Le Sénégal ne dispose toujours pas dans ses deux services de médecine nucléaire d’une tomoscintigraphie d’émission monophotonique couplée au scanner, le diagnostic des métastases péri-articulaires peut donner le change avec les arthroses. L’objectif de cette étude était de présenter une technique d’apprentissage neuronale à l’image du cerveau humain. Pour réaliser ce modèle informatique, nous avons utilisé les cartes de Kohonen faisant intervenir le codage de l’information. Ces cartes cherchent par apprentissage à partir des données que sont les pixels de l’image scintigraphique à partitionner l’ensemble de ces observations (pixels) disponibles en groupement similaire grâce à un indice de classification qui sépare les métastases des arthroses. Avant le début de l’apprentissage, l’algorithme a réalisé d’abord une initialisation aléatoire des valeurs de chaque neurone. Au fur et à mesure que le nombre d’itérations augmentait, il existait un déploiement des neurones sur les nœuds de la carte. Les nœuds gagnants devenant ainsi de plus en plus nombreux sachant que le neurone gagnant était le plus proche des données au sens d’une distance « euclidienne ». Ainsi, la carte décrite par les vecteurs référents du réseau de neurones a évolué d’un état aléatoire vers un état de stabilité dans lequel elle décrivait la topologie de l’espace d’entrée tout en respectant les relations d’ordre dans la grille, d’où l’auto-organisation progressive de cette carte. À la fin de l’apprentissage, les neurones ne bougeaient plus ou très peu. Et à chaque itération, la carte auto-organisatrice recouvrait toute la topologie des données. Tout comme le cortex, les neurones artificiels sont reliés les uns aux autres avec une bonne organisation de la carte. À la fin de l’apprentissage, nous avions trouvé une erreur de quantification relativement faible et les 400 neurones qui représentent autant de classes contenaient l’ensemble des pixels de l’image scintigraphique. À partir des résultats de l’apprentissage, nous avons constaté que les neurones 41, 62, 101, 121 et 145 avaient capté l’essentiel des données avec un pic de captation réalisé par le neurone 41. Cet ensemble de neurones cités ci-dessus représente la classe des métastases. Cette méthode innovante peut être intégrée dans le maillon de la chaîne mettant en évidence les métastases périarticulaires dans les pays en voie de développement ne disposant pas pour la plupart d’un SPECT-CT.