Skip to Main content Skip to Navigation
Master Thesis

Apport de la signature génomique par Prosigna®dans la décision de prise en charge thérapeutique adjuvante par chimiothérapie chez des patients atteints de cancer du sein RH+ HER2- : étude rétrospective à propos de 300 cas à l’Institut Paoli Calmettes

Résumé : Introduction : plusieurs signatures moléculaires validées pour la décision de traitement adjuvant du cancer du sein sont utilisées dans la pratique clinique. L’une d’elles, Prosigna® fournit un algorithme utilisant l'expression d’une cinquantaine de gènes (PAM 50) et des variables clinico-pathologiques (taille et statut ganglionnaire). Cette signature permet la classification des tumeurs en sous-types moléculaires (LuminalA, LuminalB, HER2-enrichi, Basal-like) et fournit un score de risque de récidive à 10 ans. Objectif: Évaluer l’impact du résultat du score Prosigna® sur la prise de décision de chimiothérapie adjuvante. Évaluer l’expression de l’index de prolifération Ki67 dans la prédiction du niveau de risque et du sous type moléculaire du test Prosigna®. Méthodes : mon travail de thèse repose sur une étude rétrospective à propos de 300 patients présentant un cancer du sein au stade précoce RH+/HER2-, qui ont bénéficié du test Prosigna® à l’IPC entre août 2016 etoctobre2019. L’analyse du Ki67 a été réalisée en faisant appel au machine learning sur lames digitalisées par le biais d’une plateforme de lecture d’image en open source, QuPath en le comparant à l’analyse manuelle du Ki67. Résultats : en analysant les résultats du score Prosigna® et les décisions de traitement adjuvant basées sur les critères de prise de décision institutionnels, nous avons observé un taux de modification de choix thérapeutique dans 33%. Avec une tendance significative à rétrograde rsur la décision de chimiothérapie dans21,33%, largement supérieure à l’upgrading dans 11,89% (Sensibilité: 80,12%, Spécificité: 46,96%, p: 0.0056).Nous avons mis en évidence une corrélation significative de l’expression du Ki67 avec des critères histo-pronostiques tel que le grade SBR et le sous type moléculaire et le niveau de risque évalués par le score Prosigna®, que ce soit avec des techniques d’analyse manuelle ou par intelligence artificielle, avec une supériorité pour la technique d’intelligence artificielle. On obtient par intelligence artificielle un seuil du Ki67 à 13,56 pour déterminer le sous type moléculaire et le niveau de risque. Conclusion : l’utilisation du test Prosigna® a eu une incidence claire sur la prise de décision thérapeutique et notre cohorte nous a permis de tenter d’établir des seuils optimaux pour le Ki67 afin de prédire le sous type moléculaire et le niveau de risque rendu par le test.
Complete list of metadata

https://dumas.ccsd.cnrs.fr/dumas-03190609
Contributor : Faculté de Médecine Amu Connect in order to contact the contributor
Submitted on : Tuesday, April 6, 2021 - 2:05:36 PM
Last modification on : Tuesday, October 19, 2021 - 10:35:23 PM
Long-term archiving on: : Wednesday, July 7, 2021 - 6:33:56 PM

File

thèse02-04-2021.pdf
Files produced by the author(s)

Identifiers

  • HAL Id : dumas-03190609, version 1

Collections

`

Citation

Agathe Boucraut. Apport de la signature génomique par Prosigna®dans la décision de prise en charge thérapeutique adjuvante par chimiothérapie chez des patients atteints de cancer du sein RH+ HER2- : étude rétrospective à propos de 300 cas à l’Institut Paoli Calmettes. Sciences du Vivant [q-bio]. 2021. ⟨dumas-03190609⟩

Share

Metrics

Record views

83

Files downloads

46