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.