sont partiellement fluorescents (élastine,
collagène, ADN, ARN, glycogène…) alors que certains ne montrent aucune fluorescence
particulière (sérine, lysine acétylée, arginine acétylée, créatine, créatinine, …) (Figure 36).
Les échantillons biologiques, de composition et d’architecture moléculaires complexes,

présentent une fluorescence partielle en microspectroscopie Raman à 785 nm, quel que soit leur
état : in vitro (cellules vivantes, coupes congelées ou paraffinées), ex vivo (pièces d’exérèse) ou in
vivo. Cette fluorescence varie d’un point d’acquisition à l’autre, selon la zone analysée et sa
composition en fluorophores endogènes.
125
Figure 36 Spectres Raman bruts de produits purifiés et commercialisés par Sigma. (a) mélanine, (b) sérine, (c) collagène et (d)
élastine. Ces spectres ont été obtenus avec une longueur d’onde excitatrice de 785 nm et des temps d’acquisition adaptés au
degré de fluorescence de chaque molécule : 50 secondes (avec un filtre de densité optique), 5 secondes, 30 secondes et 30
secondes respectivement. (a) La mélanine est très fluorescente et a tendance à bruler avec le laser incident. L’utilisation d’un
filtre de densité optique pour atténuer la puissance du laser incident (P 0 / 103) a donc été nécessaire pour l’obtention de son
spectre Raman. Augmenter le temps d’acquisition n’augmente pas le signal Raman mais la fluorescence (ligne de base) et
augmente les risques de brulure de l’échantillon. (b) La sérine n’est pas fluorescente : la ligne de base est parfaitement
horizontale. Augmenter le temps d’acquisition permet d’améliorer le rapport signal sur bruit. (c) (d) L’élastine et le collagène
sont deux molécules partiellement fluorescentes. Le degré de fluorescence de ces deux molécules apparait similaire (ligne de
base proche pour un même temps d’acquisition). Dans ce cas, augmenter le temps d’acquisition permet d’améliorer le rapport
signal sur bruit mais également la fluorescence, la limite étant la saturation du détecteur (vers 60 000 u.a.).
 En spectroscopie Raman fibrée

Suite à l’enregistrement d’un grand nombre de spectres cutanés in vivo (zones saines ou tumorales)
avec le spectroscope Raman transportable Horiba HE (785 nm) associé à la sonde RamanProbe,
nous avons pu constater un fond spectral de profil particulier. Ce profil a vraisemblablement pour
origine les fluorophores endogènes cutanés et montre au premier abord un potentiel discriminant
entre peau tumorale et peau normale. En effet, dès l’acquisition des spectres bruts, une différence
significative d’intensité absolue a été observée entre les spectres des carcinomes baso-cellulaires
par rapport aux spectres de la zone saine. Ainsi pour un même temps d’acquisition, les signaux de
la peau tumorale sont moins intenses que ceux de la peau normale (Figure 37). Ce phénomène a
déjà pu être observé à de nombreuses reprises en spectroscopie de fluorescence pour la peau (46)
(54), mais aussi pour d’autres types tissulaires tels que le colon, l’utérus, les bronches, la vessie, le
cerveau (55).
126
Dans le cas des tumeurs cutanées, il est supposé que la sécrétion d’enzymes de dégradation des
protéines matricielles, induite par le développement tumoral, est à l’origine de cette différence de
fluorescence. En effet, cette dégradation entraine la perte des principaux fluorophores dermiques :
les fibres de collagène et d’élastine, et en particulier leur liaisons transversales (50) (51) (56) (57)
(58). L’importance de la diminution de fluorescence observée semble être relative au degré
d’invasion tumorale (56) (59). Comme le suggère des expériences de dégradation enzymatique in
vitro du derme (58), cette observation devrait pouvoir être vérifiée pour toute lésion entrainant une
désorganisation du derme, ce qui a été le cas avec les tumeurs malignes inclues dans cette étude
(CBC nodulaires et superficiels), les deux tumeurs précancéreuses (kératose actinique et Bowen),
ainsi que pour un cas de tumeur maligne vasculaire (hémangiome lobulaire).
Figure 37 Spectres Raman bruts in vivo de deux types de lésions cutanées différentes. (a) hémangiome. (b) carcinome baso-
cellulaire superficiel. Ces spectres ont été obtenus avec des paramètres d’acquisition identiques : source laser incidente de
785 nm de longueur d’onde, distance sonde-surface cutanée de 5 mm, temps d’acquisition de 5 x 4 secondes. Les spectres ont
été corrigés de l’offset.
Bien que reproductible, cette observation est difficile à utiliser en l’état. En effet, le niveau
d’intensité de fluorescence – et donc l’intensité seuil entre peau saine et peau lésée – étant propre
à une région cutanée pour un individu donné, elle ne se vérifie qu’en prenant les spectres de chaque
patient isolément. Lorsque l’on prend ensemble les spectres de la totalité des patients, cela se traduit
par un chevauchement important des spectres dû à l’importante variabilité des signaux bruts. Ceci
compromet le développement d’un algorithme de discrimination peau saine - peau lésée basé
uniquement sur le niveau d’autofluorescence, comme il l’a déjà été également constaté dans la
bibliographie (60). Par contre, l’association de l’information fournie par l’autofluorescence
127
tissulaire et de l’information Raman dans le but de délimiter ou de discriminer une lésion cutanée
donne des résultats intéressants (61) (62).
Contribution du système optique au fond spectral
Cependant il faut rester prudent dans l’interprétation des fonds spectraux obtenus in vivo, puisque
en spectroscopie Raman fibrée, les fonds dits « de fluorescence » (« fluorescence-like » en anglais)
obtenus à 785 nm ne sont pas seulement dus à l’autofluorescence tissulaire. En effet l’appareil de
mesure peut générer un fond additionnel créé par le dispositif d’excitation et de collection du signal
notamment les lentilles, les filtres, mais aussi les fibres optiques (type, longueur, ouverture
numérique) dont l’utilisation est nécessaire dans le cas de mesures déportées. En particulier les
fibres à verre de silice, comme la sonde RamanProbe, entrainent un fond spectral causé
principalement par les impuretés et les dopants utilisés pour sa production, le signal des différents
matériaux de gainage, ainsi que le signal Raman du cœur en verre de silice. Malgré cet
inconvénient, le verre de silice reste largement utilisé car c’est le composant qui permet la
transmission la plus efficace des ondes électromagnétiques PIR. Pour les échantillons biologiques,
ce fond est généralement plus important que le signal Raman d’intérêt, qu’il masque et déforme. Il
est possible d’utiliser des filtres optiques pour le limiter, mais de manière restant insuffisante (63)
(64). De nouvelles générations de fibres creuses actuellement en cours de développement
pourraient représenter une solution technologique à ce problème (65).
Dans la Figure 38, nous avons comparé les spectres Raman d’un échantillon partiellement
fluorescent à 785 nm (peau in vivo ou fraichement excisée), obtenus à partir de spectromètres
utilisant des dispositifs d’excitation et de collection différents. En utilisant un spectromètre fibré
confocal et une source laser incidente de 660 nm, on observe une diminution significative de la
fluorescence générant un spectre dont la ligne de base est quasiment horizontale. Un échantillon
similaire sondé à 785 nm à l’aide d’un spectromètre Raman non fibré entraine une ligne de base
plus intense et inclinée, due majoritairement à l’autofluorescence tissulaire. Le même échantillon
sondé à 785 nm avec un spectromètre associé à la sonde RamanProbe entraine un fond spectral
d’allure particulière, dont l’intensité varie considérablement. On observe en effet un maximum
d’intensité vers 630 cm-1 (826 nm) et une cassure très prononcée vers 900 cm-1 (845 nm) (trait
pointillé dans la Figure 38). Cette cassure pourrait correspondre à la juxtaposition d’au moins deux
fonds spectraux distincts (Figure 39).
128
Figure 38 Spectres bruts obtenus en fonction de l’appareil de mesure utilisé. (a) Spectres bruts de peau in vivo ou ex vivo
obtenus à l’aide de différents types de système Raman (b) Spectre de peau fraichement excisée, obtenu avec le spectroscope HE
de Horiba Jobin-Yvon associé à la sonde RamanProbe de InPhotonics et une source laser incidente de longueur d’onde 785
nm (c) Spectre du même échantillon, obtenu avec le spectromètre Raman LabRAM de Horiba Jobin-Yvon associé à un
microscope confocal avec objectif à longue frontale x100 et une source laser incidente de longueur d’onde 785 nm (d) Spectre
de peau in vivo, obtenu à une profondeur d’acquisition de 6 µm avec une microsonde confocale associée au spectromètre Raman
Sincerity de Horiba Jobin-Yvon et une source laser incidente de longueur d’onde 660 nm. Les différences de fenêtre spectrale
sont liées aux différences de réseaux entre les trois systèmes optiques, et les différences d’intensité sont liées aux différences
d’échelle d’intensité d’un système à l’autre et au choix des paramètres d’acquisition optimisé pour chaque appareil (volume
sondé, temps d’acquisition, puissance laser, etc.).
Figure 39 Principaux signaux de fluorescence modélisés, après filtration par moyennage (logiciel LabSpec) du spectre brut de
peau in vivo obtenu avec le système spectromètre HE / sonde RamanProbe.
129
Pour évaluer la part réelle de fond due à notre système optique et la fluorescence due à l’échantillon,
nous avons comparé le spectre de peau à un spectre de poudre de terbinafine - produit pur très peu
fluorescent à 785 nm (Figure 40 et Figure 41). Il apparait alors que la cassure du profil spectral à
900 cm-1 est d’autant plus prononcée que l’échantillon est fluorescent. De même, si l’on observe
un spectre d’échantillon très fluorescent tel que la mélanine, on observe toujours le maximum
d’intensité vers 630 cm-1, la cassure vers 900 cm-1, et au-delà une fluorescence très prononcée
dominant la totalité du spectre (Figure 42). Ainsi on peut conclure que le fond spectral en-dessous
de 900 cm-1 est majoritairement dû au système optique, alors que la partie supérieure est
conjointement due au système optique ainsi qu’à la fluorescence propre à l’échantillon.
Figure 40 Spectres Raman bruts d’une pièce d’exérèse cutanée obtenus avec une excitation laser de même longueur d’onde
785 nm mais avec des systèmes optiques différents. (a) Spectromètre Raman fibré. (b) Microspectromètre Raman (objectif x100).
La fluorescence due à l’échantillon se retrouve quel que soit le type de spectromètre utilisé. Dans le cas du spectromètre Raman
fibré, cette fluorescence cutanée s’additionne au fond dû à l’appareillage et accentue la cassure du profil spectral à 900 cm -1.
Le maximum de fluorescence (~ 1014 cm-1) de l’échantillon de peau obtenu avec le microspectromètre se retrouve sur le profil
spectral obtenu avec le système fibré.
130
Figure 41 Spectres Raman bruts d’un produit pur (terbinafine) obtenus avec une excitation laser de même longueur d’onde
785 nm mais avec des systèmes optiques différents. (a) Spectromètre Raman fibré. (b) Microspectromètre Raman (objectif x100).
L’échantillon étant peu fluorescent, le rapport signal sur bruit est très bon et la cassure de profil spectral à 900 cm-1 obtenue
avec le système Raman fibré est peu visible. Elle peut néanmoins être mise en évidence en traçant la ligne de base. La faible
fluorescence du produit pur (faible maximum à 1410 cm-1) s’additionne tout de même au fond du système optique fibré.
1318
1530
902
30000
Intensity (a.u.)
20000
10000
0
500 1000 1500 2000 2500 3000
Wavenumber (cm-1)
Figure 42 Spectres de la mélanine obtenus avec le système optique spectromètre HE - sonde RamanProbe. La fluorescence
importante de la mélanine à 785 nm, ainsi que les épaulements aux alentours de 1318 cm -1 et 1530 cm-1 se retrouvent dans le
spectre de la mélanine obtenus avec le microspectromètre Raman LabRAM (cf. Figure 36).
131
Dans la bibliographie, de nombreuses autres équipes de recherche ayant expérimenté différents

systèmes Raman fibrés font état d’un signal très intense vers les plus faibles nombres d’onde, en
général attribué au fond de la fibre, avec un maximum d’intensité compris entre 500 et 650 cm-1.
Cette variation de maximum d’intensité d’une étude à l’autre semble s’expliquer par les différentes
configurations de sondes utilisées (63) (64) (66) (67) (68). La fluorescence de la sonde est plus
importante de plusieurs ordres de magnitude par rapport à la fluorescence tissulaire, qui est elle-
même plus intense que les signaux Raman (63) (64).
Bilan des contributions : contradictions et hypothèses
En conclusion, on peut dire que le profil spectral particulier obtenu à 785 nm avec le spectromètre
HE associé à la sonde RamanProbe a pour sources principales le système optique, et également
l’autofluorescence tissulaire pour les longueurs d’onde supérieures à 900 cm-1.
Cependant, comment expliquer alors que les spectres bruts enregistrés sur une peau saine
ont globalement une intensité supérieure à ceux enregistrés sur une peau tumorale (cf. Figure 37),
si la majorité du fond spectral a pour origine le système optique et non pas l’échantillon sondé,
notamment pour les longueurs d’onde inférieures à 900 cm-1 ?
Cette observation pourrait s’expliquer par des phénomènes de réflexion en surface cutanée.
En effet on peut émettre l’hypothèse que la peau saine agirait comme une barrière optique
réfléchissante, et que la perte des propriétés cutanées causées par le développement d’une tumeur,
entrainerait la diminution des phénomènes de réflexion en surface cutanée. Ainsi, une peau saine
réfléchirait plus de rayons lumineux dans la fibre qu’une peau altérée, ce qui pourrait aussi
expliquer l’augmentation de la contribution du système optique au fond spectral observé lors de
mesures sur une peau tumorale par rapport à une peau saine.
Au final, la différence d’intensité des fonds spectraux observée sur la Figure 37

s’expliquerait à la fois par des différences de propriétés biologiques (autofluorescence) ainsi que
par des différences de propriétés physiques (réflexion) entre peau saine et peau tumorale.
132
Méthodes de correction du fond spectral
 Post-acquisition
Traditionnellement, la correction de la ligne de base des spectres vibrationnels se fait à l’étape de
prétraitement des spectres, après leur acquisition (cf. chapitre « Correction de ligne de base » dans
les prétraitements des spectres optiques vibrationnels).
 Pré-acquisition
Aucune des méthodes numériques auxquelles fait référence le chapitre précédent n’aboutit à une
correction de ligne de base parfaite, étant donné la complexité du phénomène sous-jacent. Aussi
pour faciliter ce prétraitement, il est recommandé d’anticiper le problème de fond, et en particulier
la fluorescence parasite, avant l’acquisition des spectres en choisissant des conditions d’acquisition
optimales (laser incident PIR par exemple).
 En cours d’acquisition (perspectives)

Les méthodes suivantes, intervenant au moment même de l’acquisition, sont intéressantes par leur
facilité d’application. En perspectives, il serait intéressant de tester leur adaptabilité en conditions
expérimentales cliniques et leur efficacité.
Utilisation du phénomène de photobleaching
Dans leur papier intitulé « Improving skin Raman spectral quality by fluorescence
photobleaching », l’équipe de Wang au Canada présente une méthode d’amélioration du rapport
signal sur bruit de spectres Raman de peau humaine in vivo, basée sur le phénomène de
photobleaching. En effet, il constate qu’une pré-exposition continue de la zone à analyser par le
laser incident, réduit significativement le phénomène d’autofluorescence tissulaire, et permet
ensuite une acquisition d’un spectre de bon rapport signal sur bruit en un temps d’acquisition réduit.
Ainsi, avec un temps d’exposition au laser 785 nm de l’ordre de 200 secondes, suivi d’un temps
d’acquisition du spectre Raman de 1 à 2 secondes, la fluorescence diminue d’environ 25 %, mais
le signal Raman reste quasi-constant. Il serait possible d’obtenir un phénomène de photobleaching
133
similaire avec une source lumière LED haute puissance, évitant ainsi l’utilisation pendant une
période d’exposition prolongée d’une source laser, plus invasive. Les limites de cette méthode sont
des temps d’acquisition fortement augmentés, et dans le cadre de la correction de ligne de base, le
fait qu’elle n’agit pas sur toutes les sources de fond spectral, mais seulement sur l’autofluorescence
tissulaire. D’autre part, il serait important de vérifier que le photobleaching ne modifie pas
temporairement le signal Raman cutané.
Modélisation rapide du fond spectral
Prendre les spectres de référence obtenus avec de l’aluminium, du KBr, du BaSO4 (69), ou pendant
une simple émission du laser permet de modéliser le signal de la fibre utilisée en spectroscopie
Raman. Il est ensuite possible de prendre en compte certains composants de la fibre (e.g. époxy,
saphir, …) en incluant leur spectre au modèle obtenu (63). Cependant comme nous l’avons vu dans
ce chapitre, le fond spectral a d’autres origines, qu’il faut prendre en compte dans la modélisation
si l’on veut s’en servir dans le cadre d’une correction de ligne de base. On sait que la fluorescence
est un phénomène beaucoup plus intense que la diffusion Raman, et qu’un temps d’acquisition trop
court donne un spectre avec peu de rapport signal sur bruit. Par conséquent, l’acquisition volontaire
d’un spectre de temps d’acquisition très court – juste avant le spectre d’échantillonnage, permettrait
l’obtention rapide d’un modèle du fond spectral, qui pourra être lissé si nécessaire avant d’être
soustrait du spectre d’intérêt (à l’instar du signal du support de coupes tissulaires devant être
enregistré au préalable, pour ensuite être soustrait des spectres bruts, afin d’isoler le signal de
l’échantillon en microspectroscopie Raman). Le fond spectral variant avec l’échantillon et le point
d’acquisition, ce spectre devrait être acquis avant chaque spectre d’échantillonnage. Dans le cadre
de notre étude clinique, un spectre de quelques secondes serait suffisant.
134
2. Résultats soumis
L’objectif de la publication présentée ci-après était de démontrer que la spectroscopie Raman fibrée
pouvait être utilisée en milieu clinique pour aider à l’identification des marges nécessaires à
l’excision de CBC. D’abord une classification non supervisée a permis de confirmer la présence
au sein des spectres Raman in vivo d’une information intrinsèque permettant la discrimination des
spectres de peau saine et de CBC. Puis un algorithme de classification, basé sur la PCA/ALD, a
montré la possibilité de distinguer ces types de peau avec une sensibilité de 100 % et une spécificité
de 96,77 %. L’évaluation des marges d’excision a été réalisée en projetant des spectres collectés
en périphérie de la lésion et localisés au sein de la marge d'exérèse définie par le chirurgien. Enfin,
les nombres d’onde les plus discriminants de la région "fingerprint" ont pu être identifiés au moyen
d'une analyse statistique multivariée.
135
136
IN VIVO TUMORAL DISCRIMINATION WITH FIBERED RAMAN SPECTROSCOPY
AND ASSESSMENT OF THE LATERAL EXCISION MARGIN IN BCC SURGERY
ABSTRACT
The objective of the study was to demonstrate the clinical applicability of Raman spectroscopy in
the context of the identification of exeresis margin during basal cell carcinoma surgery. For this
purpose, in vivo spectra were acquired using a commercial fiber-based Raman set-up from 18
patients just before the excision of their skin carcinoma. A classification multivariate model based
on principal component analysis - linear discriminant analysis processing was implemented to
distinguish lesional from normal skin spectra. Then, spectra acquired in the excision margin areas
were projected on this model. For four lesions, on the basis of the Raman data, the margin appeared
insufficient. In particular, one of these lesions has later required a further surgical intervention. In
addition, the discriminant spectral vibrations were identified using a statistical multivariate method.
We found that the wavenumbers with the highest discriminatory values correspond in rank (most
discriminant to least) to nucleotides and proteins vibrations (1322-1331 cm-1 and 1342-1345 cm-
1
), polysaccharides vibrations (1116-1120 cm-1 and 1148-1149 cm-1), peptide bond vibrations of
the amide I (1640 cm-1, 1645-1647cm-1 and 1697cm-1), and further polysaccharides vibrations
(1020-1022 cm-1). Unsupervised classification using the most discriminatory wavenumbers
permitted to maximize the sensitivity and specificity performances. Additionally, we have noticed
a difference of background intensity between Raman spectra registered on basal cell carcinoma
and on normal skin. Such a feature could be useful, as an exploration modality, to speed up the
Raman investigation of tumor margin delineation.
137
INTRODUCTION
Currently, one third of cancers diagnosed worldwide is a skin cancer. These cancers comprise two
main types: non-melanoma skin cancers (NMSC) and melanoma skin cancers (MSC). It occurs
between 2 and 3 million NMSC and 132,000 MSC worldwide each year (70). NMSC is the most
common cancer affecting white-skinned population. Because its incidence is continuously globally
raising, NMSC is an increasing problem and cost for healthcare services worldwide (71).
NMSC includes 2 main subtypes of lesions: Basal Cell Carcinoma (BCC) and Squamous
Cell Carcinoma (SCC). BCC is the most common and accounts for 80 % of NMSC. BCC is rarely
lethal and metastasize only in a very small number of cases (18), but in case of inadequate treatment
or late diagnosis, BCC can destroy important anatomical structure (nose, eye, ear, lip…) and
become very challenging to treat with a good cosmetic result and can even become inoperable (18).
Surgical treatment is often disfiguring and painful (70).
Diagnosing skin cancer is not easy, in particular for general practitioner, and often requires
to wait few weeks for expert judgment of dermatologist. In addition, the diagnosis remains
subjective and it’s not rare to excise false-positive or to miss the lesion. In United Kingdom for
example, a study shows that about 88 % of 2-week wait urgent referrals for suspected aggressive
skin cancer turn out to be non-malignant (18). As diagnosis according to clinical examination relies
essentially on physician experiment, it gives an overall sensitivity for NMSC of 56-90 % and an
overall specificity of 75-90 %, with the highest accuracy value for BCC diagnosis. The use of a
dermascope – the most widely accepted and most frequently used non-invasive imaging tool in
dermatology – permits to improve these values with a sensitivity for BCC diagnosis from 87 % to
96 % and specificity from 72 % to 92 % (11). But the mastery of dermoscopy is greatly related to
time for learning and to the expertise of the physician (28). These facts highlight a need for better
138
recognition and early diagnosis of skin cancer. Currently, the reference method for skin diagnosis
is the histopathological assessment of biopsies, which is time-consuming, expensive, invasive,
potentially mutilating, painful and carry a risk of infectious wound complications. Furthermore,
histopathology is also a subjective assessment, first because several NMSC classification systems
exist worldwide and secondly an inter-observer differences ranging from 1.2 to 7 % has been
reported (11).
Besides, during surgical excision of BCC in France, security margins of exeresis are
delineated in accordance with the recommendations of health services: from 3 to 10 mm depending
on prognosis of the lesion (14). Despite this practice, recurrence rate after 5 years of surgical
excision for primary BCC is between 5 and 10 %. In fact, the more effective surgical treatment for
BCC is Mohs Micrographic Surgery (MMS) (1 % recurrence rate) which is based on sequentially
removing of small layers of skin. The procedures consists in an extemporaneous histopathological
assessment of these thin skin flaps. MMS finishes when the samples indicate that cancer cells are
completely removed. This treatment allows maximum tissue conservation while assuring to be
tumor-free. However, it’s a very meticulous methods requiring sufficient human resources to
implement an effective coordination between surgeons and histopathologists (72).
In this context, Raman spectroscopy appears as a candidate technique to help the clinicians
in the medical care of BCC. This is an analytical method which allows exploration of material
composition and structure. With technical development (laser, detector, probe…), Raman
spectroscopy is a booming tool usable in vivo in real-time examination based on non-destructive
interaction between light and matter. This biophotonic technique is able to probe vibrational levels
of molecular bonds to access molecules’ composition and structures in a label-free manner.
Previous in vitro studies on thin tissue sections have shown this techniques is able to diagnose
cancers from different kind of tissues (esophagus, lung…) (73) (74), and in particular BCC in skin
139
sections (75) (76), encouraging to test the method directly in patients. Indeed, with the development
of Raman probe, in vivo measurements are now feasible. A lot of studies have allowed to test these
new developed Raman devices, especially on skin which is the more accessible organ (77) (78)
(79) (80) (81). In addition, other pathologies have been investigated by in vivo Raman spectroscopy
(82) (83).
About in vivo BCC discrimination from normal skin, to date, few algorithms have already
been tested. In 2008, Lieber et al. have got to 100 % sensitivity, 91 % specificity and overall
accuracy of 95 % for skin abnormalities classification (versus normal skin) including 9 BCCs (84).
In 2012, Lui et al. have tested in almost real-time (2s acquisition time) identification of a
consequent number (n=518) of skin lesions including 109 BCCs. Concerning classification of
cancerous and precancerous skin conditions vs benign skin lesions, they reached a specificity of
41 % for a sensitivity of 95 % (85). In the same year, Silveira et al. implemented a principal
component analysis discrimination algorithm with patients scheduled to undergo resectional
surgery of BCC lesions, which can discriminate BCC from normal skin with 83 % sensitivity and
88 % specificity (86). In 2013, Philipsen et al. have realized a BCC classification versus normal
skin including 25 BCCs. They obtained 88 % sensitivity and 85.5 % specificity (87). In 2015,
Schleusener et al. used partial least squares discriminant analysis to discriminate normal skin and
different type of skin lesions. Thirty-two of whom were BCCs and were discriminated from normal
skin with a balanced accuracy of 73 % (68).
About in vivo definition of excision margins using Raman spectroscopy, Haka et al. have
correctly assessed excision margins in 9 patients undergoing partial mastectomy due to breast
cancer, using a previously-developed diagnostic algorithm (88). And concerning BCC, Keller et
al. proved that in vivo Raman spectroscopy can detect malignancy-associated molecular changes
that can thus be used to assessed excision margins, based on cancer field effect (89).
140
The aim of the study was to evaluate an in vivo handheld Raman spectroscopy device to
distinguish BCC versus normal skin in a non-invasive way and to control the excision margins. For
that, in vivo Raman spectra were acquired on patients with suspected BCC and who underwent
surgical excision procedure. A reliable in vivo discrimination algorithm was developed, and tested
with spectra collected in degraded conditions for mimicking real clinical environment. Then, lateral
resection margins were assessed using this algorithm and most important molecular changes
between BCC and normal skin have been identified.
141
MATERIALS AND METHODS
Patients’ recruitment
Patients with suspected BCC were invited to participate to the study. Subjects were recruited from
patients scheduled to undergo surgical excision of their lesion. Informed consent was obtained from
each volunteer. A total of 32 people were included in this investigation from 43 to 92 year-old
(mean age: 73). Some of them came for surgery of 2 or 3 suspected BCCs, and a total of 36 lesions
were examined with the Raman probe spectrometer. Patients were made comfortably lying on the
back so as to prevent movement during the data collection. Ambient light was switched off during
Raman acquisition times. Spectral data were collected just before the tissue excision.
Raman probe spectrometer
A miniaturized Raman device - high efficiency Raman spectrometer (Horiba Jobin Yvon,
Villeneuve d’Ascq, France) coupled with an optic fiber - RamanProbeTM (InPhotonics, Norwood,
MA, USA), was used. The set-up was equipped with a laser diode delivering an excitation at 785
nm, and a Charge-Coupled Device (CCD) detector. The RamanProbeTM consisted in permanently-
aligned combination of two single fibers (105 µm excitation fiber, 200 µm collection fiber) with
filtering and steering micro-optics, N.A. 0.22, in rugged polyurethane jacket. Data acquisition and
instrument control were governed by the LabSpec 5 software (Horiba Jobin-Yvon, Villeneuve
d’Ascq, France). Before measurements on each patient, calibration of the Raman spectrometer was
verified by using signal of neon and Raman response of a Petri dish. Dependency of the detector
as function of wavelength was also evaluated by means of a NIST (National Institute of Standards
and Technology) material. The incident power was adjusted at 35 mW at the probe exit. Dark
current with the laser off was registered after each patient to measure the electronic noise of the
142
system. Raman probe was equipped with a plastic end piece which allows ensuring stability during
spectral measurements, and also to adjust the working distance. The piece was alone in contact
with patient skin, and was cleaned with distillated water and alcohol between each patient.
Preliminary tests were performed in our laboratory on about 20 volunteers to assess the optimal
working distance in terms of efficiency of Raman collection. A distance of 5 mm was thus retained.
In vivo spectra acquisition
For the first 21 patients, we wanted to assess if Raman experiments is compatible with routine
conditions of clinics. Acquisition time of spectra was fixed to 5 seconds with 4 iterations whatever
the collected signal quality. For the next 11 patients, we acquired optimized spectra with acquisition
time adjusted from 5 to 30 seconds with 3 iterations according to the fluorescence of the analyzed
skin area. This was possible thanks to the collaborative dermatologist that arranged the patient
recruitment to have sufficient time for the Raman acquisitions.
However, we noticed that some spectra with maximized acquisition time have poor signal-
to-noise ratio (SNR), particularly when patient presented a high fluorescent skin. On the contrary,
some spectra with limited acquisition time (4x5 s) displayed satisfying SNR. Finally, to construct
the classification algorithm allowing to distinguish BCC from normal skin, only spectra of SNR
superior to 3.75 were selected, whatever acquisition parameters. The remaining spectra where then
considered as representative of degraded conditions that can be met in clinical environment.
Four specific acquisition points were defined for the in vivo study as displayed in the Figure
1. The point C was located in the center of the nodular BCC lesion, and point N outside the excised
margin, at a distance of 1 to 3 cm from the lesion, where the skin was identified as clinically normal
by the surgeon. When possible, 2 other spectra were recorded inside the excision margin and along
the 2 axes of the ellipse defining the excision margin. These 2 spectra were named Nmargin.
143
Anatomopathologists analysis
After surgical excision and spectral acquisition, histopathological confirmation for the type of the
lesion was performed using hematoxylin and eosin staining of tissue sections from formalin-fixed
paraffin-embedded excised sample. Finally, 5 lesions out of 36 were proved not to be BCC and
were not considered.
Spectra pretreatments
First, raw spectra have been rigorously sorted out following several steps. All experimental
difficulties (e.g. patient or operator movement, hair presence in skin area) or particular profile of
spectra (e.g. aberrant, spikes presence) were excluded. Then, only spectra from a particular subtype
of BCC - nodular BCC - were kept. Finally, signal-to-noise ratio was evaluated for each spectrum,
using the 1440 cm-1 peak as reference, and the 2150-2250 cm-1 spectral area for noise assessment.
In total, data from 19 nodular BCC lesions were effectively exploited.
Selected spectra were cut in order to only keep the fingerprint spectral window from 950
cm-1 to 1750 cm-1, which contains the main molecular information for biological samples when
using dispersive Raman set-up with a 785 nm excitation wavelength. Afterwards, spectra were
smoothed by the Savitzky-Golay (SG) procedure, using a window length 7 and a 2nd-order
polynom, next baseline corrected using a 6th-order polynomial function and finally vector-
normalized. These pretreatments were shown to improve the following classification results.
Spectra treatments
Hierarchical Cluster Analysis (HCA) is an unsupervised clustering method to class data without a
priori knowledge. This process allows grouping spectra according to their statistical similarity. To
perform this processing, we use a customized Matlab software implemented in our laboratory.
144
HCA algorithm requires to compute metric distances between spectral clusters and to choose a
method to aggregate them. Euclidean distances and Ward’s criterion for linkage were selected. At
the beginning, each spectrum is considered as one cluster. First, the two closest clusters are
gathered in a new cluster. Then, the Euclidean distances are afresh computed by taking into account
this new cluster. This process is repeated until to end up with one ultimate cluster. The result is
displayed in a hierarchical tree called dendrogram.
Principal Component Analysis (PCA) is a multivariate statistical analysis method used to
eliminate redundant information in vibrational spectra. Indeed, Raman spectra correspond to a
quantitative assessment of electromagnetic wave scattering phenomena for a range of wavenumber
called here original variables. PCA creates new synthetic variables called Principal Components
(PCs) containing the main signal variance and in the same time, reduces dimensionality, and creates
a new representation space. Amongst the calculated PCs, only those expressing the most variance
in the data are selected. It is then possible to identify back the original variables contribution by
the analysis of PC loadings, that represents the weight of each wavenumber in the variance
expressed for each PC.
Linear Discriminant Analysis (LDA) is a supervised classification method which implies
to have available a set of spectra already assigned to different classes by means of specific
membership values. The spectrum is affected to the class which presents the highest membership
value. From this database called training set, LDA algorithm finds in a first step the linear function
which best discriminate these defined classes. Then, any new spectrum is positioned relative to the
different classes. LDA permits to establish a prediction model.
In this paper, the model implemented is based on the combination of PCA and LDA. First,
PCA is performed on spectra of training set mainly in order to suppress the redundant information,
then LDA is applied on spectra projected on the computerized PCs. The validity of the model is
145
assessed by using Leave-One-Out Cross-Validation (LOOCV) at the patient level. This validation
process consists in the exclusion of one element (one patient here) before applying PCA/LDA
algorithm. Spectra of the patient left aside are then used to test the discriminant function. The result
is given in terms of sensibility and specificity, according to the correct classification of spectra
acquired from tumoral and normal skins respectively. LOOCV is repeated as many times as the
number of patient included in the training set used to construct the prediction model. The final
result is an average of the sensibility and specificity values obtained with all the loops of LOOCV.
Randfeatures Matlab function is used to identify the more discriminating wavenumbers
between groups of data (90) (91) (92) (93). It run through several steps. A score is attributed to
each spectral wavenumbers; before beginning the process, all scores are equal to zero. The first
step is a spectral data reducing to 15 randomly selected wavenumbers. Then inside each class of
spectra, mean spectrum is calculated and subtracted from each spectrum of the classes. Afterward,
a LDA classification is performed at the end of which each spectrum is ascribed with a belonging
percentage to the predicted clusters. Classification prediction is considered as correct for a
spectrum, when his belonging percentage if superior to 50 % (confidence threshold) for its real
cluster. If with the selected 15 wavenumbers, 95 % (performance threshold) of the whole spectra
are correctly classified, these wavenumbers are retained and have their score incremented of 1. In
other case, scores of the 15 wavenumbers remains unchanged. These steps are repeated 1000 times.
Of course, one wavenumber can be randomly chosen several times. At the end of the process, the
wavenumbers can be order according to their score value. It can occur several wavenumbers obtain
the same score value and fill the same rank. Score value is related to the discriminant power of the
wavenumber and determines its relevancy in the classification.
146
RESULTS
Discriminating normal and lesional skin from baseline intensity of raw spectra
As first observation, it appeared that raw spectra of normal and lesional skin in each individual
differ by their level of fluorescence-like background (Figure 2). These spectral backgrounds
originate both from optical system used for experiments (Raman probe in particular) and from skin
conditions. Interestingly, we observed that – without any pretreatment – spectra of one BCC lesion
present a lower fluorescence-like background than neighboring normal skin. This occurs when
looking at whole spectra from each patient separately. This could be explained by extracellular
matrix degradation during skin tumor development, leading to the loss of the main fluorophore
dermal compounds: collagen and elastin crosslinks (50) (51).
But fluorescence-like background level changed considerably amongst patients, and the
observation of the spectra of all patients together didn’t allow a visual distinction of tumor from
normal skin due to this strong interpatient variability. Nevertheless, it could be interesting to make
use of this background as a preliminary exploration step by performing a rapid mapping of the skin,
in order to roughly localize the limit between normal skin and altered skin before preforming
Raman measurements.
Discriminating nodular BCC and normal skin Raman spectra with unsupervised
classification method
Set of raw Raman spectra (18 C spectra and 31 N spectra) was first preprocessed as mentioned in
Material and Method paragraph (950-1750 cm-1 cutting, SG smoothing, polynomial baseline
correction and vectorial normalization) in order to correct fluorescence-like background. Resulting
tumoral and normal skin mean spectra are displayed in Figure 3a, with their respective standard
147
deviation. At a first sight, it appeared numerous spectral differences which can be possibly
discriminative between the two types of spectra. In order to assess the relevancy of these specific
spectral signatures, HCA processing was performed to cluster the spectra according their statistical
similarity (Figure 3b). We were indeed able to see a rather good clustering of in vivo spectra
acquired from nodular BCC and normal skin. The HCA processing led to a sensitivity of 88.8 %
and a specificity of 93.5 %, confirming that Raman spectra contained intrinsic discriminative
spectral features.
Discriminating Model development for clinical projection
In order to implement an algorithm able to automatically recognize nodular BCC spectra from
normal skin spectra, PCA/LDA algorithm using LOOCV method was employed. Spectra set used
for this step is the same than for the HCA previously shown and was pretreated in the same way,
plus a final subtraction of mean spectra of the set, allowing to more easily access to the
discriminating information between the two clusters. Several numbers of PCs were tested, and we
finally retained the eight first PCs, which appeared the best compromise between specificity and
sensitivity as the resulting model achieved the values of 96.77 % and 100 % respectively with
spectra of good SNR (superior to 3.75). Considering additional PCs didn’t improve the
discriminating power of the algorithm. In addition, beyond the eighth rank, PCs presented an
important noise content. The cumulated variance of these eight first PCs represented 71.11 % of
the total variance.
In order to project our approach for possible clinical use, the model was run on an external
test of 11 spectra of SNR lower than 3.75, mimicking degraded acquisition conditions. Among
them, 3 acquired on normal skin were correctly classified in the normal skin class. For the 8
acquired from nodular BCC, only 3 presented a probability of belonging to tumoral skin higher
148
than for the normal skin class. However, it appeared that the misclassified spectra of this external
set presented the lowest SNR (inferior to 3). This result shows the importance to implement in real-
time quality tests during spectra acquisition to ensure the reliability of the spectral diagnosis.
Investigation of the data variance by PCA
Then we investigated the PC loadings of the implemented algorithm to highlight which
wavenumbers contribute to the variance. Eight PCs were chosen for constructing the model, but
the majority of information were contained in the first three, which explain half of the variance:
20.2 %, 19.78 % and 9.72 % of the variance for PC1, PC2 and PC3 respectively. More precisely,
the spectral regions corresponding to 990-1010 cm-1 (polysaccharides, symmetric breathing of
phenylalanine cycle), 1082-1096 cm-1 (polysaccharides, hydrocarbon chain of ceramide, PO-2
symmetric vibration of DNA), 1280-1310 cm-1(amide III, -CH2 lipids, saccharides, nucleotides),
1316-1350 cm-1 (proteins, lipids, nucleotides, polysaccharides), 1531-1543 cm-1 (C=C, N-H) and
1631-1653 cm-1 (C=O amide I, C=C lipids) were identified (Figure 4) (94).
Spectral markers identification
In addition to the analysis of PC loadings and to focus on the most discriminant wavenumbers
between nodular BCC and normal skin, the Randfeatures Matlab function was used to make a
variable selection. This algorithm allows to assign a score related to the discriminating power for
each of the 801 wavenumbers of the selected spectral windows 950-1750 cm-1. The identified
wavenumbers were classified from the most discriminating to the least. Figure 5a depicts the
ordering of the wavenumbers. The most discriminating wavenumber with a score of 90 corresponds
to 1324 cm-1. In our approach, we retained the 76th first wavenumbers scoring from 90 to 29. This
149
last point was selected since it corresponded to a particular point with a change in the slope of the
curve as visible in Figure 5a.
These 76 most discriminant wavenumbers were used to perform a HCA classification on in
vivo spectra. A performance of 100 % of sensitivity and 100 % of specificity were achieved when
discriminating between normal and tumoral spectra (data not shown). These wavenumbers have
been highlighted with purple vertical lines in Figure 5b. It has been noticed that many of them
match to wavenumbers contributing to the variance of the first three PCs used in the implemented
prediction model (see Figure 4). In order to best visualize which wavenumbers have the strongest
discriminant power, the 32 wavenumbers filling the 21st rank (score above 38) are framed by black
vertical lines and ranged from 1 to 4 according to their respective decreasing score as illustrated in
Figure 5a. Wavenumbers with higher discriminating powers, belonging to the 1322-1331 cm-1 and
1342-1345 cm-1 spectral window (circled number 1), are attributed to the nucleotide and protein
content of the skin. Secondly, were identified wavenumbers from the 1116-1120 cm-1 and 1148-
1149 cm-1 spectral windows attributed to polysaccharides (circled number 2), followed by
wavenumbers mainly attributed to the Amide I band, precisely 1640 cm-1, 1645-1647 cm-1 and
1697 cm-1 (circled number 3). In fourth position, the 1020-1022 cm-1 wavenumbers attributed to
polysaccharides, and few wavenumbers belonging the 1728-1746 cm-1 spectral window (circle
number 4), which can be attributed to lipids (94). The discriminant powers of these last
wavenumbers is hard to determine due to their positioning at the cutting edge of the spectral range
(Figure 5b).
Assessment of the excision lateral margin
After having demonstrated the ability of Raman probe to distinguish nodular BCC from normal
skin, we compared spectra collected in the neighboring of the lesion, to the spectral signatures of
150
the two reference classes (tumor and normal skin) previously determined by the LDA prediction
model. For that, 16 “Nmargin spectra” surrounding 9 lesions were submitted to the model that gave
for each spectrum the membership probabilities to the two reference classes. Table 1 indicates
these membership values for the Nmargin spectra arranged according to the distance of the
measurement point from the tumor. Since Nmargin points were acquired near cutting edge of the
exeresis, this distance also allowed to know the width of excision margin. Logically, a majority of
the Nmargin spectra (12/16) presented a membership to the normal skin class. However, 4 spectra
were classified in the tumoral skin class. We noticed these spectra were collected at the shorter
distance from tumor edge. The result could reflect malignity features in the in vivo probed skin
areas, meaning that excision margins would have been too narrow. Interestingly, one of these 4
acquisition points (marked in Table 1 with asterisks) belongs to the only BCC lesion of the study
for which exeresis were not considered as complete after histopathological assessment.
151
DISCUSSION
BCC diagnostic performance of dermatologists was estimated at 70 % (26). They can improve their
score by using dermoscopy, but only those who are the more experienced with this technique are
able to attain 96 % of sensitivity and 92 % of specificity (11). On the contrary, a device of Raman
spectroscopy can be implemented with an intuitive software requiring a minimal training period
without particular expertise in biophotonics nor in data processing and it could be even used in first
line by general practitioner. This biophotonic technique can be a relevant automatic tool to improve
dermatologists’ performance since it has the potential to discriminate in vivo BCC lesions from
normal skin as demonstrated in this study. Moreover, we can notice that all C spectra were correctly
classified as tumoral skin with our algorithm, and this is an important critical point not to miss out
a tumoral skin lesion which has to be removed. Spectral windows 1322-1331 cm-1 and 1342-
1345 cm-1, mainly attributed to nucleotides and proteins, presented the higher discriminating value.
About exeresis margin assessment, we use spectra acquired on “supposed non tumoral” skin
located inside the excision margin (Nmargin spectra). It appears that four of these spectra have a
high probability of membership to tumoral skin. Interestingly, these spectra corresponded to BCC
lesions for which excision margins were narrow. And amongst them, one corresponded to the only
BCC lesion for which a new surgery was required.
Moreover, we have found out that fluorescence-like background of in vivo Raman spectra
are less important when acquired on BCC lesion than on normal skin. This difference at the level
of the intensity in spectral background was also observed in vitro on skin thin sections (data not
shown). This is mainly explained by extracellular matrix degradation in BCC. We can propose to
use this distinctive feature in order to rapidly map the skin with short acquisition time (less than 1
second). In this way, it would be possible to approximatively delineate the tumor previously to
Raman acquisitions which require longer acquisition time especially to ensure data quality.
152
In the future, the prediction model will be reinforced by including a substantial number of
supplementary patients, in order to taking into account the spectral variability of the skin. It will
also be enriched with Raman signal from lesions often confused with BCC.
153
Figure 1. Schematic view of the 4 acquisition points chosen for the in vivo BCC study. The
excision margin defined by the surgeon is materialized. In most cases, excision skin area was
ellipse-shaped as drawn, in order to facilitate surgical reconstruction.
154
Figure 2. Raw Raman spectra registered using the in vivo Raman probe spectrometer before
BCC exeresis. Red spectra correspond to tumoral spectra and blue one to adjacent skin spectra
(C spectra and N spectra, respectively). All spectra were acquired with same acquisition
parameters (5x4 s acquisition time). Spectra were only offset-corrected and are representative of
overall data obtained.
155
Figure 3. Pre-processed C and N spectra submitted to HCA. (a) Mean and standard deviation of
C (in red) and N (in blue) spectra. (b) Dendrogram obtained after HCA processing of the set of in
vivo spectra. Two spectra among the 31 spectra from normal skin, and 2 among 18 from nodular
BCC, were misclassified and materialized by dotted lines.

156
Figure 4. Loadings of the 3 first principal components. PC1: black solid line. PC2: dotted line.
PC3: gray line. Predominant vibrational bands of the loadings are highlighted within the green
frames.
157
Figure 5. Identification of discriminating wavenumbers using Randfeatures processing. (a) Values of the discriminant score assigned
to the 801 wavenumbers of the 950-1750 cm-1 spectral window. The identified wavenumbers are ordered from the most discriminant to
the least, with associated scores spreading from 90 to 5. The 76 most discriminant wavenumbers (score ≥ 29) are indicated by the purple
frame. The first 32 wavenumbers (score ≥ 38) are materialized with black horizontal lines, they can be grouped in 4 distinct spectral
regions. (b) The 76 most discriminant wavenumbers have been reported for visualization on mean in vivo pre-processed spectra of
normal (blue spectrum) and tumoral skin (red spectrum). Black lines indicate the 32 most discriminating wavenumbers, and purple lines
the following 44 wavenumbers.
158
Table 1. Membership probabilities to
normal or tumoral skin classes for Nmargin
spectra
Probability of Probability of
membership to membership to
normal skin areas tumoral skin areas
d1 < 2 mm
˂ 0.001 ˃ 0.999
˃ 0.999 ˂ 0.001
˃ 0.999 ˂ 0.001
0.435* 0.565*
0.993 0.007
˃ 0.999 ˂ 0.001
˃ 0.999 ˂ 0.001
˃ 0.999 ˂ 0.001
0.178 0.822
2 mm < d < 3 mm
0.018 0.982
˃ 0.999 ˂ 0.001
˃ 0.999 ˂ 0.001
˃ 0.999 ˂ 0.001
˃ 0.999 ˂ 0.001
3 mm < d < 5 mm
˃ 0.999 ˂ 0.001
˃ 0.999 ˂ 0.001
1
The Nmargin spectra have been collected
at different distances d from the edge of the
BCC lesion.
* Spectrum collected at the vicinity of the
lesion for which exeresis were not
complete.
159
3. Résultats non concluants
Variabilité intratumorale
Les spectres Raman C’ permettent d’étudier l’hétérogénéité tumorale des CBC nodulaires in vivo.
A l’issue des différentes étapes de tri des données, 8 spectres C’ de rapport signal sur bruit supérieur
à 3,75 collectés sur 4 lésions et issus de 4 patients différents sont disponibles. Les spectres ont subi
le même prétraitement que celui décrit dans le papier soumis ci-dessus, et tout comme les spectres
N’, leurs probabilités d’appartenance aux deux classes de référence (peau normale et peau
tumorale) définies par le modèle de prédiction LDA ont été calculées. De manière surprenante,
pour chaque patient, 1 spectre sur 2 a une plus haute probabilité d’appartenir à une zone cutanée
non tumorale. Le choix des points d’acquisition des spectres in vivo semble expliquer cette
observation (Figure 43).
Patient 4 Patient 8 Patient 21
Figure 43 Photographies des lésions utilisées pour l’évaluation de la variabilité intratumorale. Localisation des points
d’acquisition des spectres Raman in vivo. Les photographies du CBC nodulaire in vivo du patient 1 ne sont pas disponibles.
Les flèches rouges indiquent les points C enregistrés en limite des zones tumorales.
160
On remarque en effet sur les photographies des patients 8 et 21 qu’un point C’ sur deux se trouve
dans une zone plus limite du CBC. Le cas du patient 4 est un peu différent puisque la lésion est
surélevée. On remarque qu’un des points C’ a été enregistré en dehors de la partie en relief du CBC
(spectre enregistré sur la zone cutanée avoisinante particulièrement rouge). La photographie de la
lésion du patient 1 n’est pas disponible mais il est fort probable que l’on se retrouve dans un cas de
figure similaire.
En résumé, le modèle de prédiction que nous avons développé reconnait bien comme
tumoraux les points C’, non acquis au centre de la lésion, mais se situant quand-même avec
certitude en zone tumorale. Le modèle semble donc bien prendre en compte l’hétérogénéité
tumorale existante en surface cutanée. Par contre, les points C’ dont la localisation est plus ambiguë
et/ou qui se trouvent à la limite des zones cutanées tumorales et non tumorales, ne sont pas reconnus
comme tumoraux. Il doit donc exister dans ces régions cutanées limitrophes une coexistence de
caractéristiques de peau tumorale et de peau saine. L’existence d’un gradient de « malignité » est
possible. Le faible nombre de spectres C’ ne nous permet pas d’analyse plus approfondie.
161
Variabilité intra- et inter-patient
La fonction Matlab Randfeatures permet d’identifier les longueurs d’onde discriminantes entre
deux groupes de spectres et de les classer selon leur pouvoir discriminant. L’utilisation des 76
premières longueurs d’onde les plus discriminantes - obtenues avec cet algorithme - pour la
réalisation d’une CHA permet une discrimination parfaite des spectres C et N, avec 100 % de
sensibilité et de spécificité (cf. publication soumise).
Cependant au sein de notre panel de spectres, il existe d’autres sources de variabilité de la

peau liées aux caractéristiques physiologiques propres à chaque individu (ex : le sexe, l’âge, le type
de peau, le phototype, les variations hormonales, l’indice de masse corporelle, le temps cumulé
d’exposition solaire), et aux propriétés tissulaires variant d’une localisation à une autre au sein d’un
même individu (ex : l’épaisseur, la pilosité, le relief, l’hydratation, la pigmentation, les dommages
liés à l’exposition solaire, les structures subcellulaires, les différences en composition lipidique et
protéique) (95).
Par conséquent, nous nous sommes demandé dans quelle mesure la variabilité intracutanée
ou interpatient peut-elle influencer les résultats de classification ? Nous avons donc testé des
combinaisons différentes de longueurs d’onde pour réaliser la CHA, et nous avons constaté que
bien que les résultats de classification obtenus sont moins bons, les spectres de notre étude se
regroupent quand-même préférentiellement selon leur caractère C ou N. Par exemple si on
sélectionne la totalité de la fenêtre spectrale d’acquisition, on obtient une sensibilité de 93,5 % et
une spécificité de 88,8 % (cf. publication soumise). Le caractère « tumoral » ou « sain » est donc
reconnu par la méthode de spectroscopie Raman comme la source de variabilité physiologique la
plus importante entre les spectres. Et au sein de chacun des deux groupes C et N, on peut observer
encore au niveau du dendrogramme des regroupements entre spectres. Ces regroupements sont-ils
liés à un paramètre physiologique particulier ?
Pour répondre à cette question, nous nous sommes reportés aux informations disponibles
sur les fiches-patients remplies par le chirurgien dermatologue. Le Tableau 8 rassemble les
données relatives à ces sources de variabilité cutanée intrapatient ou interpatient. Cinq critères
peuvent être pris en compte : l’âge du patient, le sexe du patient, le type de peau, le phototype et la
région cutanée évaluée.
162
Sexe Type de peau Phototype Région cutanée Age

Patient 1 F Sèche 2 Front 85
Patient 2 H Sèche 2 Front 65
Patient 4 F Grasse 2 Front 88
Lésion 1 Tempe
Patient 5 F Sèche 3 51
Lésion 2 Cou
Lésion 1 Tempe
Patient 6 H Sèche 3 83
Lésion 2 Joue
Patient 7 H Sèche 2 Joue 63
Patient 8 F Sèche 2 Tempe 77
Patient 9 F Grasse 3 Joue 92
Patient 12 F Grasse 3 Paupière 77
Patient 21 F Sèche 2 Cou 84
Patient 22 H Sèche 2 Tempe 72
Patient 24 H Sèche 3 Joue 82
Patient 25 H Grasse 2 Front 52
Patient 26 F Sèche 2 Tempe 77
Patient 27 H Sèche 2 Tempe 69
Patient 29 H Sèche 2 Nez 77
Patient 30 H Grasse 2 Nez 67
Patient 31 F Grasse 2 Tempe 79
Tableau 8 Détail des caractéristiques individuelles et cutanées du panel de patient susceptibles d’entrainer des variations
physiologiques de la peau interpatient ou intrapatient, pour les 18 patients et 20 lésions sélectionnés de l’étude in vivo.
Une recherche bibliographique montre que l’influence de ces facteurs sur l’état physiologique
cutané est variée et complexe. Sommairement, on peut dire que les hommes ont une peau plus
épaisse et pigmentée que les femmes, et que l’âge entraine une évolution importante du relief
cutané (déstructuration du réseau microdépressionnaire et développement des rides) et affecte aussi
certaines propriétés cutanées telles que son élasticité ou son éclat. Les peaux qualifiées de
« grasses » résultent principalement d’une suractivité des glandes sébacées, et les peaux dites
« sèches » d’une modification de la cohésion et de la fonctionnalité des cornéocytes. Les
phototypes définis par Fitzpatrick sont issus d’une classification des différentes qualités de peaux
à partir de la couleur des cheveux et de la carnation des individus, ainsi que de la présence ou
l’absence d’éphélides. Cette classification permet de prédire les réactions cutanées vis-à-vis des
irradiations UV. Les différences physiologiques entre les sujets de phototypes clairs, et ceux de
phototypes foncés sont généralement plutôt quantitatives que qualitatives. En effet, la structure
cutanée est similaire, mais l’on peut observer par exemple, pour les phototypes clairs, des
mélanosomes de taille plus petite et concentrés au niveau des couches superficielles de l’épiderme,
163
ou encore des cornéocytes moins nombreux dans la couche cornée. De plus comme nous l’avons
abordé plus haut, chez un même individu, des différences physiologiques importantes existent aussi
selon le site anatomique de mesure, et également à l’intérieur d’un même site anatomique. Ainsi
concernant l’épaisseur cutanée par exemple, une étude menée chez une population d’origine
caucasienne a montré que cette épaisseur était inférieure au niveau de l’avant-bras par rapport au
front, mais l’on peut aussi mesurer des différences d’épaisseur au sein même de l’avant-bras ou du
front (96).
La Figure 44 montre le résultat de CHA obtenu avec les 49 spectres enregistrés in vivo
éligibles pour la construction d’un algorithme de discrimination, et en utilisant les 76 longueurs
d’onde les plus pertinentes identifiées avec la fonction Matlab Randfeatures. On peut voir sur le
dendrogramme obtenu que les spectres se séparent en 2 clusters principaux : l’un regroupe la
totalité des spectres C (enregistrés sur un CBC) et l’autre la totalité des spectres N (enregistrés sur
la peau environnante). En observant isolément chacun de ces clusters principaux, on remarque que
les spectres issus d’un même individu ont majoritairement tendance à se regrouper dans des sous-
clusters. Il y a donc bien - dans le résultat obtenu - une influence de la variabilité existant entre les
patients.
Figure 44 Dendrogramme résultant de la classification des 49 spectres in vivo pris en zones cutanées tumorales (spectres C) ou
avoisinant les tumeurs (spectres N). Les spectres issus d’un même patient sont indiqués par des accolades quand ils sont
regroupés en sous-cluster ou par des traits pointillés lorsque ce n’est pas le cas. Remarque : les 2 spectres C du patient 6
proviennent de 2 lésions différentes.
164
Afin d’évaluer l’influence de la variabilité intrapatient, les origines anatomiques d’enregistrement

des spectres ont été mises en évidence sur la Figure 45. Il n’est pas observé clairement sur le
dendrogramme de regroupements des spectres enregistrés au niveau d’un même site anatomique.
La variabilité intrapatient semblerait donc moins importante que la variabilité interpatient. Mais ce
postulat doit être nuancé car tous les spectres in vivo utilisés pour la CHA ont été enregistrés au
niveau du visage. La variabilité de la peau sur les différentes parties du visage n’est peut-être pas
suffisamment importante pour pouvoir agir sur le résultat de classification. En effet, bien qu’il soit
rapporté dans la littérature un impact de la variabilité intracutanée sur les résultats obtenus en
spectroscopie Raman, cela concerne généralement des mesures sur des sites anatomiquement plus
éloignés. D’autre part, les variabilités intrapatient et interpatient ne s’excluent pas l’un l’autre et
existent simultanément, ce qui peut expliquer que la variabilité de la peau du visage - qui parait
relativement plus faible - soit masquée par celle existant entre les différents individus ayant
participé à l’étude.
avoisinant les tumeurs (spectres N). Le code couleur permet de différencier les sites anatomiques d’enregistrement des spectres
(cf. Tableau 8) : le front (blanc), les tempes (gris clair), les joues (gris foncé), les paupières (bleu clair), le cou (bleu
intermédiaire), le nez (bleu foncé).
165
Regardons à présent plus en détail les différentes sources de variabilité interpatient : l’âge, le sexe,
le type de peau et le phototype des patients sont considérés dans les Figure 46, Figure 47, Figure
48 et Figure 49 respectivement. Concernant l’influence du sexe des patients (Figure 46), on
observe deux groupes distincts dans le cluster des spectres N : le premier ne contenant que des
spectres de 4 patients masculins, le second avec une majorité de spectres de patients féminins (8
femmes pour 4 hommes représentés dans ce sous-cluster). Par contre, aucun rassemblement des
spectres selon l’âge des patients n’est visible sur le dendrogramme (Figure 47), et cela même en
considérant seulement deux groupes qui distingueraient les patients « les plus jeunes » (de 51 à 69
ans) des patients « les plus âgés » (de 72 à 92 ans). Concernant l’influence du type de peau sur la
classification, on peut observer dans la Figure 48 un regroupement des spectres N des patients 6
et 9 à peaux grasses. Pour le phototype, on remarque dans la Figure 49 l’existence d’un sous-
cluster regroupant les spectres des patients 6 et 12 de phototype 3. Cependant pour ces deux
derniers cas, il s’agit de clusters isolés non représentatifs des tendances du reste du dendrogramme.
Il apparait donc que - parmi les différents critères de variabilité interpatient analysés ici - le sexe
des patients est celui qui impacte le plus le résultat de classification. Toutefois, notre panel de
patients n’inclut que des individus relativement âgés (plus de 51 ans) et de phototypes proches (2
et 3), ce qui peut expliquer l’absence d’effet visible de ces critères dans le résultat. Et concernant
le type de peau (gras ou sec), il existe une part de subjectivité dans cette classification pouvant
gêner pour ce type d’étude.
Si l’on s’attarde sur le cluster regroupant les spectres C, il est difficile d’observer une
quelconque influence de ces critères dans le rassemblement de ces spectres, même s’agissant du
sexe des patients. En effet, les spectres C de notre étude ont été enregistrés sur 7 hommes et 3
femmes, et les spectres issus de ces-dernières sont clairement dispersés dans des sous-clusters
différents (Figure 46). Cependant on dispose de moins de spectres C que de spectres N, ce qui
pourrait expliquer l’absence de retentissement visible de ce critère dans le dendrogramme obtenu.
De plus, les spectres C sont enregistrés sur des tumeurs cutanées ; hors, les critères de variabilité
interpatient étudiés sont avant tout définis pour la peau saine. En outre, pour un même type de
tumeur cutanée, la variabilité de la peau tumorale interpatient (tout comme la variabilité
intrapatient) est logiquement moins importante que celle de la peau saine d’architecture complexe.
166
avoisinant les tumeurs (spectres N). Le surlignage gris indique les spectres enregistrés sur des patients de sexe féminin
(cf. Tableau 8). Les autres spectres ont été enregistrés sur des hommes.
avoisinant les tumeurs (spectres N). Le code couleur permet d’identifier dans quelle tranche d’âge se situe les patients sur
lesquels ont été mesurés les spectres (cf. Tableau 8) :50-60 ans (blanc), 60-70 ans (gris clair), 70-80 ans (gris foncé), 80-90 ans
(bleu).
167
avoisinant les tumeurs (spectres N). Le surlignage gris indique les spectres mesurés sur des peaux identifées comme « grasses »
par le chirurgien-dermatologue (cf. Tableau 8). Les autres spectres ont été enregistrés sur des peaux « sèches ».
avoisinant les tumeurs (spectres N). Le surlignage gris indique les spectres mesurés sur des peaux de phototype 3 (cf. Tableau
8). Les spectres non surlignés sont enregistrés sur des peaux de phototype 2.
168
En conclusion, la variabilité interpatient impacte les résultats de classification. L’état

physiologique cutané d’un individu est défini collectivement par différents critères et il est donc
difficile d’évaluer la part réelle de chacun de ces critères sur la variabilité intrapatient mesurée.
Cependant, le sexe des patients semble avoir plus d’influence sur notre résultat de classification
que leur type de peau (gras ou sec), en sachant que ce dernier critère est défini de façon relativement
subjective. La diversité de notre panel de patients ne nous permet pas d’évaluer clairement
l’influence de l’âge et du phototype, ainsi que de la variabilité intracutanée. Bien-sûr ces résultats
préliminaires sont à prendre avec précaution étant donné le faible nombre de patient inclus, auquel
s’ajoute le nombre réduit de spectres par patient ; et demandent à être confirmés sur un panel plus
large.
169
Carcinomes Baso-Cellulaires superficiels
Comme nous l’avons abordé dans le chapitre consacré au CBC (paragraphe « Définition et sous-
types »), la diversité clinique et histologique des différents sous-types de cette lésion est source de
subjectivité pour leur diagnostic différentiel. D’autant plus que la terminologie servant à leur
description n’est parfois pas utilisée de la même façon d’un ouvrage à l’autre : une même
dénomination pouvant décrire une même forme et inversement. Ainsi une étude réalisée en 2001
montre une reproductibilité inter-pathologistes de 97,8 % pour le diagnostic de CBC, mais elle
chute à 83,4 % pour le diagnostic précis du sous-type histologique (97). Hors, connaitre avec
certitude le sous-type histologique de CBC permet de prendre des décisions thérapeutiques bien
adaptées lors de la prise en charge (14). Contrairement au CBC nodulaire, le CBC superficiel, peut
généralement être traité par voie médicamenteuse, évitant ainsi toute excision chirurgicale (18).
Enfin, d’un point de vue technique, il est aussi intéressant de savoir si la spectroscopie Raman est
une méthode assez sensible pour distinguer différents sous-types d’une même lésion tumorale.
Nous disposons de 7 spectres de CBC superficiels (3 C et 4 C’) issus de 2 patients différents avec
lesquels différents tests ont été réalisés.
La réalisation d’un nouveau modèle de prédiction ACP-LDA par LOOCV avec le jeu de
spectres C de CBC nodulaires et les spectres C de CBC superficiels permet une distinction idéale
des 2 types de spectres (100 % de bonne classification). Si les spectres C’ de CBC superficiels sont
projetés dans ce modèle, ils ont une probabilité d’appartenir à la classe de CBC superficiels
supérieure à 99,9 %. De même pour les spectres de CBC nodulaires de rapport signal sur bruit
inférieur à 3,75 qui obtiennent une probabilité d’appartenance supérieure à 99,9 % d’appartenir à
la classe de CBC nodulaires. Les résultats obtenus sont identiques si le modèle est construit en
utilisant les spectres C et C’ de CBC nodulaires ainsi que les spectres C et C’ de CBC superficiels
(Figure 50).
170
Score des composantes principales
0.4 CBCs superficiels (C et C')

CBCs nodulaires (C et C')
CBCs nodulaires (C de faible RSB)
Composante principale n°3 0.3
0.2
0.1
-0.1
-0.2
-0.3
Co
m
po 0.4
sa
nt 0.2
ep 0
rin -0.2 0.2 0.3
ci -0.1 0 0.1
pa -0.4 -0.3 -0.2
le -0.4
n°
6 Composante principale n°1
Figure 50 Représentation 3D du modèle de discrimination des CBC superficiels et des CBC nodulaires selon les CP 1, 3 et 6.
Ce modèle a été construit à partir de 7 spectres de CBC superficiels (3 spectres C et 4 spectres C’) et 26 spectres de CBC nodulaires
(18 spectres C et 8 spectres C’), et testé avec 8 spectres C de CBC nodulaires de faible RSB.
Si on réalise un autre modèle de prédiction permettant de distinguer spectres de peau environnante

et spectres de CBC superficiels, construit avec les spectres N et les spectres C et C’ de CBC
superficiels, on obtient 100 % de sensibilité et 93,5 % de spécificité. Les spectres N de rapport
signal sur bruit inférieur à 3,75 projetés dans ce modèle ont une probabilité supérieure à 99.9 %
d’appartenir à la classe de peau normale environnante (Figure 51).
171
Scores des composantes principales
0.2
0.1
Composante principale n°3
-0.1
-0.2
-0.3
-0.4
Zones cutanées non tumorales (N)
CBCs superficiels (C et C')
-0.5
-0.5 Zones cutanées non tumorales (N de faible RSB)
Com
posa 0
n te pr -0.4
i nci p -0.1 -0.2 -0.3
a l e n° 0.5 0.2 0.1 0
6 0.4 0.3
Figure 51 Représentation 3D du modèle de discrimination des CBC superficiels et des régions cutanées non tumorales selon
les CP 2, 3 et 6. Ce modèle a été construit à partir de 7 spectres de CBC superficiels (3 spectres C et 4 spectres C’) et 31 spectres
N enregistrés sur de la peau environnant des lésions de CBC nodulaires ou superficiels. Le modèle a ensuite été testé avec 3
spectres N de faible RSB.
Ces résultats préliminaires sont encourageants par rapport à la possibilité de la spectroscopie

Raman de pouvoir distinguer in vivo des sous-types de cancers cutanés. Cependant, étant donné le
faible nombre de spectres in vivo de CBC superficiels disponibles, on ne peut malgré tout pas en
tirer de conclusions significatives. Des investigations supplémentaires incluant un nombre de
spectres plus important doivent donc être envisagées.
Le développement d’algorithme à 3 classes est également à prévoir. En effet notre

programme ne permet le développement que de modèles de prédiction à 2 classes. Comme l’on
pouvait s’y attendre, un modèle de prédiction construit avec les spectres N pour la première classe,
et les spectres C de CBC des deux sous-types (nodulaires et superficiels) pour la deuxième classe
diminue la sensibilité de notre modèle à 90,5 % (par rapport au modèle développé dans le papier
soumis qui n’incluait que les spectres N et C de CBC nodulaires). Par contre la spécificité atteint
alors les 100 % (données non montrées). L’augmentation de la variabilité dans la classe tumorale
(due au regroupement des spectres de CBC superficiels avec les spectres de CBC nodulaires) et
par conséquent la diminution (relative) de la variabilité de la classe saine pourraient éventuellement
expliquer la perte de sensibilité et le gain de spécificité.
172
Il est également à noter, concernant les CBC superficiels, une observation particulière suite aux
travaux d’évaluation des marges d’exérèse latérales inclus dans l’article soumis. La projection des
points N’ dans la représentation 3D du modèle de prédiction (N vs C de CBC nodulaires) montre
le regroupement spatial des points N et N’ collectés autour des CBC superficiels. D’autre part, ces
points se situent légèrement à l’écart des points N et N’ de CBC nodulaires (Figure 52). Au sein
de chaque groupe de patients, différents âges et différents types de peau étant représentés, le
regroupement observé ne peut être lié à ces critères. Ce constat nous amène à nous demander si les
peaux permettant le développement de CBC superficiels pourraient présenter des caractéristiques
biologiques distinctes des peaux sur lesquelles se développent des CBC nodulaires.
Scores des composantes principales

0.3
Spectres N
Spectres C
0.2 Spectres N'
0.1
-0.1
-0.2
-0.3
-0.4
-0.4 -0.3 -0.2 -0.1 0 0.1 0.2 0.3
Figure 52 Représentation bidimensionnelle du modèle de prédiction développé à partir des 18 spectres C de CBC nodulaires et
des 31 spectres N enregistrés sur zones cutanées non tumorales situées en dehors des marges d’exérèse définies par le
chirurgien(cf. papier soumis). Les 16 spectres N’ enregistrés sur des zones cutanées non tumorales à l’intérieur des marges
d’exérèse ont été projetés dans la représentation 2D. Le cercle en pointillés bleus regroupe 7 des 8 spectres pris en zones cutanées
non tumorales au voisinage de CBC superficiels (N et N’).
173
IV- CONCLUSION ET PERSPECTIVES
Nous avons développé un modèle permettant de différencier in vivo les CBC nodulaires de la peau
saine avec une spécificité de 96,77 % et une sensibilité de 100 %. Cet algorithme a permis de
repérer avec succès le seul CBC nodulaire de l’étude ayant nécessité une reprise chirurgicale
quelques mois plus tard. Les nombres d’onde discriminants ont ensuite été précisément identifiés
et classés selon leur pouvoir discriminant. Les fenêtres spectrales 1322-1331 cm-1 et 1342-
1345 cm-1 sont les plus discriminantes. Elles correspondent aux vibrations des nucléotides et des
protéines. Puis par ordre de pouvoir discriminant, les nombres d’onde 1020-1022 cm-1, 1116-
1120 cm-1, 1148-1149 cm-1 (polysaccharides) et 1640 cm-1, 1645-1647 cm-1, 1697 cm-1 (amide I)
ont aussi été identifiés comme hautement discriminants. Il est possible d’obtenir 100 % de
sensibilité et 100 % de spécificité en utilisant les 76 nombres d’onde les plus discriminants
identifiés par l’algorithme Randfeatures.
Nous avons également mis en évidence que, pour chaque patient, les fonds des spectres
bruts in vivo enregistrés en zone tumorale sont moins intenses que ceux enregistrés en zone saine.
Cette caractéristique pourrait être mise à profit pour une exploration rapide de la zone cutanée à
analyser. Une cartographie sur la base du fond spectral permettrait un repérage grossier de
l’extension tumorale, et ainsi d’optimiser l’analyse Raman sur des points ciblés.
De plus, nous avons montré la capacité de la spectroscopie Raman de distinguer in vivo

deux sous-types de CBC (nodulaire et superficiel). Cependant ces résultats demandent à être
confirmés étant donné le faible nombre de spectres in vivo de CBC superficiels disponibles.
Il semblerait également que le sexe des patients influe de manière minime sur les résultats
de classification et qu’il existerait un gradient de malignité du centre vers le bord de la lésion
tumorale.
174
En perspective, nous suggérons quelques points à explorer en vue de la poursuite de ces travaux de
recherche :
1°/ D’un point de vue expérimental, nous insistons sur l’importance de l’étape d’acquisition
des spectres. Dans une telle étude, incluant un nombre de patients relativement faible, il est
primordial que l’enregistrement des spectres soit d’emblée efficace. En condition clinique, il n’y a
pas de deuxième essai possible. Cela peut passer en particulier par l’amélioration du matériel
d’acquisition avec notamment de nouvelles générations de sondes Raman. Par exemple, des sondes
confocales permettent de cibler une profondeur d’acquisition précise en diminuant le phénomène
d’autofluorescence. Ou encore, l’association avec d’autres techniques telles que l’OCT permettrait
une visualisation précise de la zone cutanée à analyser. D’un point de vue pratique, la nécessité
d’éteindre la lumière avant et après chaque acquisition (pour visualiser la zone d’acquisition et
vérifier qu’il n’y a pas eu de déplacement durant l’enregistrement) était très contraignante.
Certaines sondes actuellement sur le marché pallient ce problème. En outre, garantir l’absence
totale de mouvements (du patient et de la sonde) pendant des temps d’acquisition de plus d’une
minute et dans l’obscurité est délicat. Equiper la sonde d’un bras articulé avec un système de
fixation de la tête de mesure de la peau garantirait sa stabilité.
2°/ La prochaine étape en vue de l’approche Raman pour aider à l’ajustement des limites
d’exérèse est l’organisation d’une étude clinique incluant un nombre conséquent de patients. Cette
étape permettra de renforcer la robustesse du modèle, ce qui est nécessaire pour prendre en compte
la variabilité interpatient.
3°/ Pour l’utilisation de l’algorithme à une fin diagnostique, il reste encore à intégrer au
modèle la signature Raman d’autres lésions cutanées, en particulier celles qui sont susceptibles
d’être confondues avec un CBC.
4/ Il serait intéressant de prendre également en compte la signature spectrale des sous-types

de CBC. Dans ce cas, l’utilisation d’un algorithme de classification séquentielle semble la plus
appropriée. Cet algorithme permettra d’identifier d’abord le type de lésion cutanée ; puis s’il s’agit
d’un CBC, d’identifier de quel sous-type il s’agit.
175
Résultats obtenus avec les spectres ex vivo
(et des spectres in vitro de référence)
EVALUATION DE LA MARGE
PROFONDE D’EXERESE DE
par spectroscopie Raman
176
RESULTATS ET DISCUSSION – SPECTRES EX VIVO (ET IN VITRO DE REFERENCE)
I- INTRODUCTION
Afin d’étudier la marge profonde d’excision des CBC nodulaires ex vivo, les pièces d’exérèse ont
été incisées au niveau de la lésion tumorale, puis des spectres points ont été enregistrés de la surface
cutanée vers la profondeur. L’objectif premier était d’identifier des marqueurs Raman de la tumeur
cutanée potentiellement utilisables pour l’évaluation en temps réel des marges profondes d’exérèse
(aide à la prise de décision chirurgicale).
L’idée de la démarche expérimentale était de comparer les spectres ex vivo enregistrés à

proximité de la surface cutanée et ceux enregistrés à proximité du lit tumoral ; les premiers étant
assurément enregistrés en zone tumorale, les derniers étant logiquement localisés au niveau de la
marge chirurgicale de sécurité. En pratique cependant, sur la tranche des pièces d’exérèse,
l’étendue de la marge profonde de sécurité était difficile à évaluer visuellement. Il a donc été décidé
plutôt d’analyser l’évolution des principaux pics Raman cutanés de la région spectrale
« fingerprint » de la surface vers la profondeur de la peau. Les images spectrales acquises sur les
coupes fines des mêmes pièces d’exérèse ont servi de référence.
De plus, étant donné les observations faites sur les fonds des spectres Raman in vivo, nous
avons voulu également examiner le comportement des fonds des spectres Raman issus des pièces
tumorales excisées (ex vivo et in vitro). Les résultats sont présentés dans une deuxième partie.
177
En vue de l’analyse Raman, le chirurgien procède à la coupe de la pièce d’exérèse en deux ou trois
morceaux, en prenant soin de passer par la zone tumorale. Lorsque nous disposions de
suffisamment de temps, des spectres ont ensuite été enregistrés à intervalle régulier de la surface
vers la profondeur sur une des tranches de la pièce d’exérèse (Figure 53), d’abord directement au
bloc opératoire avec le spectromètre fibré HE, puis au laboratoire de recherche avec le
microspectromètre Raman LabRAM. Ces successions verticales de spectres acquises de la surface
vers la profondeur sur la tranche des échantillons fraichement excisés seront nommées par la suite
« lignes ». Les pièces d’exérèse ont ensuite été amenées au laboratoire d’anatomopathologie pour
le diagnostic histopathologique et la réalisation de coupes congelées passant par la tumeur.
Figure 53 Schéma d’une pièce d’exérèse coupée en deux avec illustration des points d’acquisition de spectres Raman. La flèche
indique le sens d’acquisition. Le nombre de points d’acquisition est dépendant de l’épaisseur de la pièce d’exérèse.
Ce protocole expérimental n’a pu être appliqué dans sa totalité qu’à cinq lésions cutanées. Parmi
celles-ci, une a finalement été diagnostiquée histologiquement comme trichofolliculome et une
autre a donné des résultats quantitativement et qualitativement insuffisants avec le spectromètre
HE pour être retenue. Par conséquent, seules les données issues des patients 25, 30 et 32 ont été
exploitées dans cette étude. Nous avons regroupé dans le Tableau 9, le Tableau 10 et le Tableau
11, les photos des CBC nodulaires correspondants, prises avant excision puis après excision et
coupe, ainsi que les données relatives au protocole expérimental adapté à chaque pièce d’exérèse.
178
PATIENT 25
Photographie du CBC nodulaire in vivo
Localisation cutanée : Front

Type de peau : Grasse
Phototype : II
Photographie du CBC nodulaire ex vivo
Estimation de l’épaisseur de la tranche : 2 mm

Acquisition avec le spectromètre Raman fibré HE
Nombre de points d’acquisition : 7
Temps d’acquisition : 3x30s
Estimation de la distance interspectrale moyenne : 290 µm
Acquisition avec le microspectromètre Raman LabRAM
Nombre de points d’acquisition : 8 (1 spectre trop bruité exclu)
Tableau 9 Informations concernant le CBC nodulaire du patient 25 et paramètres d’acquisition des spectres ex vivo.
179
PATIENT 30
Localisation cutanée : Nez

Phototype : II

Temps d’acquisition : de 1x20s à 1x50s selon l’intensité du fond spectral
Nombre de points d’acquisition : 15 (1 spectre trop bruité exclu)
180
PATIENT 32
Localisation cutanée : Tempe

Phototype : II

Temps d’acquisition : de 1x20s à 1x60s selon l’intensité du fond spectral
Nombre de points d’acquisition : 9 (2 spectres trop bruités exclus)
Remarque : la croute de la lésion a été retirée durant l’excision chirurgicale.
181
1. Evaluation de la marge profonde des pièces d’exérèse
Identification des principaux pics tissulaires cutanés
Dans un premier temps, nous avons voulu identifié in vitro les pics Raman caractéristiques du tissu
cutané tumoral (nodules de CBC) et ceux caractéristiques du tissu cutané non tumoral. Pour ce
faire, nous avons utilisé les coupes fines congelées à notre disposition. Au préalable, les nodules
de CBC ont été localisés par l’anatomopathologiste sur des coupes adjacentes aux coupes congelées
et colorées à l’hématoxyline et à l’éosine (HE). Nous avons enregistré avec le microspectromètre
Raman LabRAM des spectres intra-nodulaires et extra-nodulaires (28 et 32 spectres
respectivement) (Tableau 12). Nous avons pu distinguer parmi les spectres pris au niveau du derme
non tumoral quatre catégories de spectres, de profils visuellement distincts, dont trois sont à
composante majoritairement protéique et une à composante majoritairement lipidique (Figure 54).
Bien que la variabilité au sein des spectres tumoraux s’est avérée moins importante, nous avons pu
néanmoins aussi différencier trois profils spectraux, tous à composante majoritairement protéique
(Figure 55).
182
PATIENT 25
12 spectres points tumoraux : 4 par zone

20 spectres points non tumoraux : 4 par zone
Temps d’acquisition par spectre : 90x1s
PATIENT 30

Temps d’acquisition par spectre : 1x30s ou 15x2s ou 60x1s selon zone
PATIENT 32

Temps d’acquisition par spectre : 30x1s
Tableau 12 Photographies des coupes congelées et des coupes colorées HE adjacentes. Les flèches blanches indiquent la
localisation de nodules tumoraux sur les coupes colorées. Les zones choisies sur les coupes congelées pour l’enregistrement
de spectres tumoraux et non tumoraux ont été marquées respectivement par des carrés rouges et bleus. Plusieurs spectres
ont généralement été acquis par zone et les temps d’acquisition ont été adaptés en fonction de l’autofluorescence de chaque
zone cutanée.
183
Figure 54 Les différents profils de spectres Raman bruts enregistrés sur les coupes congelées en dehors des nodules tumoraux.
184
Figure 55 Les différents profils de spectres Raman bruts enregistrés sur les coupes congelées au niveau des nodules tumoraux.
185
Recherche de vibrations d’intérêt
La variabilité des spectres cutanés tumoraux et non tumoraux ne permet pas de mettre en
évidence des pics caractéristiques exclusivement de zones tumorales ou de zones non
tumorales. Nous avons donc décidé de nous intéresser au comportement en fonction de la
profondeur des principaux pics observables au niveau de spectres de la Figure 54 et de la
Figure 55. En particulier, nous avons étudié l’évolution de l’intensité de ces pics sur les lignes
de spectres acquises sur la tranche des pièces d’exérèse. De la surface vers la profondeur, un
pic caractéristique d’une zone saine ou tumorale devrait globalement voir son intensité évoluer
significativement, puisque le premier spectre de la ligne pris juste sous la surface cutanée se
trouve à l’intérieur du CBC, et que le dernier spectre acquis à proximité de la limite d’exérèse
profonde doit se trouver en zone non tumorale, l’exérèse étant supposée complète.
Le microspectromètre Raman LabRAM ayant une meilleure résolution spectrale, nous

avons commencé par observer les lignes de spectres ex vivo obtenues avec cet appareil (Figure
56). Nous avons reporté dans le Tableau 13 le sens d’évolution de chacun des pics de la surface
vers la profondeur pour chacune des trois pièces d’exérèse. Lorsque cela n’était pas possible,
c’est-à-dire lorsque les spectres étaient trop bruités au niveau du pic ou lorsque l’intensité du
pic ne semblait pas suivre une évolution bien définie, la case a été recouverte de pointillés. Nous
ne travaillerons dans la suite de l’étude seulement avec les pics dont il a pu être observée une
évolution identique de la surface vers la profondeur dans au moins deux pièces d’exérèse sur
trois. Ils sont au nombre de treize (colonnes grisées dans le Tableau 13 et la Figure 56).
Afin de vérifier nos observations, nous avons mesuré l’aire sous chacun de ces pics de
la surface vers la profondeur à l’aide du logiciel LabSpec de HORIBA Jobin Yvon. Les courbes
obtenues pour chaque pic et chaque pièce d’exérèse sont présentées dans le Tableau 14. Le
profil des courbes est en accord avec les observations rassemblées dans le Tableau 13.
186
Figure 56 Lignes de spectres acquises avec le microspectromètre LabRAM sur les pièces d’exérèse. Les flèches indiquent
le sens d’acquisition de la surface vers la profondeur. Une correction de ligne de base linéaire avec 9 points de base a été
appliquée suivie d’une normalisation sur l’aire totale des spectres. Les pics grisés correspondent aux pics sélectionnés dans
le Tableau 13.
187
Position des pics en cm-1
1004
1032
1046
1064
1084
1099
1128
1158
1176
1209
1226
1241
1251
1271
1284
1301
1316
1344
1377
1447
1473
1554
1577
1584
1608
1614
1621
1658
1670
1746
607
621
644
669
700
720
747
758
782
809
815
829
855
888
896
920
935
957
971
992
Pièce d'exérèse du patient 25 ↘ ↘ ↗ ↘↗ ↘ ↗↗ ↘ ↗↗ ↘ ↘
Pièce d'exérèse du patient 30 ↘ ↘ ↘ ↘ ↘ ↘ ↗
Pièce d'exérèse du patient 32 ↘ ↘ ↗ ↗ ↘ ↘ ↗ ↗ ↘ ↗ ↘ ↘ ↘ ↗ ↗ ↘ ↘ ↘ ↗ ↘ ↘ ↗ ↗ ↗ ↗ ↗ ↗
Tableau 13 Evolution de l’intensité des pics Raman de la surface vers la profondeur des pièces d’exérèse sur les lignes de spectres obtenus avec le microspectromètre LabRAM.
Une flèche ascendante symbolise un pic dont l’intensité augmente de la surface vers la profondeur, et inversement pour une flèche descendante. Les cases pointillées
correspondent à une zone spectrale trop bruitée ou à une tendance non nettement définie. Seuls sont retenus pour la suite de l’étude les pics dont au moins 2 pièces d’exérèse
sur 3 montrent une évolution identique de la surface vers la profondeur (colonnes grisées).
188
MICROSPECTROMETRE LabRAM
644 cm-1 720 cm-1 829 cm-1 855 cm-1 896 cm-1 920 cm-1 1251 cm-1
640-652 (↘) 708-737 (↘) 827-834 (↘) 846-869 (↗) 894-911 (↘) 918-929 (↗) 1240-1261 (↗)
P25
P30
P32
1271 cm-1 1316 cm-1 1344 cm-1 1447 cm-1 1473 cm-1 1554 cm-1
1266-1283 (↗) 1313-1326 (↘) 1337-1356 (↘) 1440-1452 (↘) 1467-1478 (↘) 1549-1564 (↗)
P25
P30
P32
Tableau 14 Courbes représentant l’évolution de l’aire sous les 13 pics retenus du spectre acquis le plus en surface vers le spectre acquis le plus en profondeur pour chaque ligne
ex vivo mesurée à l’aide du microspectromètre LabRAM (sur les pièces d’exérèse des patients 25,30 et 32, notés respectivement P25, P30 et P32). En italique a été précisée la
fenêtre spectrale utilisée pour calculer l’intensité intégrée (unité arbitraire) et entre parenthèses a été reporté le sens d’évolution de l’intensité observé. Les courbes grisées
correspondent aux cases pointillées du Tableau 13.
189
Nous nous sommes ensuite intéressés aux lignes de spectres acquises sur les trois pièces
d’exérèse à l’aide du spectromètre Raman fibré HE (Figure 57). Les spectres obtenus avec cet
appareil sont de rapport signal sur bruit beaucoup plus faible, néanmoins on peut retrouver les
principaux pics de diffusion Raman même si ces-derniers sont moins résolus. Les zones
spectrales grisées dans la Figure 57 correspondent aux pics d’intérêt identifiés précédemment
avec le microspectromètre Raman. L’intensité intégrée au niveau de chacune de ces zones a été
également calculée pour tous les spectres de chaque ligne ex vivo acquise avec le spectromètre
HE. Les courbes obtenues sont affichées dans le Tableau 15.
Tout comme avec le microspectromètre, certaines courbes ne présentent pas de tendance

nette, ascendante ou descendante, et les cases correspondantes ont été noircies. On observe que
les courbes concernées ne sont pas forcément les mêmes avec les deux appareils, ce qui peut
s’expliquer par le fait qu’il est difficile expérimentalement d’acquérir des spectres points ex
vivo localisés exactement au même endroit d’une acquisition à l’autre. De plus, il faudrait
idéalement pour chaque spectre enregistré, un prélèvement pour contrôle anatomopathologique,
ce qui est difficile à mettre en place.
Les courbes dont le sens d’évolution est inversé par rapport à celles obtenues avec le
microspectromètre Raman ont été écartées également. Les caractéristiques instrumentales
différentes entre les deux appareils pourraient éventuellement expliquer ces dernières
observations. Nous avons vu en effet dans le chapitre sur les résultats in vivo que la fibre émet
un signal de fluorescence parasite, qui malgré une correction de ligne de base pourrait influer
sur les valeurs d’intensité mesurée. De plus, les volumes sondés ne sont pas équivalents.
On observe que les pics positionnés à 896 cm-1 et 1447 cm-1 ne sont pas exploitables ex
vivo avec le spectromètre fibré HE. Et sur les onze pics retenus restants, seuls sept d’entre eux
présentent des évolutions similaires aux résultats obtenus avec le microspectromètre. Il s’agit
des pics centrés à 644, 720, 829, 1251, 1271, 1316 et 1344 cm-1.
190
Figure 57 Lignes de spectres acquises avec le spectromètre Raman fibré HE sur les pièces d’exérèse (les flèches indiquent
le sens d’acquisition de la surface vers la profondeur). Une correction de ligne de base linéaire avec 9 points de base a été
appliquée suivie d’une normalisation sur l’aire totale des spectres. Les pics grisés correspondent aux pics sélectionnés dans
le Tableau 13.
191
SPECTROMETRE FIBRE HE
644 cm-1 720 cm-1 829 cm-1 855 cm-1 896 cm-1 920 cm-1 1251 cm-1
640-650 (↘) 715-725 (↘) 822-837 (↘) 855-865 (↗) 891-902 (↘) 917-927 (↗) 1246-1256 (↗)
P25
P30
P32
1271 cm-1 1316 cm-1 1344 cm-1 1447 cm-1 1473 cm-1 1554 cm-1
1264-1280 (↗) 1308-1322 (↘) 1329-1353 (↘) 1441-1454 (↘) 1468-1478 (↘) 1548-1562 (↗)
P25
P30
P32
Tableau 15 Courbes représentant l’évolution de l’aire sous les 13 pics retenus du spectre acquis le plus en surface vers le spectre acquis le plus en profondeur pour chaque ligne
ex vivo mesurée à l’aide du spectromètre fibré HE (sur les pièces d’exérèse des patients 25,30 et 32, notés respectivement P25, P30 et P32). En italique a été précisée la fenêtre
spectrale utilisée pour calculer l’intensité intégrée (unité arbitraire) et entre parenthèses a été reporté le sens d’évolution de l’intensité attendu par rapport aux résultats avec le
microspectromètre. Les cases noircies correspondent à des courbes non clairement ascendantes ou descendantes, ou d’évolution inversée par rapport aux résultats avec le
microspectromètre.
192
Pertinence des pics identifiés
Afin de s’assurer de la pertinence des pics retenus sur les lignes ex vivo, nous sommes revenus
aux coupes congelées disponibles pour chacune des trois pièces d’exérèse. Une image spectrale
de chacune de ces coupes a été enregistrée au microspectromètre Raman LabRAM de résolution
spectrale 4 cm-1. La puissance mesurée en sortie d’objectif était comprise entre 15 mW et 28
mW et la focalisation était automatiquement réajustée par l’appareil avant chaque mesure. La
fenêtre spectrale mesurée s’étend de 590 à 1765 cm-1. Le temps d’acquisition pour chaque
spectre a été fixé à 30x1s et la distance interpixels à 10 µm. Au total, il aura fallu de 24 à 90
heures pour l’enregistrement de chacune de ces images, selon leurs dimensions.
Dans un premier temps, nous avons appliqué une classification k-means à ces trois
images. Ce traitement multivarié permet de localiser les zones tumorales et de mettre en
évidence les différentes couches cutanées. Avant classification statistique, les spectres sont
d’abord prétraités : après correction du signal du détecteur et soustraction du courant noir, les
spectres ont ensuite été lissés par la méthode Savitzky-Golay (polynôme d’ordre 3 et largeur de
fenêtre de 9) et corrigés de la ligne de base (polynôme d’ordre 4). Puis les spectres aberrants ou
de faible rapport signal sur bruit ont été exclus (seuil de rapport signal sur bruit 0,01 avec un
signal de référence pris sur la bande 1440-1460 cm-1) et une normalisation vectorielle a été
appliquée. Enfin, la classification k-means a été réalisée et l’image spectrale a ensuite été
reconstituée en utilisant un code-couleur (une couleur étant attribuée à chaque cluster). Le
nombre de clusters a été optimisé pour chaque image de façon à reproduire au mieux les
différentes structures cutanées sans trop pixelliser les images k-means. Les résultats obtenus
pour chaque image sont présentés dans la Figure 58, la Figure 59 et la Figure 60.
193
PATIENT 25
Kmeans clustering
8 (14.59%)
20
7 (23.06%)
Kmeans clustering
40
5
8 (14.81%) 6 (15.52%)
10 7 (9.14%)
15 6 (4.62%)
20
5 (6.46%) 60 5 (8.58%)
25
4 (32.13%)
30
35 3 (0.48%)
4 (3.58%)
80
40 2 (29.54%)
45
1 (2.81%)
5 10 15 20 25 30 35 40 45
3 (2.94%)
100
2 (2.91%)
120
1 (28.83%)
5 10152025
Cluster centers Dendrogram of cluster centers
5 2.01%
3
4 14.37%
4
12.98%
3 2
6 11.4%
2
1 18.99%
1 5
7.78%
8
0 14.67%
7
17.8%
-1
600 800 1000 1200 1400 1600 25 20 15 10 5
Figure 58 Localisation des images spectrales enregistrées sur la photographie de la coupe congelée du patient 25 (cadres blancs). Les deux images spectrales ont été prétraitées
et traitées simultanément. Images spectrales pseudo-colorées après classification k-means, dendrogramme correspondant et centres de classe. Les clusters 1 et 6 sont associés
aux zones tumorales (orange et bleu foncé respectivement).
194
PATIENT 30
Figure 59 Localisation de l’image spectrale enregistrée sur la photographie de la coupe congelée du patient 30 (cadre blanc). Image spectrale pseudo-colorée après classification
k-means, dendrogramme correspondant et centres de classe. Les clusters 2 et 11 sont associés aux zones tumorales (orange et violet respectivement).
195
PATIENT 32
Figure 60 Localisation de l’image spectrale enregistrée sur la photographie de la coupe congelée du patient 32 (cadre blanc). Image spectrale pseudo-colorée après classification
k-means, dendrogramme correspondant et centres de classe. Les clusters 3, 5 et 6 sont associés aux zones tumorales (vert « foncé », bleu clair et bleu foncé respectivement).
196
Parallèlement, les trois images spectrales ont été reconstituées pour chaque pic retenu du
Tableau 13 en ne sélectionnant que les fenêtres spectrales correspondantes (traitement
univarié). Une correction de ligne de base linéaire de 9 points de base a été appliquée au
préalable, suivie d’une remise à zéro des spectres puis d’une normalisation sur l’aire totale de
chaque spectre. Afin de faciliter l’analyse des images, nous avons distingué les pics dont
l’intensité est supposée diminuer de la zone tumorale superficielle vers la zone tumorale plus
profonde (pics centrés à 644, 720, 829, 896, 1316, 1344, 1447 et 1473 cm-1), des pics dont
l’intensité est censée augmenter (pics centrés à 855, 920, 1251, 1271 et 1554 cm-1). Une
proposition d’attribution de ces pics est présentée dans le Tableau 16.
Nombre d’onde Tentative d’attribution

644 cm-1 ↘ Tyr, nucléotides (C,A,T), C-S, amide IV,
720 cm-1 ↘ phospholipide, cystine
829 cm-1 ↘ Tyr, ADN, phospholipide
855 cm-1 ↗ Tyr, Pro, ARN, polysaccharide
896 cm-1 ↘ ADN, protéine
920 cm-1 ↗ Pro, collagène, glucose, acide lactique, désoxyribose
1251 cm-1 ↗ amide III, ARN, phospholipide
1271 cm-1 ↗ amide III, phospholipide
1316 cm-1 ↘ protéine, guanine, C=C
1344 cm-1 ↘ protéine, ARN, guanine, Phe, Trp, C-H, C-C
1447 cm-1 ↘ Pro, protéine, lipide
1473 cm-1 ↘ indéterminé
1554 cm-1 ↗ Trp
Tableau 16 Tentative d’attribution des vibrations Raman dont l’intensité augmente (↗) ou diminue (↘) notoirement au
niveau des spectres ex vivo de la surface vers la profondeur des pièces d’exérèse (94).
Concernant les images obtenues sur les pics supposés plus intenses en zone tumorale (Tableau
17 et Tableau 18), on observe que les pics positionnés à 1316 cm-1 et à 1344 cm-1 permettent
de globalement bien identifier les zones tumorales sur les coupes congelées des trois pièces
d’exérèse. Le pic à 1344 cm-1 semble en particulier marquer plutôt la périphérie des nodules.
Les pics positionnés à 644, 1447 et 1473 cm-1 permettent de visualiser les régions tumorales
sur les coupes congelées des patients 30 et 32 mais pas sur celle du patient 25. Parmi eux, le
pic à 1473 cm-1 semble plutôt définir l’interface entre l’épiderme et la zone tumorale. Le pic
à 720 cm-1 délimite quant à lui les zones tumorales sur les coupes congelées des patients 25 et
32, mais pas sur la coupe du patient 30. Les pics à 896 cm-1 et 1447 cm-1 ne permettent de
197
localiser les nodules tumoraux que pour le patient 30, même si cette localisation reste vague
à 896 cm-1. Le pic à 829 cm-1 ne discrimine les zones tumorales chez aucun des trois patients.
Concernant les images obtenues sur les pics supposés plus intenses hors zones
tumorales (Tableau 19), les pics centrés à 855 et 920 cm-1 permettent de visualiser les régions
non tumorales des trois coupes congelées même si cette localisation est plus approximative
pour les patients 25 et 32. En particulier pour le patient 25 où l’on devine néanmoins le nodule
tumoral par la présence de pixels bleus codant des intensités plus faibles par rapport au reste
de l’image. Le pic centré à 1271 cm-1 définit les zones non tumorales sur les coupes des
patients 30 et 32, alors que les pics à 1251 et 1554 cm-1 ne le permettent que sur la coupe
congelée du patient 30.
On constate donc que certaines de ces images permettent une bonne visualisation de
la propagation tumorale, et il est intéressant de constater qu’un seul pic de diffusion Raman
permette la localisation des nodules de CBC. Dans certains cas néanmoins, les nodules
tumoraux sont distinguables mais leur limite n’est pas forcément clairement définie (exemple
du patient 30 et du pic à 1447 cm-1).
Il est à noter que les profils d’intensité de ces images spectrales ne peuvent pas être
directement comparés aux courbes d’intensité intégrée des lignes ex vivo pour deux raisons
principales. D’abord, les images spectrales ne sont pas acquises exactement à l’endroit où les
lignes de spectres ont été enregistrées ex vivo. Ensuite, étant donné les temps d’acquisition
nécessaires particulièrement longs, ces images ne s’étendent pas forcément jusqu’à la limite
inférieure de chaque coupe (voir les cadres blancs dans la Figure 58, la Figure 59 et la Figure
60), en particulier pour les patients 30 et 32.
Par rapport aux images pseudo-colorées obtenues après classification k-means (Figure
58, Figure 59 et Figure 60) qui utilisent l’information contenue dans la totalité de la fenêtre
spectrale, les images univariées reconstituées sur l’intensité d’un pic ne permettent pas de
caractériser l’architecture globale du tissu, mais elles présentent l’avantage de pouvoir
visualiser la répartition d’un composé moléculaire précis.
198
PATIENT 25 PATIENT 30 PATIENT 32

x10 -3 x10 -3 x10 -3
120
120
120
100
100 100
644 cm-1 80
80 80
635-649 60
60
(↘)
60
40
40
40
20
20
20
1700 1800 1900 400 100 200
Length X (µm) Length X (µm) Length X (µm)
x10 -3 x10 -3 x10 -3
120
100
120
100
80
720 cm-1 80
100
715-725 60
(↘)
60 80
40
40
20 60
1700 1800 1900 400 100 200

0.35 0.30
0.30 0.25
0.15
829 cm-1 0.25 0.20
823-837 0.20
0.15 0.10
(↘) 0.15
0.10
0.05
0.05
0.10
1700 1800 1900 400 100 200

0.25 x10 -3
160
0.20
0.20 140
120
896 cm-1 0.15
100
0.15
892-907 0.10 80
(↘) 0.10 60
0.05
40
1700 1800 1900 400 100 200

Tableau 17 Reconstitution des images spectrales acquises sur les coupes congelées des patients 25, 30
et 32 (respectivement P25, P30 et P32) à partir des pics à 644, 720, 829 et 896 cm-1. Les zones spectrales
exactes utilisées pour la reconstitution sont indiquées en italique. Le sens d’évolution de l’intensité
attendu d’après le Tableau 13 des zones tumorales vers les zones profondes est rappelé par les flèches
ascendantes ou descendantes entre parenthèses.
199

0.40
0.25
0.20 0.35
0.20
0.30
1316 cm-1 0.15 0.25
1310-1325 0.15
0.20
(↘) 0.10 0.10 0.15
0.10
1700 1800 1900 400 100 200

0.30
0.25 0.25
0.25
0.20
1344 cm-1
0.20
0.20
1337-1348 0.15
0.15
(↘) 0.15
0.10
0.10 0.10
1700 1800 1900 400 100 200

0.40
0.6
0.35 0.5
0.5
0.30
0.4
1447 cm-1 0.4

0.25
1440-1452 0.3
0.20
0.3
(↘) 0.15 0.2

0.2
0.10
0.1
0.1
1700 1800 1900 400 100 200
0.25 0.25
0.25
0.20
0.20
1473 cm-1 0.20
0.15
1467-1475 0.15
(↘)
0.15
0.10
0.10
0.10
0.05
1700 1800 1900 400 100 200

Tableau 18 Reconstitution des images spectrales acquises sur les coupes congelées des patients 25, 30 et
32 (respectivement P25, P30 et P32) à partir des pics à 1316, 1344, 1447 et 1473 cm -1. Les zones spectrales
exactes utilisées pour la reconstitution sont indiquées en italique. Le sens d’évolution de l’intensité attendu
d’après le Tableau 13 des zones tumorales vers les zones profondes est rappelé par les flèches ascendantes
ou descendantes entre parenthèses.
200

0.30
0.5 0.4
0.25
0.3
855 cm-1
0.4 0.20
849-862 0.3 0.2 0.15
(↗) 0.10
0.2 0.1
0.05
1700 1800 1900 400 100 200
0.30
0.25 0.20
0.25 0.20
920 cm-1 0.15
915-925 0.20 0.15
(↗)
0.10
0.10
0.15
0.05 0.05
0.10
1700 1800 1900 400 100 200

0.30
0.35
0.25
0.25 0.30
0.20
1251 cm-1 0.20 0.25
1240-1260 0.15
0.15
0.20
(↗) 0.10
0.15
0.10 0.10
0.05
1700 1800 1900 400 100 200

0.25
0.25
0.20
0.20
1271 cm-1
0.20
0.15
1264-1276 0.15
0.15
(↗) 0.10
0.10 0.10
0.05
1700 1800 1900 400 100 200

x10 -3 x10 -3
100 120
0.15
100
1554 cm-1
80
1551-1558 60 0.10
80
(↗) 40 60
20 0.05 40
1700 1800 1900 400 100 200

Tableau 19 Reconstitution des images spectrales acquises sur les coupes congelées des patients 25, 30 et
32 (respectivement P25, P30 et P32) à partir des pics à 855, 920, 1251, 1271 et 1554 cm -1. Les zones
spectrales exactes utilisées pour la reconstitution sont indiquées en italique. Le sens d’évolution de
l’intensité attendu d’après le Tableau 13 des zones tumorales vers les zones profondes est rappelé par les
flèches ascendantes ou descendantes entre parenthèses.
201
2. Etude des fonds spectraux
Nous avions vu dans le chapitre consacré aux résultats obtenus avec les spectres in vivo que
les fonds spectraux des spectres bruts étaient porteurs d’une information permettant de
distinguer les spectres pris en zone tumorale des spectres pris en zone non tumorale. Dans ce
chapitre, nous avons voulu évaluer ex vivo et in vitro la valeur informative de ces signaux
généralement considérés comme parasites des spectres Raman.
Fonds des spectres in vitro
Dans une première étape, des spectres bruts acquis au sein des nodules tumoraux et du tissu
environnant ont été extraits des images spectrales des coupes congelées (Figure 61). En
accord avec les observations faites au niveau des spectres in vivo, on remarque que les spectres
pris au niveau du tissu sain expriment un fond plus intense que les spectres pris au niveau des
nodules tumoraux.
Figure 61 Comparaison de spectres bruts pris au niveau des nodules de CBC (en gris) et de spectres bruts pris au
niveau du tissu environnant (en noir).
202
Dans un deuxième temps, nous avons observé le comportement de l’ensemble des fonds
spectraux au sein des images spectrales de coupes congelées. Pour ce faire, les images brutes
ont été pseudo-colorées à partir des valeurs d’intensité intégrée sur la totalité de la fenêtre
spectrale d’acquisition : 590-1765 cm-1 (Tableau 20). On observe que les spectres Raman
bruts des zones tumorales présentent des fonds d’intensité inférieure à ceux acquis au niveau
du tissu environnant. Cette différence est significative et permet une localisation des zones
tumorales sur ces images pseudo-colorées. Un prétraitement de ces images par une correction
d’offset suivie d’une normalisation sur l’aire totale accentue la discrimination des zones
tumorales. Le résultat obtenu pour chacune des coupes congelées est en accord avec
l’identification des zones tumorales réalisée par KM clustering (Figure 58, Figure 59 et
Figure 60).
Images brutes
250 1400
1500
200 1200
1000
150
1000
800
100
600
500 50
400
0
200
0
-50
1700 1800 1900 400 100 200
Images prétraitées (offset + normalisation)

x10 -3 x10 -3 x10 -3
101.7
101.0
101.6
101.6 100.5
101.5
100.0
101.5
101.4
99.5
101.4
99.0 101.3
1700 1800 1900 400 100 200

Tableau 20 Images pseudo-colorées des coupes congelées des pièces d’exérèse des patients 25, 30 et 32 obtenues après
intégration des valeurs d’intensité sur la fenêtre spectrale 590-1765 cm-1. En haut : résultats après intégration des valeurs
d’intensité des images brutes. En bas : résultats après intégration des valeurs d’intensité des images ayant été corrigées
de l’offset puis normalisées sur l’aire totale.
203
Enfin, nous avons appliqué aux spectres bruts un filtrage « excessif » dans le but de
s’affranchir de l’information Raman. Le nombre d’itérations nécessaire pour ce lissage a été
au préalable évalué sur un spectre point isolé de l’image spectrale du patient 30. Un premier
lissage par moyennage (taille de fenêtre : 15) a été réalisé sur ce spectre à l’aide du logiciel
LabSpec. Puis nous avons appliqué manuellement jusqu’à 499 autres lissages successifs. Le
résultat obtenu a été sauvegardé tous les 5 à 50 lissages puis présenté dans la Figure 62 et la
Figure 63. A partir de 20 lissages successifs, on remarque la perte des pics de diffusion Raman
les moins larges. Au-delà de 300 lissages, les pics Raman les plus larges ont eux-aussi disparu
et on peut alors considérer que seul subsiste le fond spectral dû principalement à
l’autofluorescence. De plus, l’augmentation du nombre de lissage ne modifie pas d’avantage
la forme du fond résiduel.
Figure 62 Spectre tumoral in vitro brut issu de la coupe congelée du patient 30 après un lissage par moyennage (x1) et
après plusieurs itérations de ce lissage (x 5 à x500).
204
Figure 63 Superposition du spectre brut initial et de ce même spectre prétraité avec respectivement 20, 50, 100 et 300
lissages successifs.
Nous avons ensuite à nouveau reconstitué l’image à partir de l’intensité intégrée des fonds
spectraux ainsi isolés. Les résultats obtenus après 300 et 500 lissages sont présentés dans le
Tableau 21 et comparés au résultat obtenu à partir de l’image non lissée. On observe que les
zones tumorales sont encore distinguables, ce qui confirme que les fonds spectraux
contiennent bien une information discriminante qui leur est propre, superposée aux vibrations
Raman.
PATIENT 30
Image non lissée Image lissée (x300 itérations) Image lissée (x500 itérations)
120
140
100
100
120
80
100 80
80 60
60
60
40 40
40
20 20
20
0 0
300 400 500 300 400 500 300 400 500
Tableau 21 Images pseudo-colorées selon les valeurs d’intensité intégrée sur la fenêtre spectrale d’acquisition 590-1765
cm-1, obtenues après correction d’offset.
205
Fonds des spectres ex vivo
Concernant les spectres Raman des lignes ex vivo acquises à l’aide du microspectromètre
LabRAM et du spectromètre fibré HE, les intensités des spectres bruts ont été intégrées sur la
totalité de la fenêtre spectrale d’acquisition. L’évolution des valeurs d’intensité intégrée de la
surface cutanée vers la profondeur est présentée pour chacune des trois pièces d’exérèse sous
forme de profil (Tableau 22).
Microspectromètre Raman LaBRAM
Spectromètre Raman fibré HE
Tableau 22 Photographies des pièces d’exérèse incisées et profils représentant l’évolution de l’intensité intégrée des
spectres Raman bruts de la surface cutanée vers la profondeur. Les valeurs d’intensité ont été intégrées sur toute la fenêtre
spectrale d’acquisition (590-1765 cm-1 pour les lignes acquises avec le microspectromètre LabRAM, 90-3350 cm-1 pour
celles acquises avec le spectromètre fibré HE). Diminuer la fenêtre d’intégration à 590-1765 cm-1 pour les lignes acquises
avec le spectromètre fibré HE change peu les profils obtenus. Afin de pouvoir comparer les profils collectés avec des temps
d’acquisition variables (optimisés par rapport à la fluorescence), les intensités de chaque spectre ont été divisées par le
temps d’acquisition correspondant (lignes HE des patients 30 et 32).
On remarque que seuls les profils obtenus à partir des lignes acquises avec le
microspectromètre Raman LaBRAM présentent une augmentation d’intensité intégrée pour
les spectres proches de la profondeur. Cependant ces valeurs d’intensité varient fortement de
la surface vers la profondeur pour les pièces d’exérèse des patients 25 et 30. Seules les lignes
acquises sur la pièce d’exérèse du patient 32 montrent pour les deux systèmes d’acquisition,
une distinction nette entre les spectres proches de la surface et les spectres proches de la
profondeur.
206
Les fonds spectraux obtenus in vivo et ex vivo n’ont pas les mêmes origines. En effet, le signal
enregistré in vivo est enregistré en surface cutanée et provient des différentes couches sous-
jacentes (en particulier l’épiderme et le derme) alors que celui enregistré ex vivo est acquis sur
la tranche de la pièce d’exérèse à différentes profondeurs du derme. Une variation des valeurs
d’intensité pourrait s’expliquer par la traversée de nodules successifs de CBC. Cette
affirmation reste hypothétique. D’autant plus que les acquisitions Raman sur des pièces
d’exérèse fraiches incisées présentent des difficultés expérimentales pouvant influer sur la
forme des fonds spectraux, notamment parce que les surfaces d’acquisition ne sont pas planes,
comme il est possible de le visualiser sur les photographies du Tableau 22.
207
Concernant l’évaluation de la marge profonde d’excision des CBC par approche Raman, on
peut dire que parmi les pics de diffusion Raman sélectionnés, les pics centrés autour de 1316
cm-1 et de 1344 cm-1 sont ceux définissant le mieux les CBC nodulaires que ce soit au niveau
des pièces d’exérèse ou des coupes congelées. Il est intéressant de constater que ce résultat est
en accord avec nos travaux sur les spectres in vivo (cf. papier soumis) puisque nous avions
trouvé en utilisant le programme Randfeatures que les longueurs d’onde ayant le plus haut
pouvoir de discrimination des spectres in vivo pris au niveau des CBC nodulaires par rapport
aux spectres pris sur la peau saine était comprise entre 1322 et 1331 cm-1 et entre 1342 et 1345
cm-1. Et bien qu’il soit admis qu’un pic de diffusion Raman isolé contient une information
limitée, ces deux pics semblent néanmoins de bons candidats en tant que marqueurs tumoraux
potentiellement utilisables in vivo et ex vivo en temps réel pour une aide chirurgicale à
l’évaluation de la limite spatiale de l’excision, éventuellement en association avec d’autres
pics de diffusion. La raie Raman localisée aux alentours de 1320 cm-1 peut être attribuée aux
vibrations des doubles liaisons C=C, du cycle de la Guanine et des liaisons C-H des protéines.
La raie Raman localisée vers 1344 cm-1 peut être associée aux vibrations de la Phénylalanine,
du Tryptophane, des liaisons C-H et C-C, ainsi que des polysaccharides, de l’ARN, de
l’Adénine et de la Guanine (94).
Concernant l’influence du fond des spectres Raman, l’exploitation des images

spectrales issues des coupes congelées montre que les fonds spectraux contiennent une
information qui se superpose à l’information Raman, et qui permet de discriminer les zones
cutanées tumorales par rapport au tissu environnant. Concernant les fonds spectraux des lignes
ex vivo, il n’a pas pu être mis en évidence de potentiel discriminant sur la tranche de la pièce
fraichement excisée. Cependant des investigations supplémentaires incluant un plus grand
nombre de spectres ex vivo sont nécessaires pour pouvoir conclure définitivement. L’existence
d’un potentiel discriminant des fonds spectraux ex vivo pourrait permettre un contrôle rapide
du lit tumoral, permettant de cibler l’analyse Raman sur les points d’intérêt.
208
Résultats obtenus avec les spectres in vitro
EXPLOITATION DES
INFORMATIONS OBTENUES
SUR LES COUPES CONGELEES
DE CARCINOMES BASO-CELLULAIRES
en microspectroscopies Raman et infrarouge
209
RESULTATS ET DISCUSSION – SPECTRES IN VITRO
I- INTRODUCTION
Des images des coupes congelées à notre disposition ont été acquises en microspectroscopies
Raman et infrarouge, puis analysées par des méthodes chimiométriques. L’objectif premier de
ce travail était de construire une banque d’images spectrales des lésions étudiées
précédemment, afin d’aider à l’interprétation des résultats in vivo et ex vivo. Cependant, certains
des résultats obtenus se sont révélés également intéressants, comme nous le présentons dans ce
chapitre.
210
Les résultats présentés ici sont issus de l’analyse par microspectroscopies Raman et/ou
infrarouge des coupes congelées de 3 patients. Les images spectrales de CBC nodulaires sont
issues des coupes des patients 12 et 17. L’image du trichofolliculome provient de la coupe de
la lésion du patient 23.
Les images Raman ont été acquises avec le microspectromètre LabRAM de longueur
d’onde incidente 785 nm. La puissance mesurée en sortie d’objectif est de 50 mW. La fenêtre
spectrale d’acquisition est 590-1765 cm-1. En fonction de la taille de chaque image, le temps
d’acquisition de chaque spectre varie entre 5 et 30 s et la distance interpixels entre 6 et 20 µm.
Les images ont ensuite subi la même série de prétraitements. D’abord un lissage Savistzky-
Golay (ordre de polynôme et largeur de fenêtre usels : 3 et 19 respectivement), suivie d’une
correction de ligne de base polynomiale d’ordre 3 ou 4, puis d’une normalisation vectorielle et
si besoin d’élimination de spectres aberrants (sélectionnés manuellement ou par classification
KM).
Les images infrarouges ont été enregistrées avec le microspectromètre Spotlight. La

fenêtre spectrale d’acquisition sélectionnée est 650-4000 cm-1. Chaque spectre infrarouge
correspond à 64 scans d’une zone d’acquisition de taille 6,25 x 6,25 µm². Les images obtenues
ont ensuite été corrigées atmosphériquement. La fenêtre spectrale a ensuite été réduite à 900-
1800 cm-1, zone généralement la plus informative pour les échantillons biologiques. Les
spectres aberrants éventuels ont été retirés (méthode manuelle ou KM). Puis une EMSC a été
appliquée : le plus souvent, la valeur du résidu était de 4, le fit coefficient de 1000 et le
polynôme d’ordre 3.
211
1. Hétérogénéité du CBC nodulaire et du tissu environnant
Des algorithmes de classification appliqués aux images spectrales de CBC nodulaires mettent
en évidence l’existence d’une hétérogénéité au sein du nodule, ainsi qu’au niveau du tissu
environnant.
La Figure 64 montre le résultat obtenu après classification KM de l’image Raman d’un

nodule isolé de CBC. Les pixels du cluster 4 codés par la couleur bleue se distinguent clairement
des autres pixels de l’image. L’analyse d’une zone spectrale plus large autour de ce nodule,
s’étendant de l’épiderme à la limite inférieure de l’exérèse, montre qu’à ce niveau, commence
une zone dermique inférieure à l’ensemble des nodules de CBC de la coupe (données non
montrées). De plus, sur la Figure 64, on remarque que c’est le seul cluster qui n’est pas
directement en contact avec le nodule de CBC. Il est probable qu’il s’agisse plutôt de derme
peri-tumoral et que les clusters 5 (bleu foncé) et 3 (turquoise) correspondent au stroma ; ces-
derniers étant d’ailleurs selon le dendrogramme, plus proches spectralement des clusters
tumoraux. Etant donné la zone acquise très étroite autour du nodule, il n’y a vraisemblablement
pas de derme sain sur cette image. Concernant les pixels intranodulaires, ils sont divisés en un
cluster rose plutôt central et un cluster jaune périphérique (clusters 6 et 1 respectivement). Une
classification FCM a été appliquée sur cette même image. Le résultat est présenté dans la Figure
65. L’hétérogénéité intratumorale et du tissu environnant est à nouveau constatée. En associant
à chaque pixel de l’image des coefficients d’appartenance aux classes, la classification FCM
permet de déterminer si les limites entre chaque cluster sont nettes ou progressives. Il apparait
que les clusters tumoraux sont clairement distincts de ceux du tissu environnant ce qui est
cohérent puisque les CBC sont des tumeurs très bien délimités. En revanche, la transition entre
les 2 clusters intranodulaires (clusters 3 et 5) est progressive, de même que la transition entre
les 3 clusters du tissu environnant en contact avec le nodule (attribués au stroma). Il apparait
aussi dans le dendrogramme FCM que la zone tissulaire représentée par le cluster 6 (attribué au
derme péritumoral) est clairement distincte des autres clusters, d’autant plus que sa frontière est
franche.
Une seconde image Raman, contenant plusieurs nodules de CBC, a également été traitée
par classifications KM et FCM, ainsi que par HCA. Les résultats sont présentés dans la Figure
66 et la Figure 67. Ces classifications permettent de mettre en évidence l’hétérogénéité existant
212
au sein du tissu environnant (identifié comme stroma ici), ainsi qu’à l’intérieur des trois nodules
présents sur cette image. On distingue également dans les trois cas, un cluster tumoral
regroupant des pixels situés plutôt aux centres des nodules (cluster 8 du FCM, clusters orange
et rose du KM et de la CHA respectivement). Eparpillés et peu nombreux au centre des deux
petits nodules, ces pixels forment par contre une zone tumorale relativement importante au
centre du nodule le plus gros. Cette observation pourrait refléter une différence d’oxygénation
entre les cellules centrales et périphériques existant au sein d’une masse tumorale, d’autant plus
que celle-ci est importante. Le FCM met de plus en évidence l’existence d’une couche cellulaire
en limite des nodules tumoraux (cluster 1). Il est probable qu’il s’agisse des cellules épithéliales
à arrangement palissadique qui entourent les CBC nodulaires. On peut aussi visualiser cette
couche sur l’image CHA avec le cluster jaune, qui se regroupe dans le dendrogramme avec les
autres clusters tumoraux. Par contre, elle n’apparait pas sur l’image KM ce qui peut s’expliquer
par le fait que la classification KM dépend des pixels initiaux choisis aléatoirement.
La microspectroscopie infrarouge permet de la même façon de mettre en évidence

l’hétérogénéité existant au sein du tissu environnant et du tissu tumoral (cf. Figure 68 et Figure
69). Cependant pour pouvoir observer l’hétérogénéité des nodules de CBC sur les images
infrarouges, il faut travailler avec un nombre plus important de clusters (cf. Figure 74). Que ce
soit en microspectroscopie Raman ou infrarouge, il apparait que l’hétérogénéité du tissu
environnant nécessite peu de clusters pour être mise en évidence. Cela reflète le fait que la
variabilité existant dans ce tissu est plus grande que celle existant au sein du tissu tumoral.
213
MICROSPECTROSCOPIE RAMAN
KM
Figure 64 Classification KM. Cadre inférieur : Image pseudo-colorée obtenue après classification KM en 6 clusters d’une image Raman d’un nodule isolé de CBC, avec le
dendrogramme et les centroïdes associés. Cadre supérieur : Photographies de la zone analysée sur la coupe congelée et sur la coupe colorée HE adjacente.
214
FCM MICROSPECTROSCOPIE RAMAN
Figure 65 Résultat obtenu après classification FCM en 6 clusters (paramètre Fuzzy = 1,6) de l’image spectrale Raman précédemment analysée par KM dans la Figure 64, avec
le dendrogramme et les centroïdes associés.
215
MICROSPECTROSCOPIE
50 µm RAMAN
HCA clustering Dendrogram of cluster centers Cluster centers
3.5
0 100 200 300 400 500
10 (3.81%) 600 700 7.06%
5 7
Length X (µm) 3
9 (14.12%) 14.12%
10 9
2.5
15 8 (10.34%) 11.7%
6
2
20 7 (7.06%) 3 10.76%
CHA
25 1.5
6 (11.7%) 4 7.94%
30 1
5 (15.42%) 1 6.95%
35 5 0.5
4 (7.94%) 15.42%
40 2 0
3 (10.76%) 11.89%
45 10
2 (11.89%) 3.81% -0.5
50 8
1 (6.95%) 10.34% -1
55
10 20 30 40 50 60 250 200 150 100 50 600 800 1000 1200 1400 1600
KM
Figure 66 Classification KM et CHA. Cadres inférieurs : Images pseudo-colorées obtenues après classification KM et CHA sur la base de 10 clusters d’une image Raman
regroupant plusieurs nodules de CBC, avec les dendrogrammes et les centroïdes respectifs associés. Cadre supérieur : Photographies de la zone analysée sur la coupe congelée
et sur la coupe colorée HE adjacente.
216
FCM clustering: cluster 8 (13.67%) FCM clustering: cluster 4 (17.08%) FCM clustering: cluster 1 (11.52%) FCM clustering: cluster 3 (10.11%) FCM clustering: cluster 2 (10.63%) FCM clustering: cluster 6 (12%) FCM clustering: cluster 7 (12.33%) FCM clustering: cluster 5 (12.66%)
5 0.9 5 0.9 5 0.9 5 0.9 0.9 5 0.9 0.9 5 0.9

5 5
10 0.8 10 0.8 10 0.8 10 0.8 10 0.8 10 0.8 10 0.8 10 0.8
15 0.7 15 0.7 15 0.7 15 0.7 15 0.7 15 0.7 15 0.7 15 0.7

20 0.6 20 20 20 20 20
0.6 0.6 0.6 0.6 20 0.6
20
0.6 0.6
25 25 25 25 25 25 25 25
0.5 0.5 0.5 0.5 0.5 0.5 0.5 0.5
30 30 30 30 30 30 30 30
0.4 0.4 0.4 0.4 0.4 0.4 0.4 0.4
35 35 35 35 35 35 35 35
0.3 0.3 0.3 0.3 0.3 0.3 0.3 0.3
40 40 40 40 40 40 40 40
45 0.2 45 0.2 45 0.2 45 0.2 45 0.2 45 0.2 0.2 45 0.2

45
50 0.1 50 0.1 50 0.1 50 0.1 50 0.1 50 0.1 50 0.1 50 0.1
55 0 55 0 55 0 55 0 55 0 55 0 55 0 55 0
10 20 30 40 50 60 10 20 30 40 50 60 10 20 30 40 50 60 10 20 30 40 50 60 10 20 30 40 50 60 10 20 30 40 50 60 10 20 30 40 50 60 10 20 30 40 50 60
FCM
Dendrogram of cluster centers Cluster centers
8 (13.67%)
3
8
4 (17.08%) 2.5
4
1 (11.52%) 2
1
1.5
3 3 (10.11%)
1
2 2 (10.63%)
0.5
6
6 (12%)
0
7
7 (12.33%)
-0.5
5
5 (12.66%) -1
10 8 6 4 2 600 800 1000 1200 1400 1600
Figure 67 Résultat obtenu après classification FCM en 8 clusters (paramètre Fuzzy = 1,6) de l’image spectrale Raman précédemment analysée par KM et CHA dans la Figure
66, avec le dendrogramme et les centroïdes associés.
217
2. Origine cellulaire du CBC
Les CBC dériveraient de cellules pluripotentes situées dans les couches basales épidermique et
pilaire (14). Certains résultats de classification obtenus sur les coupes congelées témoignent de
cette origine des CBC.
Premièrement, l’analyse vibrationnelle d’une zone cutanée contenant à la fois des

follicules pileux et des nodules de CBC montre des caractéristiques communes entre les deux
structures. Ainsi une classification KM de l’image infrarouge de cette zone montre que les
cellules à arrangement palissadique des nodules de CBC et la partie externe du follicule pileux
sont classées dans un même cluster (vert foncé). Ce cluster est de plus associé avec le cluster
vert clair qui regroupe les cellules internes des nodules de CBC ainsi que quelques cellules en
périphérie du follicule pileux (Figure 68). Si on analyse cette même image en FCM, on constate
que c’est surtout la couche cellulaire la plus externe des follicules pileux qui est proche des
cellules palissadiques, ce qui est cohérent avec le fait que les follicules pileux sont aussi
entourés de ce type de cellules (cluster 5). Le reste de l’enveloppe folliculaire est plus proche
des cellules intranodulaires (cluster 4) (Figure 69). Les classifications KM et FCM d’une image
Raman de cette même zone cutanée montrent également le regroupement des pixels de CBC et
des pixels de l’enveloppe externe du follicule pileux dans un même cluster, mais seul le FCM
permet de mettre en évidence les cellules à arrangement palissadique qui appartiennent au
même cluster qu’une couche de cellules épidermiques (cluster 5) (Figure 70 et Figure 71).
Deuxièmement, l’image d’un nodule de CBC accolé à l’épiderme révèle l’existence

d’une interface de caractéristiques communes. En effet en microspectroscopie Raman, une zone
cutanée transitionnelle entre l’épiderme et le nodule de CBC est mise en évidence sur l’image
pseudo-colorée après CHA (cluster turquoise), classification KM (cluster rose) ou classification
FCM (cluster 5) (Figure 72 et Figure 73). Cette interface est également visible en
microspectroscopie infrarouge après classification KM ou FCM (clusters violet foncé et 2
respectivement) (Figure 74 et Figure 75). Remarquons que cette coupe congelée passe par un
follicule pileux (cf. photographie de la zone cutanée sélectionnée sur la Figure 72) qui est bien
identifiable par les différentes classifications (clusters 1 et 8 de la Figure 75 par exemple).
218
MICROSPECTROSCOPIE INFRAROUGE
KM
Figure 68 Classification KM. Cadre inférieur : Image pseudo-colorée obtenue après classification KM en 8 clusters d’une image infrarouge regroupant des nodules de CBC et
des follicules pileux, avec le dendrogramme et les centroïdes associés. Cadre supérieur : Photographies de la zone analysée sur la coupe congelée et sur la coupe colorée HE
adjacente.
219
50 40 30 20 10 50 40 30 20 10 50 40 30 20 10 50 40 30 20 10 50 40 30 20 10
70 70 70 70 70
0.9 0.9
0.1 0.1 0.1 0.9 0.1 0.9 0.1 0.9
10 10
60 0.8 60 0.8 10 60 10 60 10
0.2 0.2 0.2 0.8 0.2 0.8 60 0.8
0.2
20 0.7 20 0.7
20 0.7 20 0.7 20 0.7
0.3 50 0.3 50 0.3 50 0.3 50 0.3 50
0.6 0.6 0.6 0.6 0.6
30 30 30 30 30
0.4 0.4 0.4 0.4 0.4
40 0.5 40 0.5 40
0.5
40
0.5 40 0.5
0.5 40 0.5 40 0.5 40
0.5 40 40
0.4 0.4
0.5
0.4 0.4 0.4
30 30 30 30 30
0.6 0.6
0.3 0.3
0.6 0.6
50 50
0.6
50 0.3 50 0.3 50 0.3
0.2 0.2
20 20
0.2 0.2 0.2
0.7 20 0.7 20 0.7 0.7 0.7 20
60 60 60 60 60
0.8 0.1
0.8 0.1 0.8 0.1 0.8 0.1 0.8 0.1
10 10 10 10 10
70 70 70 70 70
0.9 0.9
10 20 30 40 50 10 20 30 40 50 10 20 30 40 50 10 20 30 40 50 10 20 30 40 50
0.9 0.9 0.9
FCM
Figure 69 Résultat obtenu après classification FCM en 5 clusters (paramètre Fuzzy = 2,2) de l’image spectrale infrarouge précédemment analysée par KM dans la Figure 68,
avec le dendrogramme et les centroïdes associés.
220
Kmeans clustering Dendrogram of cluster centers
9 (3.39%) 0.7%
10 1
8 (15.83%) 3.39%
20 9
7 (21.49%) 15.83%
30 8
6 (16.75%) 2 8.2%
40
KM
5 (6.08%) 5 6.08%
50
4 (10.71%) 4 10.71%
60
7
70 3 (16.86%) 21.49%
6
80 2 (8.2%) 16.75%
3
90 1 (0.7%) 16.86%
10 20 30 40 50 60 70 40 35 30 25 20 15 10 5
Figure 70 Image pseudo-colorée obtenue après classification KM sur la base de 9 clusters de l’image Raman de la même zone photographiée dans la Figure 68 regroupant des
nodules de CBC et des follicules pileux, avec le dendrogramme et les centroïdes associés.
221
FCM clustering: cluster 3 (2.1%) FCM clustering: cluster 7 (5.42%) FCM clustering: cluster 8 (16.23%) FCM clustering: cluster 5 (13.77%) FCM clustering: cluster 2 (16.94%) FCM clustering: cluster 1 (17.61%) FCM clustering: cluster 6 (14.83%) FCM clustering: cluster 4 (13.1%)
0.9 0.9 0.9 0.9 0.9 0.9 0.9 0.9

10 10 10 10 10 10 10 10
0.8 0.8 0.8 0.8 0.8 0.8 0.8 0.8
20 20 20 20 20 20 20 20
0.7 0.7 0.7 0.7 0.7 0.7 0.7 0.7
30 30 30 30 30 30 30 30
0.6 0.6 0.6 0.6 0.6 0.6 0.6 0.6
40 40 40 40 40 40 40 40
0.5 0.5 0.5 0.5 0.5 0.5 0.5 0.5
8 (16.23%)
5 5 (13.7 %)
2 2 (16.94%)
1 (17.61%)
6 (14.83%)
50 50 50 50 50 50 50 50
7 (5.42%)
4 (13.1%)
0.4 0.4 0.4 0.4 0.4 0.4 0.4 0.4
3 (2.1%)
60 60 60 60 60 60 60 60
0.3 0.3 0.3 0.3 0.3 0.3 0.3 0.3
70 70 70 70 70 70 70 70
0.2 0.2 0.2 0.2 0.2 0.2 0.2 0.2
80 80 80 80
80 80 80 80
0.1 0.1 0.1
0.1 0.1 0.1 0.1 0.1
90 90 90
90 90 90 90 90
0 0 0
10 20 30 40 50 60 70 0 0 0 0 10 20 30 40 50 60 70 0 10 20 30 40 50 60 70
3
4
10 20 30 40 50 60 70 10 20 30 40 50 60 70 10 20 30 40 50 60 70 10 20 30 40 50 60 70 10 20 30 40 50 60 70
Dendrogram of cluster centers
FCM
3 (2.1%)
3
7 (5.42%)
7
8 (16.23%)
8
5 5 (13.77%)
2 2 (16.94%)
1
1 (17.61%)
6
6 (14.83%)
4
4 (13.1%)
25 20 15 10 5
Figure 71 Résultat obtenu après classification FCM en 8 clusters (paramètre Fuzzy = 1,6) de l’image spectrale Raman précédemment analysée par KM dans la Figure 70, avec
222
CHA
50 µm
0 500 1000 1500 2000 2500

Length X (µm)
KM
Figure 72 Classification KM et CHA. Cadres inférieurs : Images pseudo-colorées obtenues après classification KM et CHA sur la base de 8 clusters d’une image Raman d’un
nodule de CBC accolé à l’épiderme, avec les dendrogrammes et les centroïdes respectifs associés. Cadre supérieur : Photographies de la zone analysée sur la coupe congelée et
sur la coupe colorée HE adjacente.
223
FCM clustering: cluster 8 (11.9%) FCM clustering: cluster 7 (8.34%) FCM clustering: cluster 5 (11.44%) FCM clustering: cluster 2 (8.92%) FCM clustering: cluster 3 (16.68%) FCM clustering: cluster 1 (17.38%)
FCM clustering: cluster 6 (16.2%) FCM clustering: cluster 4 (9.14%)
0.9 0.9 0.9 0.9 0.9 0.9
0.9 0.9
5 5 5 5 5 5 5 5
0.8 0.8 0.8 0.8 0.8 0.8 0.8 0.8
10 10 10 10 10 10 10 10
0.7 0.7 0.7 0.7 0.7 0.7 0.7 0.7
15 15 15 15 15 15 15 15
0.6 0.6 0.6 0.6 0.6 0.6 0.6 0.6
20 20 20 20 20 20 20 20
0.5 0.5 0.5 0.5 0.5 0.5 0.5 0.5
25 25
5 5 (1 .4 %)
3 (16.68%)
1 (17.38%)
25 25 25 25 25 25
8 (1 .9%)
6 (16.2%)
4 (9.14%)
7 7 (8.34%)
2 (8.92%)
0.4 0.4 0.4 0.4 0.4 0.4 0.4 30 0.4
30 30 30 30 30 30 30
35 0.3 0.3 0.3 0.3 0.3 0.3 0.3 35 0.3

35 35 35 35 35 35
40 0.2 40 0.2 40 0.2 0.2 0.2 0.2 0.2 40 0.2

40 40 40 40
45 0.1 45 0.1 45 0.1 45 0.1 45 0.1 45 0.1 45 0.1 45 0.1
50 0 50 0 50 0 50 50 50 50 50 0
10 20 30 40 10 20 30 40 10 20 30 40 0 0 0 0 10 20 30 40
10 20 30 40 10 20 30 40 10 20 30 40 10 20 30 40
8
1
FCM
8 (11.9%) 5
8
6 (16.2%) 4
6
4 (9.14%)
4
3
7 7 (8.34%)
2
5 5 (11.44%)
2 1
2 (8.92%)
3
3 (16.68%) 0
1
1 (17.38%)
-1
18 16 14 12 10 8 6 4 2 600 800 1000 1200 1400 1600
Figure 73 Résultat obtenu après classification FCM en 8 clusters (paramètre Fuzzy = 1,8) de l’image spectrale Raman précédemment analysée par KM et CHA dans la Figure
72, avec le dendrogramme et les centroïdes associés.
224
20 40 60 80 100 120
1 (6.74%) Dendrogram of cluster centers Cluster centers
2 (24.18%) 3.44% 4
120 14
3 (14.09%) 14.09%
3
4 (10.68%) 24.18%
2 3
5 (5.41%) 10 2.59%
100
9 5.12%
6 (3.29%)
8 13.17% 2
7 (1.03%)
17 1.65%
80 8 (13.17%)
0.65%
CHA
16
9 (5.12%) 1
15 3.02%
10 (2.59%) 12 1.99%
60
11 (0.78%) 4 10.68%
0
12 (1.99%) 1 6.74%
40 13 (0.46%) 18 1.7%
14 (3.44%) 7 1.03% -1
15 (3.02%) 6 3.29%
20 5
16 (0.65%) 5.41%
13 -2
17 (1.65%) 0.46%
11
18 (1.7%) 0.78%
500 400 300 200 100 900 1000 1100 1200 1300 1400 1500 1600 1700 1800
HCA clustering
Figure 74 Image pseudo-colorée obtenue après une CHA en 18 clusters de l’image infrarouge de la même zone photographiée dans la Figure 72, avec le dendrogramme et les
centroïdes associés.
225
FCM clustering: cluster 8 (4.19%) FCM clustering: cluster 1 (3.47%) FCM clustering: cluster 6 (6.87%) FCM clustering: cluster 5 (11.07%) FCM clustering: cluster 2 (6.12%) FCM clustering: cluster 4 (15.92%) FCM clustering: cluster 7 (20.41%) FCM clustering: cluster 3 (31.94%)
0.9 0.9 0.9 0.9 0.9 0.9 0.9 0.9

20 20 20 20 20 20 20 20
0.8 0.8 0.8 0.8 0.8 0.8 0.8 0.8
40 0.7 40 0.7 40 0.7 40 0.7 40 0.7 40 0.7 40 0.7 40 0.7
0.6 0.6 0.6 0.6 0.6 0.6 0.6 0.6

60 60 60 60 60 60 60 60
0.5 0.5 0.5 0.5 0.5 0.5 0.5 0.5
5 1 .07%
15.92%
20.41%
31.94%
4.19%
3.47%
6.87%
2 6.12%
80 0.4 80 0.4 80 0.4 80 0.4 80 0.4 80 0.4 80 0.4 80 0.4
0.3 0.3 0.3 0.3 0.3 0.3 0.3 0.3

100 100 100 100 100 100 100 100
0.2 0.2 0.2 0.2 0.2 0.2 0.2 0.2
120 0.1 120 120 120 120 0.1

0.1 0.1 0.1 120 0.1 120 0.1 120 0.1
0 0 0 0 0 0 0 0
20 40 60 80 100 120 20 40 60 80 100 120
8
3
20 40 60 80 100 120 20 40 60 80 100 120 20 40 60 80 100 120 20 40 60 80 100 120 20 40 60 80 100 120 20 40 60 80 100 120
FCM

4
4.19%
8
3
3.47%
1
6.87% 2
6
5 11.07% 1
2 6.12%
0
4
15.92%
-1
7
20.41%
3 -2
31.94%
900 1000 1100 1200 1300 1400 1500 1600 1700 1800
18 16 14 12 10 8 6 4 2
Figure 75 Résultat obtenu après classification FCM en 8 clusters (paramètre Fuzzy = 1,8) de l’image spectrale Raman précédemment analysée par CHA dans la Figure 74, avec
226
3. Différents degrés de différenciation tumorale du follicule pileux
Tout comme le CBC, le trichofolliculome est une tumeur se développant également à partir de
cellules pluripotentes du follicule pileux. Il s’agit cependant d’une tumeur bénigne
contrairement au CBC. Des analyses spectrales communes de ces différentes structures ont été
réalisées.
Dans un premier temps, des classifications ont été appliquées sur les images spectrales
Raman et infrarouge d’une zone cutanée contenant un tricholliculome et un follicule pileux. En
microspectroscopie Raman (Figure 76), une classification KM permet de mettre en évidence
le tricholliculome ainsi que sa nature hétérogène puisque qu’il est codé par deux clusters
différents (vert et bleu foncé). Il est intéressant de constater que le cluster bleu foncé (n°4)
contient également des pixels au niveau de l’enveloppe du follicule pileux (à gauche du
trichofolliculome) et d’une partie de l’épiderme. Le cluster rose (n°5) semble coder la kératine
pilaire, et l’on observe que la coupe congelée sectionne probablement un deuxième follicule
pilo-sébacé puisque l’on retrouve un disque de pixels rose à droite du trichofolliculome. Les
clusters turquoise et jaune sont spectralement proches mais correspondent à des zones cutanées
différentes. Le cluster turquoise (n°3) correspond à une zone tissulaire entourant étroitement la
tumeur et s’étendant jusqu’à l’épiderme ; tandis que le cluster jaune (n°1) correspond à une
zone globalement plus en profondeur. Ces deux clusters sont supposés être associés au stroma.
En microspectroscopie infrarouge (Figure 76 et Figure 77), l’hétérogénéité tumorale
n’apparait qu’à partir d’environ 15 clusters en FCM et 10 clusters en Raman. Bien que la zone
cutanée où se situe le follicule pilo-sébacé se distingue (cluster bleu n°9 en KM et cluster n°6
en FCM), le follicule en lui-même n’est pas clairement mis en évidence.
Ensuite, nous avons réalisé une classification commune de l’image infrarouge du

trichofolliculome avec l’image infrarouge de CBC nodulaire déjà présentée dans les Figure 68
et Figure 69. Les résultats obtenus en KM montrent que les nodules de CBC et le
trichofolliculome sont regroupés dans un même cluster (cluster bleu foncé). Le stroma autour
des nodules et celui autour du trichofolliculome sont classés dans des clusters différents bien
que spectralement très proches (clusters bleu clair et turquoise). Le cluster jaune regroupe des
cellules hautement kératinisées (poil et stratum corneum). L’enveloppe folliculaire et les autres
couches épidermiques semblent être représentées par les clusters rose et vert. Les follicules
pileux autour du trichofolliculome ne sont pas visibles ici (Figure 78). En ce qui concerne
l’analyse FCM de ces images, on observe que le cluster 2 regroupe les cellules du
227
trichofolliculome avec les cellules internes des nodules de CBC ainsi que les cellules des
follicules pileux. Ce cluster est associé au cluster 4 qui est principalement représenté, au niveau
du trichofolliculome, par la zone cutanée où se situe le follicule pileux. On remarque que les
cellules palissadiques des nodules de CBC et des follicules pileux appartiennent également à ce
cluster. De même, on observe que les cellules entourant le trichofolliculome (en profondeur et
au niveau épidermique), présentent également un coefficient d’appartenance non négligeable à
ce cluster. Le cluster 5 est associé au stroma, et le cluster 3 plutôt à la zone cutanée sous-
épidermique. Les clusters 2 et 6 sont associés à l’épiderme et à la kératine, mais cette dernière
n’est toujours pas visible au niveau de l’image du trichofolliculome (Figure 79).
228
Kmeans clustering
1.94% 3
10 5 (1.94%)
5
20 2.5
30 23.67% 2
4 (28.39%) 3
40 1.5
KM
50
3 (23.67%) 1 20.87% 1
60
0.5
70
2 (25.14%) 4 0
80 28.39%
90 -0.5
2
100 1 (20.87%) -1
25.14%
20 40 60 80 100 120 -1.5

20 15 10 5 600 800 1000 1200 1400 1600
0.53%
8
1.14% 3.5
Kmeans clustering 14
0.74% 3
15 (1.02%) 11
14 (1.14%) 4 1.99%
50 13 (3.56%) 2.5
15 1.02%
12 (2.57%)
100 11 (0.74%) 2.57% 2
12
10 (4.99%)
KM
10 4.99% 1.5
150 9 (6.27%)
8 (0.53%) 2 5.67%
7 (5.85%) 1
200 6 2.03%
6 (2.03%)
5 1.22% 0.5
250 5 (1.22%)
4 (1.99%) 13 3.56%
3 (5.12%) 0
300 9 6.27%
2 (5.67%)
1 (7.01%) 1 -0.5
7.01%
100 200 300 400 500 7
5.85% -1
3
5.12%
-1.5
10 8 6 4 2 900 1000 1100 1200 1300 1400 1500 1600 1700 1800
Figure 76 Classifications KM. Cadres inférieurs : Images pseudo-colorées obtenues après classifications KM des images Raman et infrarouge d’un trichofolliculome (en 5 et
15 clusters respectivement), avec les dendrogrammes et les centroïdes respectifs associés. Cadre supérieur : Photographies de la zone analysée sur la coupe congelée et sur la
coupe colorée HE adjacente.
229
FCM clustering: cluster 8 (10.58%) FCM clustering: cluster 3 (12.79%) FCM clustering: cluster 7 (15.79%) FCM clustering: cluster 6 (14.71%)
50 50 50 50 50 50
50 50 0.8 50 50
0.8 0.8 0.8 0.8 0.8 0.8 0.8 0.8 0.8
8 10.58%
3 12.79%
7 15.79%
14.11%
14.71%
100 100 100 100 100 100
3.31%
1.61%
7.41%
1 5.59%
14.1%
100 100 100 100
0.6 0.6 0.6 0.6 0.6 0.6 0.6 0.6 0.6
150 150 0.6 150 150 150 150
150 150 150 150
200 200 0.4 200 200 0.4 200 0.4 200 200 0.4 200 200 0.4
0.4 200 0.4 0.4 0.4 0.4
250 250 250 250 250 250 250 250 250

250
0.2 0.2 0.2 0.2 0.2 0.2 0.2 0.2 0.2
300 0.2
300 300 300 300 300 300 300 300
300
0100 0 0 0 0 0 0 0 0
200 300 400 500 0 100 200 300 400 500 100 200 300 400 500 100 200 300 400 500 100 200 300 400 500 100 200 300 400 500 100 200 300 400 500 100 200 300 400 500
10
100 200 300 400 500 100 200 300 400 500
9
6
FCM
3.31%
9 3.5
1.61%
4 3
7.41%
5 2.5
8 10.58% 2
3 12.79% 1.5
1 5.59% 1
7 15.79% 0.5
2 0
14.1%
10 -0.5
14.11%
6 -1
14.71%
8 7 6 5 4 3 2 1 900 1000 1100 1200 1300 1400 1500 1600 1700 1800
Figure 77 Résultat obtenu après classification FCM en 10 clusters (paramètre Fuzzy = 1,6) de l’image spectrale infrarouge précédemment analysée par KM dans la Figure 76,
avec le dendrogramme et les centroïdes associés.
230
Kmeans clustering
Kmeans clustering
6 (4.38%)
10 6 (3.01%)
50
5 (10.28%)
20
5 (45.83%)
100
4 (77.43%) 4 (8.09%)
150
30
200 3 (22.83%)
3 (0%)
40
250
2 (13.86%)
2 (4.13%)
50
300
1 (6.38%)
1 (3.79%)
100 200 300 400 500
60
10 20 30 40 50

KM
3.5
6.32%
1 3
3.04% 2.5
6
2
2 13.64% 1.5
1
5 45.02%
0.5
4 0
9.67%
-0.5
3
-1
22.31%
900 1000 1100 1200 1300 1400 1500 1600 1700 1800
12 10 8 6 4
Figure 78 Images pseudo-colorées obtenues après classification KM commune en 6 clusters de l’image infrarouge incluant des follicules pileux et des nodules de CBC (cf.
Figure 68) et de l’image infrarouge du trichofolliculome (cf. Figure 76).
231
50 0.8 50 0.8 50 0.8 50 50 50 0.8

0.8 0.8
100 100 100 100 100 100

0.6 0.6 0.6 0.6 0.6 0.6
150 150 150 150
150 150
200 0.4 200 0.4 200 0.4 200 0.4

200 0.4 200 0.4
250 250 250 250

250 250
0.2 0.2 0.2 0.2
0.2 0.2
300 300 300
300 300 300
0 0 0
0 0 0 100 200 300 400 500
100 200 300 400 500 100 200 300 400 500 100 200 300 400 500 100 200 300 400 500 100 200 300 400 500
0.9 0.9 0.9 0.9 0.9 0.9
10 0.8 10 0.8 10 0.8 10 0.8 10 0.8 10 0.8
0.7 0.7 0.7 0.7 0.7 0.7

20 20 20 20 20 20
0.6 0.6 0.6 0.6 0.6 0.6
30 0.5 30 0.5 30 0.5 30 0.5 30 0.5 30 0.5
0.4 0.4 0.4 0.4 0.4 0.4

40 40 40 40 40 40
0.3 0.3 0.3 0.3 0.3 0.3
5 21.06%
3 14.6 %
23. 8%
26. 8%
0.2 0.2 0.2 0.2 0.2 0.2
5.25%
50
60
10 20 30 40 50
0.1
0
50
60
8.97%
10 20 30 40 50
0.1
0
50
60
10 20 30 40 50
0.1
0
50
60
10 20 30 40 50
0.1
0
50
60
10 20 30 40 50
0.1
0
50
60
10 20 30 40 50
0.1
0
6
1
FCM
3.5
5.25%
6 3
8.97% 2.5
2
2
5 21.06%
1.5
1
3 14.66%
0.5
4
23.38% 0
1 -0.5
26.68%
-1
14 12 10 8 6 4 2 900 1000 1100 1200 1300 1400 1500 1600 1700 1800
Figure 79 Résultat obtenu après classification FCM en 6 clusters (paramètre Fuzzy = 2) commune des images infrarouges précédemment analysées par classification commune
KM dans la Figure 78, avec le dendrogramme et les centroïdes associés.
232
Nous avons donc pu mettre en évidence par microspectroscopies Raman et infrarouge l’existence
d’une hétérogénéité au sein des nodules de CBC et du tissu environnant. Les cellules palissadiques
entourant les nodules de CBC sont distinguées. Il serait intéressant en perspective d’analyser en
termes de vibrations moléculaires les centroïdes, en particulier pour une comparaison entre le
stroma, le derme peritumoral et le derme sain. En effet, cela permettra d’une part d’étudier le
remaniement dermique dû à la présence d’une tumeur, d’autre part de mieux définir la limite entre
derme remanié et derme sain en vue d’identifier des marqueurs spectroscopiques associés à la
définition des marges d’exérèse.
Nous avons également montré qu’il existait des caractéristiques communes entre certaines
cellules de follicules pileux, de l’épiderme et de CBC, révélant ainsi l’origine cellulaire de ces
tumeurs. De même, le trichofolliculome apparait spectralement proche du CBC et de l’enveloppe
des follicules pileux. Ici aussi l’analyse des centroïdes serait intéressante pour aider à comprendre
les différences moléculaires existant entre une tumeur bénigne et une tumeur maligne de même
origine.
233
CONCLUSION
GENERALE
234
CONCLUSION GENERALE
Il a été donné l’opportunité, avec cette thèse, d’analyser par spectroscopie Raman, 32 lésions de
CBC nodulaires sur trois niveaux successifs : in vivo directement sur le patient, ex vivo juste après
l’excision chirurgicale et in vitro après réalisation de coupes fines.
Avec les spectres in vivo, nous avons pu développer un modèle capable de discriminer les
CBC nodulaires de la peau saine avec de très bonnes performances. Nous avons montré la
possibilité d’exploiter des spectres Raman enregistrés en condition clinique à la condition de
respecter un certain seuil de rapport signal sur bruit (importance d’un contrôle qualité des spectres).
Cette discrimination repose sur des vibrations précises identifiables et classables selon leur pouvoir
discriminant. Les marges d’exérèse latérales en surface cutanée ont pu être évaluées avec ce
modèle. D’après les résultats obtenus, quatre CBC nodulaires sembleraient avoir été excisés avec
des marges d’exérèse latérales un peu justes. Un de ces quatre CBC a effectivement nécessité une
reprise chirurgicale plusieurs mois après son exérèse initiale. Nous avons également remarqué, dès
l’étape d’acquisition des spectres, une différence d’intensité significative entre les fonds des
spectres bruts in vivo de CBC et ceux de peau saine.
Avec les spectres ex vivo, nous avons cherché à identifier dans une approche univariée des
marqueurs Raman visuellement identifiables pouvant être utilisés pour l’évaluation des marges
profondes d’exérèse des CBC nodulaires. Les pics présentant une évolution d’intensité de la surface
vers la profondeur ont été exploités car cette évolution est susceptible d’être associée à la présence
d’une tumeur cutanée. Ils ont de plus également été étudiés in vitro en construisant des images
spectrales Raman sur les intensités intégrées sur ces vibrations. Nos travaux montrent que les
meilleurs candidats pour l’étude des marges profondes d’exérèse sont les pics centrés à 1316 cm-1
et à 1344 cm-1. On remarque que ces pics correspondent aux marqueurs identifiés lors de l’analyse
des spectres in vivo. Ces nombres d’onde peuvent donc être utilisés pour discriminer CBC et peau
saine in vivo, ex vivo et in vitro. De plus, en adéquation avec ce que nous avions observé in vivo,
nous avons remarqué que les fonds des spectres Raman in vitro (images spectrales) sont également
plus intenses lorsqu’ils sont enregistrés en zone cutanée non tumorale.
In vitro, nous avons pu aborder des investigations annexes telles que l’hétérogénéité
tumorale des CBC ou encore l’origine cellulaire de ces tumeurs.
235
PERSPECTIVES
236
PERSPECTIVES
En perspectives, nous proposons le développement d’un outil de discrimination in vivo CBC / peau
saine basé sur un protocole d’analyse cutanée en plusieurs étapes.
1°/ Une exploration rapide de la zone cutanée au voisinage de la lésion permettra une
première délimitation approximative de la zone tumorale à exciser. L’intensité de base des fonds
spectraux, dont la valeur est propre au patient et à la région cutanée, sera évaluée en référence en
zone saine à l’écart de la lésion. Cette étape nécessitera des acquisitions quasiment en temps réel
de spectres avec des temps d’acquisition faibles (< 1s). Une diminution de l’intensité des fonds
spectraux marquera la limite approximative de la zone cutanée altérée.
2°/ A ce niveau, les temps d’acquisition seront adaptés pour optimiser le signal Raman et
accéder à des informations moléculaires exploitables. Il devra être mis en place ici un contrôle
qualité automatisé des spectres (RSB >3). Les spectres Raman ayant passé ce test qualité, seront
injectés dans l’algorithme de discrimination CBC / peau saine pour déterminer avec précision la
zone cutanée à exciser.
3°/ Le même algorithme pourra également être utilisé pour contrôler et/ou aider à
déterminer la marge profonde d’excision : soit après l’acte chirurgical en enregistrant des spectres
Raman sur le lit d’exérèse, soit pendant l’acte chirurgical à chaque séquence d’excision dans le
cadre par exemple d’une chirurgie de Mohs.
4°/ A plus long terme, cet algorithme pourra être amélioré en intégrant la signature Raman
in vivo des lésions susceptibles d’être confondues avec un CBC. Il pourra alors être également
utilisé à des fins de diagnostic différentiel.
237
Bibliographie
1. Mélissopoulos A. La peau : structure et physiologie. Paris ; Cachan : Tec & Doc Lavoisier ;
Editions Médicales internationales; 1998.
2. Peyrefitte G. Biologie de la peau. Paris : Simep; 1997.
3. Agache P. Physiologie de la peau et explorations fonctionnelles cutanées. Cachan France;
Paris : Editions médicales internationales ; Technique & documentation; 2000.
4. Démarchez M. Biologie de la peau [Internet]. [cité 22 mars 2016]. Disponible sur:
http://biologiedelapeau.fr/
5. Kierszenbaum AL. Histologie et biologie cellulaire Une introduction à l’anatomie
pathologique. Bruxelles, Belgique: De Boeck; 2006. 619 p.
6. Lüllmann-Rauch R. Histologie. De Boeck Supérieur; 2008. 704 p.
7. Sherwood L. Physiologie humaine: A Human Perspective. De Boeck Supérieur; 2006. 768 p.
8. Organisation mondiale de la Santé (OMS) [Internet]. [cité 23 juin 2016]. Disponible sur:
http://www.who.int/fr/
9. Site grand public de la Société Française de Dermatologie [Internet]. [cité 22 mars 2016].
Disponible sur: http://dermato-info.fr/
10. Institut National Du Cancer [Internet]. [cité 28 juin 2016]. Disponible sur: http://www.e-
cancer.fr/
11. Jemec GBE, Miech D, Lajos K, Editors. Non-Surgical Treatment of Keratinocyte Skin
Cancer. 1re éd. Springer-Verlag Berlin and Heidelberg GmbH & Co. K; 2009. 217 p.
12. Jacob A. Observations respecting an ucler of pecular character which attacks the eye-lids
and other parts of the face. Dans: The Dublin hospital reports communications in medecine
and surgery. 1827. p. 232‑9.
13. Krompecher E. Der Basalzellenkrebs. Jena: Gustav Fischer; 1903.
14. Haute Autorité de Santé (HAS). Recommandations de bonne pratique - Prise en charge
diagnostique et thérapeutique du carcinome basocellulaire de l’ adulte [Internet]. [cité 19
avril 2017]. Disponible sur: http://www.has-sante.fr/portail/jcms/c_272312/fr/prise-en-
charge-diagnostique-et-therapeutique-du-carcinome-basocellulaire-de-l-adulte
15. Rigel DS, Friedman RJ, Dzubow LM, Reintgen DS, Bystryn J-C, Marks R. Cancer of the
Skin. Elsevier - Health Sciences Division; 2005. 728 p.
16. Tilli CMLJ, Van Steensel MAM, Krekels GAM, Neumann HAM, Ramaekers FCS.
Molecular aetiology and pathogenesis of basal cell carcinoma. Br J Dermatol.
2005;152(6):1108‑24.
17. Xeroderma pigmentosum [Internet]. [cité 19 avril 2017]. Disponible sur:
www.orpha.net/data/patho/Pub/fr/XerodermaPigmentosum-FRfrPub3253v01.pdf
238
18. National Institute for Health and Clinical Excellence. Guidance on Cancer Services
Improving outcomes for people with skin tumours including melanoma (update) : The
management of low-risk Basal Cell Carcinomas in the community [Internet]. [cité 19 avril
2017]. Disponible sur: https://www.nice.org.uk/guidance/csg8/resources/improving-outco
mes-for-people-with-skin-tumours-including-melanoma-2010-partial-update-773380189
19. Key statistics for basal and squamous cell skin cancers [Internet]. [cité 2 oct 2016].
Disponible sur: http://www.cancer.org/cancer/skincancer-basalandsquamouscell/detailedg
uide/skin-cancer-basal-and-squamous-cell-key-statistics
20. Crowson AN. Basal cell carcinoma : biology , morphology and clinical implications. Mod
Pathol. 2006;19 Suppl 2:S127-174.
21. Roenigk RK, Ratz JL, Bailin PL, Wheeland RG. Trends in the presentation and treatment of
basal cell carcinomas. J Dermatol Surg Oncol. 1986;12(8):860‑5.
22. Rigel DS, Robins P, Friedman RJ. Predicting recurrence of basal-cell carcinomas treated by
microscopically controlled excision: a recurrence index score. J Dermatol Surg Oncol.
1981;7(10):807‑10.
23. Rowe DE, Carroll RJ, Day CL. Long-term recurrence rates in previously untreated (primary)
basal cell carcinoma: implications for patient follow-up. J Dermatol Surg Oncol.
1989;15(3):315‑28.
24. Silverman MK, Kopf AW, Grin CM, Bart RS, Levenstein MJ. Recurrence rates of treated
basal cell carcinomas. Part 1: Overview. J Dermatol Surg Oncol. 1991;17(9):713‑8.
25. Bentkover SH, Grande DM, Soto H, Kozlicak BA, Guillaume D, Girouard S. Excision of
head and neck basal cell carcinoma with a rapid, cross-sectional, frozen-section technique.
Arch Facial Plast Surg. 2002;4(2):114‑9.
26. Presser SE, Taylor JR. Clinical diagnostic accuracy of basal cell carcinoma. J Am Acad
Dermatol. 1987;16(5 Pt 1):988‑90.
27. Mohammad E-A, Mansour M, Parichehr K, Farideh D, Amirhossein R, Ahmad S-A.
Assessment of clinical diagnostic accuracy compared with pathological diagnosis of basal
cell carcinoma. Indian Dermatol Online J. 2015;6(4):258.
28. Marghoob AA, Braun RP, Kopf AW. Précis illustré de dermoscopie. Arnette, rédacteur.
2007. 334 p.
29. Ly A, Habib F, Zimmermann U, Gentil-Perret A, Joujoux J-M, Clerici T, et al. Les chirurgies
micrographiques : techniques, indications et applications pratiques en cabinet. Ann
Dermatol Venereol. 2013;140(10):647‑55.
30. Examens anatomo-pathologiques extemporanés dans les pathologies mammaire et
thyroïdienne [Internet]. [cité 19 avril 2017]. Disponible sur: http://www.sfpathol.org/media
/pdf/recomm-extempo.pdf
31. Dalibart M, Servant L. Spectroscopie dans l ’ infrarouge. Dans: Techniques de l’ingénieur.
2000;P2845:1‑26.
32. Barbillat J, Bougeard D, Buntinx G, Delhaye M, Dhamelincourt P, Fillaux F. Spectrométrie
239
Raman. Dans: Techniques de l’ingénieur. 1999;P2865:1‑31.
33. Humbert B, Mevellec J-Y, Grausem J, Dossot M, Lorraine C De. Spectrométrie d’absorption
dans l’infrarouge. Dans: Techniques de l’ingénieur. 2012;P2850:1-28.
34. Poilblanc R, Crasnier F. Spectroscopies infrarouge et Raman. EDP Sciences, rédacteur.
Broché; 2007. 674 p.
35. Offroy M. Développement de la super-résolution appliquée à l’imagerie des spectroscopies
vibrationnelles [Thèse de doctorat]. [LASIR, France]: Laboratoire de spectrochimie
infrarouge et Raman; 2012.
36. Lasch P. Chemometrics and Intelligent Laboratory Systems Spectral pre-processing for
biomedical vibrational spectroscopy and microspectroscopic imaging. Chemom Intell Lab
Syst. Elsevier B.V.; 2012;117:100‑14.
37. Lebart L, Morineau A, Piron M. Statistique Exploratoire Multidimensionnelle. Paris:
Dunod; 2006.
38. Introduction à l’analyse des données [Internet]. [cité 19 avril 2017]. Disponible sur:
http://www.cnsee.org/Publication/PDF/BAMSIREPRINT04.pdf
39. Baudot J-Y. Métriques des classifications [Internet]. [cité 20 avr 2016]. Disponible sur:
http://www.jybaudot.fr/Analdonnees/metriques.html
40. Husson F. Cours de classification : la classification ascendante hiérarchique (partie 1/4)
[Internet]. [cité 7 mai 2016]. Disponible sur: https://www.youtube.com/watch?v=SE_4dLh
5vXY
41. Husson F. Cours de classification : méthode de partitionnement (partie 3/4) [Internet]. [cité
9 mai 2016]. Disponible sur: https://www.youtube.com/watch?v=3VLGFOMj8oI
42. Smith ZJ, Huser TR, Wachsmann-Hogiu S. Raman scattering in pathology. Anal Cell
Pathol. 2012;35(3):145‑63.
43. Longo C, Farnetani F, Ciardo S, Cesinaro M, Moscarella E, Ponti G, et al. Is confocal
microscopy a valuable tool in diagnosing nodular lesions? A study of 140 cases. Br J
Dermatol. 2013;169(1):58‑67.
44. Patil C, Kirshnamoorthi H, Ellis DL, van Leeuwen TG, Mahadevan-Jansen A. A clinical
instrument for combined raman spectroscopy-optical coherence tomography of skin cancers.
Lasers Surg Med. 2011;43(2):143‑51.
45. Thissen MR, Neumann MH, Schouten LJ. A systematic review of treatment modalities for
primary basal cell carcinomas. Arch Dermatol. 1999;135(10):1177‑83.
46. Panjehpour M, Julius CE, Phan MN, Vo-Dinh T, Overholt S. Laser-induced fluorescence
spectroscopy for in vivo diagnosis of non-melanoma skin cancers. Lasers Surg Med.
2002;31(5):367‑73.
47. Monici M. Cell and tissue autofluorescence research and diagnostic applications. Biotechnol
Annu Rev. 2005;11:227‑56.
240
48. Zeng H, MacAulay C, McLean DI, Palcic B, Lui H. The dynamics of laser-induced changes
in human skin autofluorescence--experimental measurements and theoretical modeling.
Photochem Photobiol. 1998;68(2):227‑36.
49. Huang Z, Lui H, Chen XK, Alajlan A, McLean DI, Zeng H. Raman spectroscopy of in vivo
cutaneous melanin. J Biomed Opt. 2004;9(6):1198‑205.
50. Deyl Z, Macek K, Adam M. Studies on the chemical nature of elastin fluorescence. Biochim
Biophys Acta - Protein Struct. 1980;625(2):248‑54.
51. Fujimoto D, Akiba K, Nakamura N. Isolation and characterization of a fluorescent material
in bovine achilles tendon collagen. Biochem Biophys Res Commun. 1977;76(4):1124‑9.
52. Wang S, Zhao J, Lui H, He Q, Zeng H. Monte Carlo simulation of near infrared
autofluorescence measurements of in vivo skin. J Photochem Photobiol B. 2011;105(3):183
‑9.
53. Ramanujam N. Fluorescence Spectroscopy In Vivo. Dans: Encyclopedia of Analytical
Chemistry. 2000. 20‑56.
54. Huang Z, Cheah HM, Chia T-C, Ching TL. Laser-induced microscopic fluorescence and
images of skin tissues. Proc SPIE 4164, Laser Microscopy, 43. 2000
55. Ramanujam N. Fluorescence spectroscopy of neoplastic and non-neoplastic tissues.
Neoplasia. 2000;2(1‑2):89‑117.
56. Brancaleon L, Durkin a J, Tu JH, Menaker G, Fallon JD, Kollias N. In vivo fluorescence
spectroscopy of nonmelanoma skin cancer. Photochem Photobiol. févr 2001;73(2):178‑83.
57. Drakaki E, Dessinioti C, Stratigos AJ, Salavastru C, Antoniou C. Laser-induced
fluorescence made simple: implications for the diagnosis and follow-up monitoring of basal
cell carcinoma. J Biomed Opt. 2014;19(3):30901.
58. Yuan Y, Relue P. Enzymatic degradation of human skin dermis revealed by fluorescence
and reflectance spectroscopy. Opt Express. 2008;16(13):9857‑68.
59. Hung J, Lam S, LeRiche JC, Palcic B. Autofluorescence of normal and malignant bronchial
tissue. Lasers Surg Med. 1991;11(2):99‑105.
60. Huang Z, Lui H, McLean DI, Korbelik M, Zeng H. Raman spectroscopy in combination
with background near-infrared autofluorescence enhances the in vivo assessment of
malignant tissues. Photochem Photobiol. 2005;81(5):1219‑26.
61. Takamori S, Kong K, Varma S, Leach I, Williams HC, Notingher I. Optimization of
multimodal spectral imaging for assessment of resection margins during Mohs micrographic
surgery for basal cell carcinoma. Biomed Opt Express. 2015;6(1):98.
62. Lim L, Nichols B, Migden MR, Rajaram N, Reichenberg JS, Markey MK, et al. Clinical
study of noninvasive in vivo melanoma and nonmelanoma skin cancers using multimodal
spectral diagnosis. J Biomed Opt. 2014;19(11):117003.
63. Motz JT 1972-. Development of in vivo Raman spectroscopy of atherosclerosis [Internet].
Massachusetts Institute of Technology; 2003 [cité 6 janv 2015]. Disponible sur:
241
http://dspace.mit.edu/handle/1721.1/17576
64. Shim M, Wilson B. Development of an in vivo Raman spectroscopic system for diagnostic
applications. J Raman Spectrosc. 1997;28(September 1996):131‑42.
65. Ghenuche P, Rammler S, Joly N, Scharrer M, Frosz M, Wenger J, et al. Kagome hollow-
core photonic crystal fiber probe for Raman spectroscopy. Opt Lett. 2012;4371‑3.
66. Tfayli A, Piot O, Derancourt S, Bernard P, Manfait M. In vivo Raman analysis of human
skin lesions. SPIE Newsroom: SPIE; 2006;1-3.
67. Wang H, Zhao J, Lee AMD, Lui H, Zeng H. Improving skin Raman spectral quality by
fluorescence photobleaching. Photodiagnosis Photodyn Ther. 2012;9(4):299‑302.
68. Schleusener J, Gluszczynska P, Reble C, Gersonde I, Helfmann J, Fluhr JW, et al. In vivo
study for the discrimination of cancerous and normal skin using fiber probe based Raman
spectroscopy. Exp Dermatol. 2015;24(10):767‑72.
69. Motz JT, Hunter M, Galindo LH, Gardecki J a, Kramer JR, Dasari RR, et al. Optical fiber
probe for biomedical Raman spectroscopy. Appl Opt. 2004;43(3):542‑54.
70. World Health Organization. Ultraviolet radiation and the INTERSUN Programme. Health
effects of UV radiation [Internet]. [cité 23 oct 2016]. Disponible sur:
http://www.who.int/uv/health/en/
71. Lomas A, Leonardi-Bee J, Bath-Hextall F. A systematic review of worldwide incidence of
nonmelanoma skin cancer. Br J Dermatol. 2012;166(5):1069‑80.
72. Asgari MM, Olson J, Alam M. Needs assessment for Mohs micrographic surgery. Dermatol
Clin. 2012;30(1):167‑75.
73. Shetty G, Kendall C, Shepherd N, Stone N, Barr H. Raman spectroscopy: elucidation of
biochemical changes in carcinogenesis of oesophagus. Br J Cancer. 2006;94(10):1460‑4.
74. Cluff GM, Short MA, Lui H, McLean DI, Zeng H, Korbelik M, et al. Comparison of
connective tissue invaded by Lewis lung carcinoma to healthy connective tissue by means
of micro-Raman spectroscopy. J Raman Spectrosc. 2009;40(8):1087‑90.
75. Choi J, Choo J, Chung H, Gweon DG, Park J, Kim HJ, et al. Direct observation of spectral
differences between normal and basal cell carcinoma (BCC) tissues using confocal Raman
microscopy. Biopolymers. 2005;77(5):264‑72.
76. Larraona-Puy M, Ghita A, Zoladek A, Perkins W, Varma S, Leach IH, et al. Development
of Raman microspectroscopy for automated detection and imaging of basal cell carcinoma.
J Biomed Opt. 2009;14(5):54031.
77. Huang Z, Zeng H, Hamzavi I, McLean DI, Lui H. Rapid near-infrared Raman spectroscopy
system for real-time in vivo skin measurements. Opt Lett. 2001;26(22):1782‑4.
78. Caspers PJ, Lucassen GW, Puppels GJ. Combined in vivo confocal Raman spectroscopy
and confocal microscopy of human skin. Biophys J. 2003;85(1):572‑80.
79. Tfayli A. Piot O, Derancourt S, Bernard P, Manfait M. In vivo Raman analysis of human
242
skin lesions. SPIE Newsroom: SPIE; 2006;1-3.
80. Lieber C, Mahadevan-Jansen A. Development of a handheld Raman microspectrometer for
clinical dermatologic applications. Opt Express. 2007;15(19):11874‑82.
81. Zhao J, Lui H, Mclean DI, Zeng H. Integrated real-time Raman system for clinical in vivo
skin analysis. Ski Res Technol. 2008;14(4):484‑92.
82. Stone N, Kendall C, Smith J, Crow P, Barr H. Raman spectroscopy for identification of
epithelial cancers. Faraday Discuss. 2004;126:141‑57.
83. Mo J, Zheng W, Low JJ, Ng J, Ilancheran A, Huang Z. High wavenumber Raman
spectroscopy for in vivo detection of cervical dysplasia. Anal Chem. 2009;81(21):8908‑15.
84. Lieber C, Majumder SK, Ellis DL, Billheimer DD, Mahadevan-Jansen A. In vivo
nonmelanoma skin cancer diagnosis using Raman microspectroscopy. Lasers Surg Med.
2008;40(7):461‑7.
85. Lui H, Zhao J, McLean D, Zeng H. Real-time raman spectroscopy for in vivo skin cancer
diagnosis. Cancer Res. 2012;72(10):2491‑500.
86. Silveira, Jr. L, Silveira FL, Bodanese B, Pacheco MTT, Zângaro R. Diagnosing basal cell
carcinoma in vivo by near-infrared Raman spectroscopy: a Principal Components Analysis
discrimination algorithm. Proc SPIE. 2012;8207:82070X‑1‑7.
87. Philipsen PA, Knudsen L, Gniadecka M, Ravnbak MH, Wulf HC. Diagnosis of malignant
melanoma and basal cell carcinoma by in vivo NIR-FT Raman spectroscopy is independent
of skin pigmentation. Photochem Photobiol Sci. 2013;12(5):770‑6.
88. Haka AS, Volynskaya Z, Gardecki J, Nazemi J, Lyons J, Hicks D, et al. In vivo margin
assessment during partial mastectomy breast surgery using Raman spectroscopy. Cancer
Res. 2006;66(6):3317‑22.
89. Keller MD, Kanter EM, Lieber CA, Majumder SK, Hutchings J, Ellis DL, et al. Detecting
temporal and spatial effects of epithelial cancers with Raman spectroscopy. Dis Markers.
2008;25(6):323‑37.
90. Liu H, Motoda H. Feature Selection for Knowledge Discovery and Data Mining. 1 re éd.
Kluwer Academic Publishers; 1998. 214 p.
91. Nguyen TT, Happillon T, Feru J, Brassart-Passco S, Angiboust J-F, Manfait M, et al. Raman
comparison of skin dermis of different ages: focus on spectral markers of collagen hydration.
J Raman Spectrosc. 30 sept 2013;44(9):1230‑7.
92. Ross DT, Scherf U, Eisen MB, Perou CM, Rees C, Spellman P, et al. Systematic variation
in gene expression patterns in human cancer cell lines. Nat Genet. mars 2000;24(3):227‑35.
93. Eklouh-molinier C, Happillon T, Bouland N, Fichel C, Diébold M-D, Angiboust J-F, et al.
Investigating the relationship between changes in collagen fiber orientation during skin
aging and collagen/water interactions by polarized-FTIR microimaging. Analyst. Royal
Society of Chemistry; 2015;140(18):6260‑8.
243
94. Tfayli A. Caractérisation structurale et moléculaire de la peau par microspectroscopies
optiques vibrationnelles. Applications au diagnostic précoce des tumeurs cutanées et à
l’étude de la diffusion de principes actifs à visée thérapeutique. [Thèse de doctorat].
[France]: Université de Reims Champagne-Ardenne; 2007.
95. Pence IJ, Vargis E, Mahadevan-Jansen A. Assessing variability of in vivo tissue Raman
spectra. Appl Spectrosc. 2013;67(7):789‑800.
96. Couturaud V. Biophysical Characteristics of the Skin in Relation to Race, Sex, Age and Site.
Dans: Handbook of Cosmetic Science and Technology. 2009. p. 5‑24.
97. Wechsler J, Zanetti R, Schrameck C, Rosso S, Pippione M, Linares J, et al. Reproducibility
of histopathologic diagnosis and classification of non-melanocytic skin cancer: a panel
exercise in the framework of the multicenter southern European study HELIOS. Tumori.
2001;87(2):95‑100.
244
Publications et communications
MAINRECK Nathalie. GOBINET Cyril. DURLACH Anne. GOELDEL Anne-Laure. REGUIAI

Ziad. ANGIBOUST Jean-François. MANFAIT Michel. BERNARD Philippe. PIOT Olivier. In
vivo tumoral discrimination with fibered Raman spectroscopy and assessment of the lateral
excision margin in BCC surgery. Journal of Investigative Dermatology. Soumis le 2 novembre 2016.
GOBINET Cyril. MAINRECK Nathalie. UNTEREINER Valérie. EKLOUH-MOLINIER

Christophe. NALLALA Jayakrupakar. SOCKALINGUM Ganesh. PIOT Olivier. Incorporation of
neighbourhood constraints to Fuzzy C-Means algorithm to improve the spectral histology of human
tissue sections by Raman microimaging. 12th European Congress on Digital Pathology. Paris, 18-
21 juin 2014.
MAINRECK Nathalie. GOBINET Cyril. REGUIAI Ziad. GOELDEL Anne-Laure. DURLACH

Anne. BERNARD Philippe. PIOT Oliver. Analysis of skin cancers by infrared and Raman
microspectroscopies. SPEC 2010. Manchester, UK, 26 juin - 1er juillet 2010.

Anne. BERNARD Philippe. PIOT Oliver. Analysis of skin tumors by Raman microspectroscopy.
ICORS XXII. Boston, MA, USA, 8-13 août 2010
245
MANFAIT Michel. PIOT Olivier. LY Elodie. GOBINET Cyril. JEANNESSON Pierre.
MAINRECK Nathalie. SEBISKVERADZE David. DURLACH Anne. BERNARD Philippe.
VRABIE Valeriu. PETIT Laurent. JOMARD André. ANDRES Philippe. SCHOOT Bernard.
Hyperspectral and statistical analysis of skin slices: potential as diagnostic and prognostic tool.
Proceedings of the 22nd World Congress of Dermatology. Séoul, Corée, 24-29 mai 2011.

Anne. BERNARD Philippe. PIOT Oliver. Basal Cell Carcinoma characterization by infrared and
Raman microspectroscopies. ECSBM 2011. Palerme, Portugal, 29 août - 3 septembre 2011.

Anne. BERNARD Philippe. MANFAIT Michel. PIOT Olivier. Analyse des cancers de la peau par
microspectroscopies infrarouge et Raman. CGE 2010. Strasbourg, 28-29 octobre 2010.
246
Apport potentiel de la spectroscopie Raman dans le traitement chirurgical des carcinomes cutanés (CBC)
Le carcinome basocellulaire (CBC) est un cancer cutané très fréquent représentant un problème de santé publique majeur. Il métastase rarement
mais peut devenir très invasif localement s’il n’est pas pris en charge rapidement. Actuellement, le diagnostic de certitude du CBC est obtenu
par examen anatomopathologique de coupes fines ; ce qui présente pour inconvénient d’être invasif et de donner une réponse différée. De plus,
la chirurgie du CBC ne bénéficie pas d’outil permettant de définir en temps réel la largeur optimale des marges de sécurité ; celles-ci devant être
minimales pour éviter les séquelles esthétiques mais suffisantes pour empêcher toute récidive. L’objectif de ces travaux de thèse est d’évaluer
l’apport potentiel de la spectroscopie Raman dans la prise en charge du CBC. Cette technologie applicable in vivo grâce au développement de
sondes adaptées, permet une exploration tissulaire à un niveau moléculaire relativement rapide. Au total, 32 patients ont été inclus dans cette
étude. A partir des spectres enregistrés in vivo, un modèle de discrimination CBC / peau saine a été développé, à partir duquel les marges
d’excision latérales ont pu être évaluées. Les marges profondes ont également été étudiées après enregistrement de spectres sur les pièces
fraichement excisées. Des marqueurs Raman de discrimination ont été identifiés aux différentes échelles in vivo, ex vivo et in vitro; ils constituent
des bio-indicateurs potentiels pour orienter la prise de décision chirurgicale. Enfin, la contribution des fonds spectraux, habituellement écartés
des analyses Raman, a été considérée et leur intérêt dans le cadre de ce projet a été discuté.
Spectroscopie Raman, Cancer cutané, Analyse in vivo, Applicabilité clinique, Marqueurs spectroscopiques
Potential contribution of Raman spectroscopy in the surgical treatment of skin carcinomas (BCC)
Basal cell carcinoma (BCC) is the most common skin cancer and a major problem for healthcare services worldwide. BCC rarely metastasizes but
can become highly damaging for surrounding tissue in case of late diagnosis. Actually, the gold standard for BCC diagnosis relies on
histopathological assessment of thin sections, but it is an invasive method which provides a delayed response. Moreover, it will be helpful during
surgery of BCC to assess in real-time the optimal size of the security margins, which has to be small enough to minimize aesthetic sequelae but
sufficient to avoid recurrence. The aim of this work is to evaluate the potential contribution of Raman spectroscopy in the management of BCC.
This technology can be applied in vivo thanks to the development of appropriate probes and allows a relatively rapid tissue exploration at a
molecular level. A total of 32 patients were included in this study. From in vivo recorded spectra, a model of discrimination BCC / healthy skin
was implemented, from which the width of excision margins was evaluated. Deep margins were also studied after recording spectra on freshly
excised pieces. Discriminant Raman markers were identified at different levels in vivo, ex vivo and in vitro; they are potential bio-indicators to
help the surgeon to define ideal excision margins. In addition, the contribution of spectral backgrounds, usually removed from Raman analysis,
was considered and their interest in this project was discussed.
Raman spectroscopy, Skin cancer, In vivo analysis, Clinical applicability, Spectroscopic markers
Discipline : SCIENCES DE LA VIE ET DE LA SANTE

Spécialité : Biophysique
Université de Reims Champagne-Ardenne
MéDIAN, CNRS UMR 7369 - MEDyC
51 rue Cognacq-Jay, 51096 Reims, France

MAINRECK 2017 Archivage

Transféré par

Droits d'auteur :

Formats disponibles

MAINRECK 2017 Archivage

Transféré par

Informations du document

Description originale:

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

MAINRECK 2017 Archivage

Transféré par

Droits d'auteur :

Formats disponibles

UNIVERSITÉ DE REIMS CHAMPAGNE-ARDENNE

ÉCOLE DOCTORALE SCIENCES TECHNOLOGIE SANTE (547)

DOCTEUR DE L’UNIVERSITÉ DE REIMS CHAMPAGNE-ARDENNE

Discipline : SCIENCES DE LA VIE ET DE LA SANTE

Présentée et soutenue publiquement par

Apport potentiel de la spectroscopie Raman

Thèse dirigée par OLIVIER PIOT et JEAN-FRANÇOIS ANGIBOUST

M. Olivier Piot, Professeur, Université de Reims Champagne-Ardenne, Directeur de thèse

M. Philippe Humbert, Professeur, Centre Hospitalier Universitaire de Besançon, Rapporteur

M. Igor Chourpa, Professeur, Université de Tours, Rapporteur

Mme Anne Durlach, Docteur, Centre Hospitalier Universitaire de Reims, Examinateur

M. Jacques Klossa, Docteur, Société TRIBVN, Paris, Examinateur

A Monsieur le Professeur Michel Manfait,

A Monsieur le Professeur Olivier Piot,

A Monsieur le Docteur Jean-François Angiboust,

A Monsieur le Professeur Igor Chourpa,

A Monsieur le Professeur Philippe Bernard,

A Madame le Docteur Anne Durlach,

A Monsieur le Docteur Jacques Klossa,

A Madame le Docteur Anne-Laure Goeldel,

A Monsieur le Docteur Cyril Gobinet,

Je remercie également le laboratoire pharmaceutique Galderma pour son soutien

J’adresse ma reconnaissance pour le soutien financier apporté par la Région Champagne-

Que de belles rencontres l’on fait pendant une thèse !

DISCIPLINE : SCIENCES DE LA VIE ET DE LA SANTE Spécialité : Biophysique

UNITE DE RECHERCHE : Université de Reims Champagne-Ardenne - MéDIAN, CNRS UMR 7369 –

ACP Analyse en Composante Principale

LISTE DES ABREVIATIONS ................................................................................................... 6

INTRODUCTION SUR LA PEAU SAINE

INTRODUCTION SUR LES SPECTROSCOPIES OPTIQUES VIBRATIONNELLES

RESULTATS OBTENUS AVEC LES TUMEURS IN VIVO

RESULTATS OBTENUS AVEC LES PIECES D'EXERESE

CONCLUSION GENERALE ET PERSPECTIVES .............................................................. 234

Références principales : (1) (2) (3) (4)

La peau est le siège de nombreuses fonctions. La plus essentielle est la protection de

Figure 1 Représentation schématique de la peau humaine et de ses principaux composants.

Dans l’objectif de faciliter l’interprétation des résultats de spectroscopie vibrationnelle obtenus au

I- EPIDERME ET SURFACE CUTANEE

L’épiderme est lui-même constitué de plusieurs couches cellulaires et correspond à un épithélium

Figure 2 Représentation schématique d’une coupe transversale de l’épiderme humain.

1. Couche basale ou couche germinative de l’épiderme

2. Couche du corps muqueux de Malpighi ou épineuse de l’épiderme

On observe en général 5 ou 6 assises de kératinocytes épineux dans la couche du corps muqueux

3. Couche granuleuse de l’épiderme

La couche granuleuse de l’épiderme est composée de 3 assises de kératinocytes de forme très

4. Couche claire ou brillante de l’épiderme

5. Couche cornée de l’épiderme

Couche compacte (stratum compactum)

Couche desquamante de Ranvier (stratum disjunctum)

Film cutané de surface

Flore cutanée de surface

Relief cutané de surface

II- JONCTION DERMO-EPIDERMIQUE

Figure 3 Représentation schématique de la jonction dermo-épidermique.

La couche la plus superficielle de la jonction dermo-épidermique est directement en contact avec

La couche centrale de la jonction dermo-épidermique constitue la zone d’ancrage effective pour

Figure 4 Coupe colorée de tissu cutané. (a) Couche cornée. (b)

1. Derme papillaire ou derme superficiel