Analyse de l’expression des facteurs immuno- hormonaux dans le cancer du sein
| dc.contributor.author | BOULMAIZ, Amel | |
| dc.date.accessioned | 2025-07-09T13:41:13Z | |
| dc.date.available | 2025-07-09T13:41:13Z | |
| dc.date.issued | 2025 | |
| dc.description.abstract | Ce travail de recherche s’inscrit dans le cadre de l’intégration de l’intelligence artificielle (IA) en oncologie. L’un des défis actuels consiste à identifier de nouveaux biomarqueurs moléculaires pour soutenir le développement de thérapies ciblées et personnalisées. Les méthodes de détection conventionnelles, bien qu’efficaces, restent souvent coûteuses et peuvent manquer de précision diagnostique et pronostique. L’objectif principal de ce travail est d’évaluer le potentiel des modèles d’IA dans la classification et la stratification des patientes atteintes de cancer du sein. Deux approches complémentaires ont été mises en œuvre. La première, uneétude prospective, visait à prédire l’expression de HER2 à l’aide de modèles supervisés d’apprentissage automatique entraînés sur des données cliniques et biologiques de 109 patientes prises en charge dans le centre de lutte contre le cancer d’Annaba. Quatre modèles ont été développés et évalués. Les résultats ont montré des performances prometteuses, soulignant l’intérêt des outils algorithmiques pour améliorer la précision du diagnostic et limiter les erreurs des méthodes classiques. La deuxième approche a reposé sur une analyse non supervisée menée sur une cohorte de 531 patientes issues de la base TCGA. Cette étude multicoque a intégré des données de méthylation de l’ADN, d’expression génique et des variables cliniques afin de stratifier les patientes et d’identifier des sous-groupes aux profils moléculaires et cliniques distincts. L’analyse de clu stering a permis d’identifier deux sous-groupes majeurs : le premier comprenait des patientes jeunes avec un profil à implication immunitaire, tandis que le second regroupait des patientes plus âgées, de phénotype hormonodépendant. Ces résultats ont mis en évidence une hétérogénéité moléculaire et clinique pouvant influencer la réponse thérapeutique. Une analyse de survie a également été réalisée à l’aide de modèles classiques et d’apprentissage profond. Le modèle de régression de Cox, ainsi que des réseaux de neurones artificiels (ANN) et convolutifs (CNN), ont été appliqués. Ces approches ont affiné la stratification pronostique et identifié des signatures associées à l’évolution de la maladie. L’ensemble des résultats renforce la pertinence de l’IA en oncologie, ouvrant la voie à une médecine plus personnalisée. | |
| dc.format | ||
| dc.identifier.uri | https://dspace.univ-annaba.dz//handle/123456789/4005 | |
| dc.language.iso | fr | |
| dc.publisher | Université Badji Mokhtar Annaba | |
| dc.subject | cancer du sein; intelligence artificielle; biomarqueur moléculaire; analyse multiomique; modèle prédictif | |
| dc.title | Analyse de l’expression des facteurs immuno- hormonaux dans le cancer du sein | |
| dc.type | Thesis |