ACCacia, une approche de machine-learningpour la classification moléculaire des corticosurrénalomes en routine clinique

Le pronostic des corticosurrénalomes est hétérogène. La classification transcriptomique sépare les adénomes (cluster « C2 ») des corticosurrénalomes et en identifie deux clusters, « C1A » et « C1B » de pronostic différent. Le RNA-seq3′ permet de déterminer le transcriptome sur tissus fixés et inclus en paraffine, même sur des ARN très dégradés, mais au prix de données manquantes sur 10 à 50 % des transcrits. Notre objectif est de tester un algorithme de réseau de neurones pour prédire la classe moléculaire en routine.