Dans le cancer du sein avancé, il est important de comprendre non seulement les symptômes dus aux métastases organiques, mais aussi les symptômes complexes causés par une pathologie systémique. Dans cette étude, nous avons utilisé JMP Pro pour réaliser une analyse de classe latente (ACL) sur les données de 466 patientes atteintes d'un cancer du sein avancé afin de stratifier les patientes par pathologie. Suite aux discussions de l'année dernière, nous sommes passés de l'analyse factorielle conventionnelle à l'ACL. L'analyse a identifié sept groupes pathologiques, et deux groupes, notamment ceux présentant un épanchement pleural, ont suggéré des pathologies sous-jacentes distinctes. Le premier groupe était un groupe de lymphangite carcinomateuse causée par une embolie lymphatique, tandis que le second était un groupe de pleurésie carcinomateuse accompagnée de pleurésie. Des différences nettes ont également été observées sur les images TDM et les taux de LDH. Par ailleurs, parallèlement à cette étude, nous avons établi de nombreux organoïdes de patientes atteintes d'un cancer du sein et vérifions actuellement la validité biologique des résultats obtenus par ACL en les comparant à ceux d'organoïdes dérivés d'un épanchement pleural. Cette étude est un exemple de recherche translationnelle inverse reliant l'analyse de données cliniques à la recherche fondamentale grâce à JMP Pro. Les travaux futurs visent à intégrer cette approche à l'analyse par IA des images d'épanchement pleural. Dans cette présentation, je souhaite présenter l'utilité des modèles de stratification utilisant JMP Pro et les futurs développements de la recherche, et explorer les possibilités de collaboration avec des chercheurs de domaines connexes.
