Résumé
La cytométrie en flux est une technique utilisée en médecine pour établir le diagnosticde pathologies complexes à partir de données multidimensionnelles rapides (quelquessecondes) d’un grand nombre de cellules individuelles (< 104 pour un tube d’échantillonssanguins). La classification (« clustering ») et l’analyse de ces sous-populations, et doncla discrimination diagnostique entre « malades » et « non malades », est cependant encoreessentiellement faite « à la main », à partir d’histogrammes ou de l’examen visuel de nuagesde points. Une approche de type algorithmique computationnelle qui automatiserait larecherche des différences ou des similitudes entre ces sous-populations améliorerait la qualité du diagnostic. L’approche considérée ici relève de la géométrie de l’information, qui va réduire la dimensionalité de l’espace des observations multiparamétriques au sous-espace des densités de probabilités du modèle statistique qui décrit ces observations, et qui possèdeune structure géométrique particulière (variété). L’objectif du présent travail est d’explorerl’algorithme de géométrie de l’information Fisher Information Non-parametric Embedding(FINE) en l’appliquant à des données de cytomètrie en flux, dans le contexte d’une pathologieparticulière, la thrombopénie induite par l’héparine (TIH).