Régression à haute dimension dans le cadre de données de survie

Abstract

Dans le cadre des recherches concernant le cancer du poumon et en collaboration avec l’entreprise Radiomics, la connaissance du statut de certains biomarqueurs permet d’ajuster au mieux les traitements oncologiques. Ce mémoire s’intéresse à la prédiction du statut "mutant" ou "non mutant" de trois biomarqueurs EGFR, KRAS et ALK et porte sur la régression à haute dimension. Les bases de données contiennent d’une part, comme variables indépendantes, les très nombreuses variables de 114 patients malades, obtenues par imagerie médicale, et d’autre part le statut des trois biomarqueurs, obtenus par biopsie, comme variable dépendante. L’objectif poursuivi est double : le premier est de déterminer le meilleur seuil pour classer au mieux nos prédictions des biomarqueurs. Le second consiste à détecter, parmi les nombreuses variables, celles qui jouent un rôle important pour ces prédictions. Pour atteindre ce double objectif, nous utiliserons de nombreux outils et concepts tels que, entre autres, les estimateurs Lasso, Ridge, Elastic Net, la cross-validation et l’index de Youden.

Date of Award	30 Aug 2022
Original language	French
Awarding Institution	University of Namur
Supervisor	Germain Van Bever (Supervisor)