En el cáncer de mama avanzado, es importante comprender no solo los síntomas debidos a metástasis orgánicas, sino también los síntomas complejos causados por patología sistémica. En este estudio, utilizamos JMP Pro para realizar un análisis de clases latentes (ACL) en datos de 466 pacientes con cáncer de mama avanzado con el fin de estratificar a las pacientes según su patología. Basándonos en las conversaciones del año pasado, cambiamos del análisis factorial convencional al ACL. El análisis identificó siete grupos de patología, y dos grupos, en particular aquellos con derrame pleural, sugirieron patologías subyacentes distintas. Un grupo correspondió a una linfangitis carcinomatosa causada por embolia linfática, mientras que el otro correspondió a una pleuritis carcinomatosa acompañada de pleuresía. También se observaron claras diferencias en las imágenes de TC y los niveles de LDH. Además, en paralelo a este estudio, hemos establecido numerosos organoides en pacientes con cáncer de mama y actualmente estamos verificando la validez biológica de los hallazgos obtenidos mediante ACL comparándolos con organoides derivados de derrame pleural. Este estudio es un ejemplo de investigación translacional inversa que conecta el análisis de datos clínicos con la investigación básica mediante JMP Pro. El trabajo futuro busca integrar esto con el análisis de imágenes de derrame pleural mediante IA. En esta presentación, me gustaría informar sobre la utilidad de los modelos de estratificación con JMP Pro y los futuros avances en la investigación, además de explorar la posibilidad de colaborar con investigadores en campos relacionados.
