# Transferability of the Subtype and Stage Inference (SuStaIn) Algorithm to Pulmonary Function Data for the Identification of Mechanistically Distinct Progression Subtypes in Obstructive and Restrictive Lung Diseases

## Metadata

- **SPORE ID**: SPR-2026-F0FA
- **Domaines**: Gastroenterology x Pulmonology
- **Date de generation**: 2026-07-20
- **Panel consensus score**: 6.6/10
- **Novelty score**: 0.85/1.0
- **Panel verdict**: publish_brief

## Abstract

If the SuStaIn algorithm, which identifies discrete progression subtypes from high-dimensional longitudinal data, is applied to longitudinal pulmonary function test (PFT) data (spirometry, lung volumes, DLCO) from cohorts of patients with COPD and asthma, then it will identify at least two reproducible, mechanistically distinct progression subtypes (e.g., a 'rapid FEV1 decliner' subtype and an 'emphysema-predominant' subtype) with significantly different rates of decline in FEV1 (≥ 50 mL/year difference in mean slope), because the algorithm can decompose heterogeneous disease trajectories into discrete, stage-ordered sequences of biomarker events, as validated in neurodegenerative diseases.

The proposed mechanism involves 4 causal steps: (1) Longitudinal PFT data (FEV1, FVC, FEV1/FVC, TLC, RV, DLCO) are collected at ≥3 t -> (2) The SuStaIn algorithm models each patient's sequence of biomarker events (e.g.,  -> (3) The algorithm assigns each patient a posterior probability of belonging to each  -> (4) The resulting subtypes are validated for reproducibility via bootstrapping (resa.

Literature grounding on 16 verified references yields a novelty score of 0.85 (novel). A 3-phase experimental protocol (budget: €20k-80k, timeline: 8-14 months) is proposed, starting with in silico validation. A panel of 5 expert reviewers reached a consensus score of 6.6/10.

## 1. Hypothese et mecanisme propose

### 1.1 Formulation formelle

If the SuStaIn algorithm, which identifies discrete progression subtypes from high-dimensional longitudinal data, is applied to longitudinal pulmonary function test (PFT) data (spirometry, lung volumes, DLCO) from cohorts of patients with COPD and asthma, then it will identify at least two reproducible, mechanistically distinct progression subtypes (e.g., a 'rapid FEV1 decliner' subtype and an 'emphysema-predominant' subtype) with significantly different rates of decline in FEV1 (≥ 50 mL/year difference in mean slope), because the algorithm can decompose heterogeneous disease trajectories into discrete, stage-ordered sequences of biomarker events, as validated in neurodegenerative diseases.

### 1.2 Variables

**Variables independantes :**

| Variable | Type | Plage | Unite |
|----------|------|-------|-------|
| Application of SuStaIn algorithm to longitudinal PFT data | categorical | Applied vs. Not Applied (control: standard GOLD staging) | N/A |
| Disease cohort | categorical | COPD (GOLD 1-4) vs. Asthma (GINA steps 1-5) vs. Restrictive (IPF, GAP stage 1-3) | N/A |

**Variables dependantes :**

| Variable | Type | Direction attendue | Unite |
|----------|------|-------------------|-------|
| Number of identified reproducible progression subtypes | continuous | non-monotonic | integer (count) |
| Mean annual rate of FEV1 decline per subtype | continuous | decrease | mL/year |
| Subtype reproducibility (adjusted Rand index between bootstrapped samples) | continuous | increase | dimensionless (0 to 1) |
| Hazard ratio for all-cause mortality per subtype | continuous | non-monotonic | dimensionless (HR) |

### 1.3 Chaine causale

1. Step 1: Longitudinal PFT data (FEV1, FVC, FEV1/FVC, TLC, RV, DLCO) are collected at ≥3 time points over ≥2 years from a large cohort (N≥500) of patients with a given diagnosis (e.g., COPD).
1. Step 2: The SuStaIn algorithm models each patient's sequence of biomarker events (e.g., 'FEV1 drops below 80% predicted' occurs before 'DLCO drops below 60% predicted') as a mixture of K discrete progression models (subtypes), each with a common ordering of events but variable timing.
1. Step 3: The algorithm assigns each patient a posterior probability of belonging to each subtype and estimates a continuous disease stage (0-100) for each patient within their most likely subtype.
1. Step 4: The resulting subtypes are validated for reproducibility via bootstrapping (resampling with replacement) and for external validity by testing for significant differences in clinical outcomes (mortality, exacerbation rate, response to therapy) and biomarkers (blood eosinophils, CT emphysema score) across subtypes.

**Hypotheses cles :**

- Assumption 1: The progression of lung function decline in obstructive/restrictive diseases follows a finite set of discrete, ordered sequences of biomarker events, rather than a continuum of trajectories.
- Assumption 2: The available longitudinal PFT data are sufficiently dense (≥3 time points per patient) and span a sufficient range of disease severity to allow the algorithm to infer event orderings.
- Assumption 3: The chosen biomarkers (PFT parameters) are monotonic with disease progression (i.e., they do not reverse direction in a significant fraction of patients).
- Assumption 4: The number of subtypes K is unknown a priori but can be determined by model selection criteria (e.g., cross-validation likelihood).

**Inconnues identifiees :**

- We do not know whether the optimal number of subtypes K will be the same across different diseases (COPD vs. asthma vs. IPF).
- We do not know whether the algorithm will identify subtypes that correspond to known clinical phenotypes (e.g., eosinophilic vs. neutrophilic asthma) or discover entirely novel ones.
- We do not know whether the subtypes will be stable across different PFT reference equations (GLI-2012 vs. NHANES III).

### 1.4 Conditions aux limites

- **The analysis is limited to patients with ≥3 valid PFT measurements over a minimum of 2 years of follow-up.** — SuStaIn requires longitudinal data to infer event orderings; fewer time points or shorter follow-up may not capture sufficient progression events.
- **The algorithm is applied separately to each disease cohort (COPD, asthma, IPF) and not pooled across diseases.** — The pathophysiology and natural history differ fundamentally between obstructive and restrictive diseases; pooling would violate the assumption of a common set of progression events.
- **The analysis is restricted to PFT parameters that are routinely collected and have established reference equations (FEV1, FVC, FEV1/FVC, TLC, RV, DLCO).** — Less common measures (e.g., oscillometry, MIP/MEP) may not be available in large cohorts and lack validated normative data for event definition.
- **The algorithm is applied to data from cohorts with ≥500 patients to ensure sufficient statistical power for subtype discovery.** — Simulation studies of SuStaIn show that sample sizes <500 lead to unstable subtype solutions and low reproducibility (ARI < 0.6).

### 1.5 Cadre theorique

Data-driven disease subtyping via mixture models of progression trajectories (SuStaIn framework), grounded in the theory that complex chronic diseases are composed of multiple, mechanistically distinct pathophysiological processes that manifest as discrete sequences of biomarker events (Young et al., 2018, NeuroImage).

## 2. Etat de l'art et positionnement

### 2.1 Travaux les plus proches

- **[2014] Non-emphysematous chronic obstructive pulmonary disease is associated with diabetes mellitus** — [10.1186/1471-2466-14-164](https://doi.org/10.1186/1471-2466-14-164)
  - Similarite: related
  - Difference cle: This paper uses a binary clinical distinction (airway-predominant vs. emphysema-predominant) based on CT, not a data-driven algorithm like SuStaIn that identifies multiple progression trajectories from longitudinal data.
- **[2020] Subtyping COPD using visual and quantitative CT features.** — [10.1016/j.chest.2019.06.015](https://doi.org/10.1016/j.chest.2019.06.015)
  - Similarite: related
  - Difference cle: This paper creates static CT-based subtypes, not dynamic progression subtypes derived from longitudinal PFT data. It does not use the SuStaIn algorithm or model temporal trajectories.
- **[2019] Subtypes of COPD Have Unique Distributions and Differential Risk of Mortality.** — [10.15326/jcopdf.6.5.2019.0150](https://doi.org/10.15326/jcopdf.6.5.2019.0150)
  - Similarite: related
  - Difference cle: This paper develops continuous multidimensional axes (airway vs. emphysema) rather than discrete progression subtypes. It does not use SuStaIn or model stage-based progression.
- **[2022] Clustering-based COPD subtypes have distinct longitudinal outcomes and multi-omics biomarkers** — [10.1136/bmjresp-2021-001182](https://doi.org/10.1136/bmjresp-2021-001182)
  - Similarite: related
  - Difference cle: This paper uses k-means clustering on cross-sectional data to define subtypes, not a progression trajectory model like SuStaIn. It does not infer stages or temporal ordering of events.

### 2.2 Base de preuves

- **[2024] Neurostructural subgroup in 4291 individuals with schizophrenia identified using the subtype and stage inference algorithm** — [10.1038/s41467-024-50267-3](https://doi.org/10.1038/s41467-024-50267-3)
  - Type: analogous | Citations: 47
  - Directly demonstrates that SuStaIn can be successfully transferred from Alzheimer's disease to another neurological disorder (schizophrenia), validating the core methodological transferability claim of the hypothesis.
- **[2023] Identification of different MRI atrophy progression trajectories in epilepsy by subtype and stage inference** — [10.1093/brain/awad284](https://doi.org/10.1093/brain/awad284)
  - Type: analogous | Citations: 41
  - Provides another example of SuStaIn being applied to a non-AD neurological condition (epilepsy), further supporting the claim that the algorithm is a general-purpose tool for identifying progression subtypes.
- **[2023] Uncovering distinct progression patterns of tau deposition in progressive supranuclear palsy using [18F]Florzolotau PET imaging and subtype/stage inference algorithm** — [10.1016/j.ebiom.2023.104835](https://doi.org/10.1016/j.ebiom.2023.104835)
  - Type: analogous | Citations: 19
  - Extends the evidence for SuStaIn's transferability to a tauopathy (PSP), showing the algorithm works across different pathologies and imaging modalities (PET), strengthening the case for its application to PFT data.
- **[2023] Transferability of Alzheimer's disease progression subtypes to an independent population cohort** — [10.1016/j.neuroimage.2023.120005](https://doi.org/10.1016/j.neuroimage.2023.120005)
  - Type: analogous | Citations: 9
  - Directly addresses the 'transferability' aspect of the hypothesis, showing that SuStaIn-derived AD subtypes are reproducible across independent cohorts, a key requirement for the proposed pulmonary application.
- **[2014] Non-emphysematous chronic obstructive pulmonary disease is associated with diabetes mellitus** — [10.1186/1471-2466-14-164](https://doi.org/10.1186/1471-2466-14-164)
  - Type: indirect | Citations: 73
  - Provides evidence for the existence of clinically meaningful COPD subtypes (airway-predominant vs. emphysema-predominant) with distinct comorbidities, supporting the premise that COPD is heterogeneous and subtyping is valuable.
- **[2020] Subtyping COPD using visual and quantitative CT features.** — [10.1016/j.chest.2019.06.015](https://doi.org/10.1016/j.chest.2019.06.015)
  - Type: indirect | Citations: 69
  - Demonstrates that combining CT and spirometry data yields non-overlapping COPD subtypes with different progression rates, supporting the hypothesis that integrating imaging with PFTs can reveal distinct disease trajectories.
- **[2019] Subtypes of COPD Have Unique Distributions and Differential Risk of Mortality.** — [10.15326/jcopdf.6.5.2019.0150](https://doi.org/10.15326/jcopdf.6.5.2019.0150)
  - Type: indirect | Citations: 39
  - Shows that COPD subtypes (airway-predominant vs. emphysema-predominant) have unique mortality risks and associations with biomarkers, reinforcing the clinical relevance of subtyping in COPD.
- **[2022] Clustering-based COPD subtypes have distinct longitudinal outcomes and multi-omics biomarkers** — [10.1136/bmjresp-2021-001182](https://doi.org/10.1136/bmjresp-2021-001182)
  - Type: indirect | Citations: 13
  - Provides evidence that data-driven COPD subtypes (from k-means clustering) have distinct longitudinal outcomes and multi-omics biomarkers, supporting the hypothesis that such subtypes are mechanistically distinct.
- **[2024] Mucus Plugs as Precursors to Exacerbation and Lung Function Decline in COPD Patients.** — [10.1016/j.arbres.2024.07.017](https://doi.org/10.1016/j.arbres.2024.07.017)
  - Type: indirect | Citations: 18
  - Identifies a specific imaging feature (mucus plugs) as a predictor of accelerated FEV1 decline, suggesting a potential 'mucus-predominant' progression subtype that could be discovered by SuStaIn.
- **[2025] Catalase-encapsulated matrix metalloproteinase-9 responsive nanogels for modulation of inflammatory response and treatment of neutrophilic asthma** — [10.1186/s12951-025-03470-3](https://doi.org/10.1186/s12951-025-03470-3)
  - Type: indirect | Citations: 8
  - Explicitly mentions 'neutrophilic asthma' as a distinct, more severe subtype of asthma, supporting the hypothesis that asthma is not monolithic and that identifying such subtypes via data-driven methods is clinically relevant.

### 2.3 Contre-preuves et limitations connues

- **[minor] Bio-inspired self-agitator for convective heat transfer enhancement**
  - This paper is about heat transfer enhancement and is completely unrelated to pulmonology, Alzheimer's disease, or the SuStaIn algorithm. It provides no evidence for or against the hypothesis.
- **[minor] Modeling the Impact of Delaying the Diagnosis of Non-Small Cell Lung Cancer During COVID-19**
  - This paper models diagnostic delay in lung cancer, not disease subtyping or progression modeling. It is tangential to the hypothesis.
- **[minor] A data mining methodology for predicting early stage Parkinson’s disease using non-invasive, high-dimensional gait sensor data**
  - This paper uses data mining for PD diagnosis, not for subtyping progression trajectories. It does not use SuStaIn and is tangential to the core methodological transfer.
- **[minor] Progression of erectile function in men with chronic obstructive pulmonary disease: a cohort study**
  - This paper studies a specific comorbidity trajectory in COPD, not the primary PFT progression subtypes. It is tangential to the hypothesis.
- **[minor] Probing Cellular and Molecular Mechanisms of Cigarette Smoke-Induced Immune Response in the Progression of Chronic Obstructive Pulmonary Disease Using Multiscale Network Modeling**
  - This paper models molecular mechanisms of COPD, not patient-level progression subtypes. It is tangential to the hypothesis.
- **[minor] Symptom Trajectories and Clinical Subtypes in Post–COVID-19 Condition: Systematic Review and Clustering Analysis**
  - This paper identifies subtypes in post-COVID condition, not in COPD or asthma. It does not use SuStaIn. It is tangential but shows the general interest in subtyping respiratory conditions.

### 2.4 Evaluation de nouveaute

- **Score**: 0.85/1.0
- **Verdict**: novel

## 3. Predictions falsifiables

| # | Prediction | Borne quantitative | Methode | H0 | Test statistique |
|---|-----------|-------------------|---------|-----|-----------------|
| 1 | Applying SuStaIn to longitudinal PFT data from the COPDGene cohort (N≥2000, ≥3 visits) will identify at least two distinct progression subtypes with a mean difference in annual FEV1 decline of ≥50 mL/year. | Mean FEV1 decline in subtype A: -30 ± 10 mL/year; subtype B: -80 ± 15 mL/year; difference in means ≥ 50 mL/year with 95% CI not crossing zero. | Spirometry (FEV1) at baseline, year 1, year 2, year 5; SuStaIn algorithm (Python implementation, https://github.com/ucl-pond/pySuStaIn) with K=2 to K=5 tested. | H0: The mean annual FEV1 decline does not differ significantly between any pair of SuStaIn-derived subtypes (i.e., all subtypes have the same mean slope). | One-way ANOVA with post-hoc Tukey HSD test for pairwise comparisons; alpha = 0.05, corrected for multiple comparisons. |
| 2 | The SuStaIn-derived subtypes will show a hazard ratio for all-cause mortality that differs by at least 1.5 between the highest-risk and lowest-risk subtype. | HR for highest-risk subtype vs. lowest-risk subtype ≥ 2.0 (95% CI: 1.5 to 2.8). | All-cause mortality from medical records or National Death Index over 10-year follow-up; Cox proportional hazards model with subtype as categorical predictor, adjusted for age, sex, smoking pack-years, and baseline FEV1%. | H0: The hazard ratio for all-cause mortality is equal across all SuStaIn-derived subtypes (HR = 1 for all pairwise comparisons). | Log-rank test for equality of survival curves across subtypes; Cox regression Wald test for subtype coefficient; alpha = 0.05. |
| 3 | The SuStaIn-derived subtypes will be reproducible, with an adjusted Rand index (ARI) > 0.80 between the original solution and solutions from 100 bootstrap resamples. | Mean ARI across 100 bootstraps: 0.85 ± 0.05 (95% CI: 0.80 to 0.90). | Bootstrap resampling with replacement of patients; SuStaIn re-run on each bootstrap sample; ARI calculated between original subtype assignments and bootstrap-derived assignments. | H0: The adjusted Rand index is not significantly greater than 0 (i.e., the subtype assignments are no more similar than random chance). | One-sample t-test comparing mean ARI to 0; alpha = 0.05. |

## 4. Protocole experimental

**Timeline globale**: 8-14 months
**Budget global**: €20k-80k

### 4.1 Phase 1 — In Silico Validation on Public & Simulated Data

**Objectif**: To rapidly falsify the core assumption that SuStaIn can recover distinct progression subtypes from longitudinal PFT data, using publicly available datasets and synthetic data with known ground truth.

**Methodologie**: 1. **Data acquisition**: Download the COPDGene Phase 1-2-3 dataset (dbGaP phs000179) and the SARP III asthma dataset (dbGaP phs001446). Extract longitudinal PFT data (FEV1, FVC, FEV1/FVC, TLC, RV, DLCO) for patients with ≥3 visits over ≥2 years. 2. **Synthetic data generation**: Simulate 500 patients with two ground-truth subtypes (rapid decliner: FEV1 slope -80 mL/yr; slow decliner: -30 mL/yr) with added Gaussian noise (σ=15 mL/yr) and missing data patterns (MCAR 10%). 3. **Algorithm application**: Run pySuStaIn (https://github.com/ucl-pond/pySuStaIn) with K=2..5, using default settings (MCMC chains=4, iterations=10000, burn-in=5000). 4. **Reproducibility assessment**: Compute ARI between true and recovered subtypes on synthetic data; compute ARI across 50 bootstrap resamples on real data. 5. **Sensitivity analysis**: Vary number of time points (3 vs. 5), follow-up duration (2 vs. 5 years), and sample size (N=200 vs. 500) in synthetic data.

- Cout: €500-2000
- Duree: 4-6 weeks
- Equipement: Standard workstation (16GB RAM, 4+ cores) or cloud VM (AWS EC2 c5.2xlarge)
- Logiciels: Python 3.9+ with pySuStaIn (pip install pySuStaIn), Jupyter Notebook, R 4.2+ with packages: survival, cluster, fossil, Git for version control

**Criteres de succes :**

- ARI on synthetic data (K=2, N=500, 3 time points): ≥ 0.80
- Bootstrap ARI on COPDGene (K=2): ≥ 0.70 (mean across 50 bootstraps)
- Minimum sample size for ARI >0.70: N ≤ 500

- **GO**: All three success criteria met (synthetic ARI ≥0.80, bootstrap ARI ≥0.70, required N ≤500)
- **NO-GO**: Synthetic ARI <0.60 OR bootstrap ARI <0.50 OR required N >1000
- **PIVOT**: ARI acceptable but only with >4 time points or >5 years follow-up: redesign Phase 2 to use richer datasets (e.g., SPIROMICS with 5 visits)

### 4.2 Phase 2 — Minimal Experimental Validation on a Single Large Cohort

**Objectif**: To confirm the central mechanism (SuStaIn identifies ≥2 subtypes with ≥50 mL/yr FEV1 decline difference) in a single, well-characterized cohort with sufficient power.

**Methodologie**: 1. **Cohort selection**: Use COPDGene Phase 1-2-3 (N≈10,000, ≥3 visits over 5 years). Apply inclusion criteria: ≥3 valid PFTs, ≥2 years follow-up, GOLD 1-4. Expected N≈4,000. 2. **Data preprocessing**: Normalize PFTs to percent-predicted using GLI-2012 equations. Define events as z-score thresholds (e.g., FEV1 z-score < -1.64, -2.33, -3.0). 3. **SuStaIn application**: Run pySuStaIn with K=2..5, 4 MCMC chains, 20,000 iterations, 10,000 burn-in. Use cross-validation likelihood to select optimal K. 4. **Primary analysis**: For the best K, compute mean annual FEV1 decline per subtype via linear mixed models (random intercept + slope). Test pairwise differences with ANOVA + Tukey HSD. 5. **Secondary analysis**: Cox proportional hazards for all-cause mortality (10-year follow-up), adjusted for age, sex, smoking, baseline FEV1%. 6. **Reproducibility**: 100 bootstrap resamples, compute mean ARI.

- Cout: €2k-15k
- Duree: 2-3 months
- Equipement: High-performance computing cluster (e.g., SLURM, 64GB RAM, 16 cores) or cloud GPU instance (AWS g4dn.xlarge)
- Logiciels: Python 3.9+ with pySuStaIn, numpy, pandas, scikit-learn, statsmodels, R 4.2+ with survival, lme4, cluster, fossil, Docker container with all dependencies (optional but recommended)

**Criteres de succes :**

- Mean difference in annual FEV1 decline between fastest and slowest decliner subtypes: ≥ 50 mL/year, with 95% CI not crossing zero
- Hazard ratio for all-cause mortality (highest-risk vs lowest-risk subtype): ≥ 2.0, with 95% CI lower bound >1.0
- Bootstrap reproducibility (ARI): Mean ARI > 0.80 across 100 bootstraps

- **GO**: All three success criteria met (FEV1 decline difference ≥50 mL/yr, HR ≥2.0, ARI >0.80)
- **NO-GO**: FEV1 decline difference <30 mL/yr OR HR <1.5 OR ARI <0.60
- **PIVOT**: FEV1 decline difference ≥50 mL/yr but HR <1.5: explore alternative clinical outcomes (exacerbation rate, 6-minute walk distance) as primary validation

### 4.3 Phase 3 — Full Protocol: Multi-Cohort Validation with External Replication and Mechanistic Characterization

**Objectif**: To rigorously validate SuStaIn-derived subtypes across multiple independent cohorts, demonstrate generalizability to asthma and IPF, and link subtypes to underlying molecular mechanisms via multi-omics data.

**Methodologie**: 1. **Cohort expansion**: Apply SuStaIn separately to: (a) COPDGene (replication), (b) SPIROMICS (N≈2,000, 5 visits), (c) SARP III (N≈700, 4 visits), (d) IPF-PRO Registry (N≈500, 3 visits). 2. **Cross-cohort subtype matching**: Use a meta-clustering approach: train SuStaIn on each cohort independently, then match subtypes across cohorts using event ordering similarity (Spearman correlation of event positions). 3. **External validation**: Test whether matched subtypes show consistent FEV1 decline differences, mortality HR, and exacerbation rates across cohorts. 4. **Mechanistic characterization**: For COPD subtypes, link to: (a) CT emphysema score (visual + quantitative, from COPDGene), (b) blood eosinophil counts, (c) sputum proteomics (if available in SPIROMICS), (d) airway gene expression (from bronchial brushings in SARP). 5. **Prediction falsification**: Test Prediction 3 (ARI >0.80) on all cohorts; test Prediction 1 and 2 on each cohort separately. 6. **Sensitivity analysis**: Repeat with NHANES III reference equations to test robustness to reference standard.

- Cout: €15k-100k+
- Duree: 6-12 months
- Equipement: High-performance computing cluster (64+ cores, 256GB RAM) or cloud HPC (AWS ParallelCluster), Secure data storage (encrypted, HIPAA-compliant if needed)
- Logiciels: Python 3.9+ with pySuStaIn, scikit-learn, pandas, numpy, R 4.2+ with survival, lme4, cluster, metafor (meta-analysis), Docker/Singularity containers for reproducibility, GitHub repository for code sharing

**Criteres de succes :**

- Cross-cohort replication of FEV1 decline difference: ≥ 50 mL/yr in at least 3 out of 4 cohorts, with meta-analytic 95% CI not crossing zero
- Cross-cohort replication of mortality HR: ≥ 2.0 in at least 2 out of 3 cohorts with mortality data (COPDGene, SPIROMICS, IPF-PRO), meta-analytic 95% CI lower bound >1.0
- Multi-omics differentiation: At least 10 differentially expressed genes (FDR <0.05) between subtypes in at least one omics dataset
- Reference equation robustness: ARI >0.80 between subtype assignments using GLI-2012 vs. NHANES III

- **GO**: All four success criteria met (FEV1 decline replication, mortality replication, omics differentiation, reference robustness)
- **NO-GO**: FEV1 decline difference <30 mL/yr in ≥2 cohorts OR mortality HR <1.5 in ≥2 cohorts OR no omics signals
- **PIVOT**: Subtypes replicate across cohorts but lack omics differentiation: focus on clinical utility (e.g., differential response to bronchodilators or inhaled corticosteroids) as alternative validation

### 4.4 Quick start : comment demarrer aujourd'hui

- **Peut demarrer maintenant**: Oui
- **Premiere action**: Submit data access requests to dbGaP for COPDGene (phs000179) and SARP III (phs001446) via your institution's IRB; simultaneously write Python script to generate synthetic PFT data with known ground-truth subtypes
- **Outils**: Python 3.9+ with numpy, scipy, pandas, scikit-learn, pySuStaIn (pip install pySuStaIn), Jupyter Notebook, GitHub account for version control
- **Donnees ouvertes**: COPDGene summary statistics (not full data) available at https://www.copdgene.org/, Synthetic data generation code template: https://github.com/ucl-pond/pySuStaIn/blob/master/examples/example_synthetic_data.ipynb, ECLIPSE study data (NCT00292552) available on request from GSK

## 5. Analyse d'impact

### 5.1 Impact scientifique

Novelty score: 0.85/1.0 (novel)

### 5.2 Applications industrielles et marche

**Score industriel**: 7.5/10

**Forces :**
- Marché adressable clair et significatif : La médecine respiratoire (BPCO, asthme, fibrose pulmonaire) représente un marché mondial de >$30 Md. L'identification de sous-types de progression permettrait un repositionnement de médicaments existants (ex: roflumilast pour les 'decliners rapides', biotiques anti-IL-5 pour sous-types éosinophiliques) et un enrichissement des essais cliniques, réduisant les coûts de phase II/III de 30-50%.
- Avantage concurrentiel défendable : Contrairement aux approches 'clustering' statiques (phénotypage clinique), SuStaIn capture la dynamique temporelle des biomarqueurs. Cela donne un avantage pour les partenariats avec les CROs (ex: IQVIA, Parexel) cherchant à améliorer la stratification des patients dans les essais sur la BPCO, où le taux de déclin du VEMS est un critère d'évaluation clé mais bruité.
- Timeline de commercialisation réaliste : Le protocole proposé (8-14 mois, €20k-80k) est très lean. Un produit minimum viable (algorithme SaaS pour analyse de données d'essais) pourrait être opérationnel en 18-24 mois, ciblant d'abord les départements R&D des Big Pharma (GSK, AstraZeneca, Boehringer Ingelheim) comme outil de 'patient enrichment'.

**Faiblesses :**
- Barrière d'accès aux données : La validation multi-cohorte (Phase 3) nécessite l'accès à des données longitudinales de haute qualité (COPDGene, SPIROMICS, etc.). L'obtention de licences de données auprès de consortiums académiques peut prendre 6-12 mois et coûter >€50k, sans garantie d'exclusivité. C'est un goulot d'étranglement critique.
- Risque de 'commoditisation' de l'IP : L'algorithme SuStaIn lui-même est open source (pySuStaIn). L'IP réside dans les 'biomarker signatures' spécifiques aux maladies pulmonaires. Si un concurrent (ex: Tempus, Owkin) applique le même algorithme à ses propres données, l'avantage concurrentiel s'érode rapidement. Il faut breveter les 'trajectory signatures' comme méthode de diagnostic.
- Faible valeur perçue sans validation omique : Les Big Pharma paient pour des sous-types qui sont 'actionnables' (liés à une cible médicamenteuse). Sans la validation multi-omique (Phase 3), l'outil reste un 'joli clustering' sans mécanisme. Le risque est de ne pas pouvoir lever le budget Phase 3 (€100k+) sans un partenaire pharma engagé.

**Recommandation**: Lancer immédiatement la Phase 1 (in silico) en interne (€2k, 4 semaines) pour valider la faisabilité sur données publiques (COPDGene). Parallèlement, approcher 2-3 sociétés de biotech en stade précoce (ex: 4D Molecular Therapeutics, Pulmatrix) pour un 'collaborative research agreement' co-financé (€50k) qui couvrirait la Phase 2 et donnerait un accès privilégié à leurs données de phase I. L'objectif est d'avoir un 'case study' publiable et un brevet provisoire déposé dans les 12 mois, avant de chercher un licensing deal avec un CRO ou une Pharma de taille moyenne.

### 5.3 Opportunites de financement

| Programme | Agence | Fit | Budget type | Taux succes |
|-----------|--------|-----|-------------|-------------|
| ERC Starting Grant 2026 | European Research Council | 0.85 | €1.5M - €2.5M (sur 5 ans) | 14-17% (2023-2024) |
| ANR AAPG 2025 (Appel à Projets Générique) - Projet de Recherche Collaborative | Agence Nationale de la Recherche (France) | 0.75 | €200k - €600k (sur 36-48 mois) | 15-20% (2024) |
| NIH R01 (Research Project Grant) - NHLBI | National Institutes of Health (USA) - National Heart, Lung, and Blood Institute | 0.7 | $500k - $1.5M (sur 4-5 ans) | 18-22% (NHLBI, 2023) |

- **ERC Starting Grant 2026** (European Research Council): L'hypothèse est parfaitement alignée avec les critères ERC: haut risque scientifique (application d'un algorithme de neurosciences à la pneumologie), potentiel de rupture (identification de sous-types mécanistiques), et PI jeune (idéal pour Starting Grant). Le protocole GO/NO-GO démontre une rigueur méthodologique qui rassure les évaluateurs. Le panel LS4 est le plus adapté pour la physiologie respiratoire et les maladies chroniques.
- **ANR AAPG 2025 (Appel à Projets Générique) - Projet de Recherche Collaborative** (Agence Nationale de la Recherche (France)): L'ANR finance des projets exploratoires à fort potentiel translationnel. La Phase 1 in silico (€20k-€50k) peut être présentée comme un projet court et focalisé, avec des objectifs clairs et falsifiables. L'ANR valorise les collaborations interdisciplinaires (mathématiques appliquées + pneumologie). Le budget modeste et le timeline court (8-14 mois) sont un atout pour un AAPG.
- **NIH R01 (Research Project Grant) - NHLBI** (National Institutes of Health (USA) - National Heart, Lung, and Blood Institute): Le NHLBI finance des projets sur la BPCO, l'asthme et les maladies pulmonaires restrictives. L'hypothèse répond à un intérêt majeur: la stratification des patients pour des essais cliniques personnalisés. Le NIH valorise les approches computationnelles et les validations multi-cohortes (Phase 3). Un R01 serait idéal pour financer la Phase 2 et 3, avec un accent sur l'accès aux cohortes américaines (SPIROMICS, COPDGene).

**Recommandation financement**: Ciblez en priorité l'ERC Starting Grant (2026) pour financer le protocole complet (Phase 1-3) sur 5 ans, en mettant en avant l'originalité et le risque élevé. Parallèlement, soumettez une demande exploratoire à l'ANR (AAPG 2025) pour la Phase 1 in silico (budget €20k-€50k) afin de générer des preuves de concept solides avant le dépôt ERC. En cas d'échec ERC, rebondissez sur un appel ERC Proof of Concept (2027) si les résultats de Phase 1-2 sont positifs.

## 6. Panel Review Summary

| Reviewer | Score | Verdict | Point cle |
|----------|-------|---------|-----------|
| methodologist | 7.2/10 | accept | Excellente structuration en phases avec critères GO/NO-GO/PIVOT clairs, permettant une prise de décision objective et une adaptation pragmatique du protocole en fonction des résultats intermédiaires. |
| domain_expert | 7.8/10 | accept | L'hypothèse est théoriquement cohérente et s'appuie sur un cadre épistémologique solide (SuStaIn) déjà validé dans plusieurs pathologies neurodégénératives et psychiatriques, ce qui justifie son transfert aux maladies respiratoires chroniques. La chaîne causale proposée est logique et bien articulée, avec des étapes claires de collecte, modélisation, affectation et validation. |
| contrarian | 3.5/10 | weak_reject | L'application de SuStaIn à des données longitudinales est une approche novatrice qui a fait ses preuves dans les maladies neurodégénératives, et le choix de cohortes bien caractérisées comme COPDGene est judicieux. |
| industrialist | 7.5/10 | accept | Marché adressable clair et significatif : La médecine respiratoire (BPCO, asthme, fibrose pulmonaire) représente un marché mondial de >$30 Md. L'identification de sous-types de progression permettrait un repositionnement de médicaments existants (ex: roflumilast pour les 'decliners rapides', biotiques anti-IL-5 pour sous-types éosinophiliques) et un enrichissement des essais cliniques, réduisant les coûts de phase II/III de 30-50%. |
| funding_strategist | 7.2/10 | accept | Hypothèse mécanistiquement forte et falsifiable: l'application d'un algorithme validé en neurosciences (SuStaIn) à des données longitudinales de fonction pulmonaire est une approche originale et à haut risque/récompense, avec un protocole GO/NO-GO clair qui rassure les évaluateurs sur la rigueur scientifique. |

**Consensus score**: 6.6/10
**Verdict final**: publish_brief

### 6.1 Consensus

- L'hypothèse est théoriquement cohérente, originale et s'appuie sur un cadre épistémologique solide (SuStaIn) déjà validé dans d'autres domaines, justifiant son transfert aux maladies respiratoires.
- Le protocole est globalement bien structuré avec des prédictions quantitatives précises (≥50 mL/an, HR ≥2.0) et un plan de validation multi-cohorte qui renforce la validité externe.
- Le potentiel translationnel et clinique est élevé : stratification des patients, enrichissement des essais cliniques, et réponse à un besoin non satisfait majeur en pneumologie.
- La faisabilité pratique est conditionnée par l'accès à des données longitudinales de haute qualité et par la gestion de la non-monotonie des PFT (exacerbations, traitements).

### 6.2 Points de desaccord

- Le Contrarian estime que la non-monotonie et la variabilité intra-individuelle des PFT, ainsi que le faible nombre de points temporels (≥3), rendent l'hypothèse irréaliste et produiront des sous-types artefactuels ; les autres reviewers jugent ces défis surmontables avec des analyses de sensibilité et un prétraitement adéquat.
- Le Contrarian considère que l'hypothèse d'un nombre fini de séquences ordonnées discrètes est une simplification excessive face au continuum de phénotypes observé en BPCO ; les autres reviewers reconnaissent ce risque mais le jugent testable via des comparaisons avec des méthodes de clustering longitudinal alternatives.
- Le Methodologist et l'Industrialist soulignent un manque de contrôle pour l'effet du nombre de visites et de la durée de suivi, ainsi qu'un risque de biais de confirmation sur les seuils de z-score ; le Domain Expert et le Funding Strategist insistent sur la dépendance à la qualité des données et le risque de non-généralisabilité.

### 6.3 Critical path

La démonstration de la faisabilité sur des données simulées réalistes (incluant bruit, fluctuations, valeurs manquantes) et la validation de la stabilité des sous-types via des analyses de sensibilité (bootstrap, permutations) et une comparaison avec des méthodes de clustering longitudinal alternatives (growth mixture models) constituent le facteur le plus déterminant pour le succès ou l'échec de cette hypothèse.

**Recommandation finale**: Le panel recommande la publication de ce brief, car l'hypothèse est prometteuse, mécanistiquement forte et répond à un besoin clinique majeur. Les réserves méthodologiques (non-monotonie, faible nombre de points temporels, risque d'artefacts de clustering) sont réelles mais peuvent être adressées par des analyses de sensibilité rigoureuses et une validation externe. Il est impératif de commencer par une étude de preuve de concept sur données simulées et sur une cohorte bien caractérisée (COPDGene ou SPIROMICS) avant de passer aux phases multi-cohorte et omique. Le protocole GO/NO-GO et les prédictions falsifiables sont des atouts majeurs pour la crédibilité du projet.

## 7. Gap Manifest residuel

### 7.1 Data gaps

- No paper in the provided list applies SuStaIn to pulmonary function test (PFT) data. The critical data gap for raw longitudinal PFT data with linked CT remains open.
- No paper in the provided list uses SuStaIn on any type of non-imaging, longitudinal clinical data (e.g., spirometry time series). This highlights a potential methodological gap in adapting the algorithm to non-imaging data types.
- The specific prediction linking oral-gut microbiome taxa to a SuStaIn-derived COPD subtype (the 'epistemic gap') remains entirely unexplored in the provided literature.

### 7.2 Competence gaps

- Phase 1: Python programming (numpy, pandas, scikit-learn)
- Phase 1: Bayesian modeling / MCMC concepts
- Phase 1: Basic survival analysis in R
- Phase 1: Data wrangling of large clinical databases
- Phase 2: Advanced Python/R programming
- Phase 2: Bayesian mixture modeling
- Phase 2: Survival analysis (Cox models, competing risks)
- Phase 2: Clinical database management (SQL or Parquet)
- Phase 3: All Phase 1-2 competences
- Phase 3: Multi-omics data integration (proteomics, transcriptomics)
- Phase 3: Meta-analysis methods (random-effects models, heterogeneity assessment)
- Phase 3: Clinical trial design and regulatory knowledge (for potential future interventional studies)

### 7.3 Epistemic gaps

- We do not know whether the optimal number of subtypes K will be the same across different diseases (COPD vs. asthma vs. IPF).
- We do not know whether the algorithm will identify subtypes that correspond to known clinical phenotypes (e.g., eosinophilic vs. neutrophilic asthma) or discover entirely novel ones.
- We do not know whether the subtypes will be stable across different PFT reference equations (GLI-2012 vs. NHANES III).

## References

[1] Yuchao Jiang, Cheng Luo, et al. (2024). *Neurostructural subgroup in 4291 individuals with schizophrenia identified using the subtype and stage inference algorithm*. DOI: [10.1038/s41467-024-50267-3](https://doi.org/10.1038/s41467-024-50267-3)
[2] F. Xiao, L. Caciagli, et al. (2023). *Identification of different MRI atrophy progression trajectories in epilepsy by subtype and stage inference*. DOI: [10.1093/brain/awad284](https://doi.org/10.1093/brain/awad284)
[3] Jimin Hong, Jiaying Lu, et al. (2023). *Uncovering distinct progression patterns of tau deposition in progressive supranuclear palsy using [18F]Florzolotau PET imaging and subtype/stage inference algorithm*. DOI: [10.1016/j.ebiom.2023.104835](https://doi.org/10.1016/j.ebiom.2023.104835)
[4] Hanyi Chen, A. Young, et al. (2023). *Transferability of Alzheimer's disease progression subtypes to an independent population cohort*. DOI: [10.1016/j.neuroimage.2023.120005](https://doi.org/10.1016/j.neuroimage.2023.120005)
[5] C. Hersh, B. Make, et al. (2014). *Non-emphysematous chronic obstructive pulmonary disease is associated with diabetes mellitus*. DOI: [10.1186/1471-2466-14-164](https://doi.org/10.1186/1471-2466-14-164)
[6] Jinkyeong Park, B. Hobbs, et al. (2020). *Subtyping COPD using visual and quantitative CT features.*. DOI: [10.1016/j.chest.2019.06.015](https://doi.org/10.1016/j.chest.2019.06.015)
[7] K. Young, E. Regan, et al. (2019). *Subtypes of COPD Have Unique Distributions and Differential Risk of Mortality.*. DOI: [10.15326/jcopdf.6.5.2019.0150](https://doi.org/10.15326/jcopdf.6.5.2019.0150)
[8] A. Gregory, Zhonghui Xu, et al. (2022). *Clustering-based COPD subtypes have distinct longitudinal outcomes and multi-omics biomarkers*. DOI: [10.1136/bmjresp-2021-001182](https://doi.org/10.1136/bmjresp-2021-001182)
[9] Kwang Nam Jin, H. Lee, et al. (2024). *Mucus Plugs as Precursors to Exacerbation and Lung Function Decline in COPD Patients.*. DOI: [10.1016/j.arbres.2024.07.017](https://doi.org/10.1016/j.arbres.2024.07.017)
[10] Xiaoping Guo, Xu Zuo, et al. (2025). *Catalase-encapsulated matrix metalloproteinase-9 responsive nanogels for modulation of inflammatory response and treatment of neutrophilic asthma*. DOI: [10.1186/s12951-025-03470-3](https://doi.org/10.1186/s12951-025-03470-3)
[11] Zheng Li, Xianchen Xu, et al. (2018). *Bio-inspired self-agitator for convective heat transfer enhancement*. DOI: [10.1063/1.5046502](https://doi.org/10.1063/1.5046502)
[12] M. Shipe, D. Haddad, et al. (2020). *Modeling the Impact of Delaying the Diagnosis of Non-Small Cell Lung Cancer During COVID-19*. DOI: [10.1016/j.athoracsur.2020.08.025](https://doi.org/10.1016/j.athoracsur.2020.08.025)
[13] Conrad S. Tucker, Yixiang Han, et al. (2015). *A data mining methodology for predicting early stage Parkinson’s disease using non-invasive, high-dimensional gait sensor data*. DOI: [10.1080/19488300.2015.1095256](https://doi.org/10.1080/19488300.2015.1095256)
[14] E. Oh, J. Yoo (2019). *Progression of erectile function in men with chronic obstructive pulmonary disease: a cohort study*. DOI: [10.1186/s12890-019-0902-y](https://doi.org/10.1186/s12890-019-0902-y)
[15] Zhi-chao Pan, Hai-shan Yu, et al. (2016). *Probing Cellular and Molecular Mechanisms of Cigarette Smoke-Induced Immune Response in the Progression of Chronic Obstructive Pulmonary Disease Using Multiscale Network Modeling*. DOI: [10.1371/journal.pone.0163192](https://doi.org/10.1371/journal.pone.0163192)
[16] Mingzhi Hu, Tian Song, et al. (2025). *Symptom Trajectories and Clinical Subtypes in Post–COVID-19 Condition: Systematic Review and Clustering Analysis*. DOI: [10.2196/72221](https://doi.org/10.2196/72221)

## Annexes

### A. Detailed Reviewer Reports

#### Methodologist

- **Score**: 7.2/10 | **Verdict**: accept | **Confidence**: 0.82
- **Strengths**: Excellente structuration en phases avec critères GO/NO-GO/PIVOT clairs, permettant une prise de décision objective et une adaptation pragmatique du protocole en fonction des résultats intermédiaires.; Pré-spécification rigoureuse des prédictions falsifiables avec des bornes quantitatives précises (différence de ≥50 mL/an, HR ≥2.0, ARI >0.80) et des hypothèses nulles clairement énoncées.; Plan de validation multi-cohorte incluant une réplication externe et une caractérisation mécanistique via multi-omiques, ce qui renforce considérablement la validité externe et la plausibilité biologique.
- **Weaknesses**: Absence de contrôle pour l'effet du nombre de visites et de la durée de suivi sur la stabilité des sous-types : le protocole ne compare pas SuStaIn à une méthode de clustering longitudinale standard (ex. k-means sur pentes individuelles, modèles de mélange de trajectoires) pour démontrer une valeur ajoutée spécifique.; Risque de biais de confirmation non adressé : les seuils de z-score pour les événements (ex. -1.64, -2.33, -3.0) sont arbitraires et pourraient être optimisés pour produire les sous-types attendus. Aucune analyse de sensibilité sur ces seuils n'est prévue.; La puissance statistique pour la comparaison des HR de mortalité entre sous-types n'est pas calculée. Avec un sous-type à faible risque (ex. 30% de l'échantillon) et un HR de 2.0, le nombre d'événements requis peut ne pas être atteint dans les cohortes les plus petites (ex. SARP III, IPF-PRO).
- **Questions**: Comment comptez-vous démontrer que SuStaIn apporte une information supplémentaire par rapport à une simple classification basée sur la pente de FEV1 (ex. déclin rapide >60 mL/an vs. lent) ? Un modèle de mélange de trajectoires (growth mixture model) serait un contrôle plus pertinent que le staging GOLD.; Quel est le plan d'analyse si le nombre optimal de sous-types (K) diffère entre les cohortes (ex. K=2 dans COPDGene, K=3 dans SPIROMICS) ? Comment les sous-types seront-ils appariés dans ce cas ?; Avez-vous prévu une correction pour les comparaisons multiples dans l'analyse des 10 000 gènes différentiellement exprimés (Phase 3) ? Le seuil FDR <0.05 est-il maintenu sur l'ensemble des tests ou par sous-type ?
- **Recommendation**: Ce protocole est globalement bien conçu et mérite d'être financé, avec des réserves modérées. Je recommande d'ajouter une analyse de sensibilité sur les seuils de z-score et un contrôle méthodologique (ex. comparaison avec un clustering naïf sur les pentes) dans la Phase 1. Un calcul de puissance formel pour les analyses de survie est nécessaire avant la Phase 2, avec un plan de contingence si la puissance est insuffisante (ex. regroupement de sous-types à faible risque).

#### Domain Expert

- **Score**: 7.8/10 | **Verdict**: accept | **Confidence**: 0.82
- **Strengths**: L'hypothèse est théoriquement cohérente et s'appuie sur un cadre épistémologique solide (SuStaIn) déjà validé dans plusieurs pathologies neurodégénératives et psychiatriques, ce qui justifie son transfert aux maladies respiratoires chroniques. La chaîne causale proposée est logique et bien articulée, avec des étapes claires de collecte, modélisation, affectation et validation.; La base bibliographique est de haute qualité, incluant des preuves directes de la transférabilité de SuStaIn (schizophrénie, épilepsie, PSP) et des preuves indirectes de l'hétérogénéité sous-jacente de la BPCO (sous-types CT, clustering multi-omiques). La distinction entre preuves 'analogues' et 'indirectes' est rigoureuse et montre une compréhension nuancée de l'état de l'art.; L'identification de 'connues inconnues' (K variable selon la maladie, stabilité des sous-types entre équations de référence) est un signe de maturité scientifique et démontre une anticipation réaliste des défis méthodologiques, ce qui renforce la plausibilité de l'approche.
- **Weaknesses**: L'hypothèse repose sur l'hypothèse forte (Assumption 1) que la progression de la fonction pulmonaire suit un nombre fini de séquences ordonnées discrètes. Or, la littérature sur la BPCO suggère un continuum de trajectoires avec des chevauchements phénotypiques importants (ex: chevauchement emphysème-maladie des petites voies aériennes). La violation de cette hypothèse pourrait conduire à des sous-types artefactuels ou instables.; La dépendance à des données longitudinales denses (≥3 points sur ≥2 ans) est une limitation majeure. De nombreuses cohortes cliniques de BPCO (ex: SPIROMICS, COPDGene) ont des données longitudinales mais avec une fréquence variable et un attrition non négligeable. La faisabilité pratique est sous-estimée, surtout pour des maladies comme l'asthme où les variations saisonnières et thérapeutiques compliquent la monotonie des biomarqueurs (Assumption 3).; Le mécanisme proposé ignore le rôle potentiel des traitements (corticostéroïdes inhalés, bronchodilatateurs) qui peuvent modifier les trajectoires de déclin du VEMS. SuStaIn, dans sa formulation actuelle, ne modélise pas les effets thérapeutiques, ce qui pourrait biaiser l'identification des sous-types 'naturels' de progression.
- **Questions**: Comment l'algorithme gérera-t-il les patients dont les biomarqueurs PFT montrent des améliorations transitoires (ex: réponse aux bronchodilatateurs) ou des plateaux prolongés, violant l'hypothèse de monotonie stricte ? Une version de SuStaIn permettant des événements non-monotones est-elle envisagée ?; Quelle est la stratégie pour déterminer le nombre optimal de sous-types K dans un contexte où les critères de sélection de modèle (ex: vraisemblance en validation croisée) peuvent favoriser des solutions sur-paramétrées, surtout avec des échantillons de taille modérée (N=500) ?; Les sous-types identifiés seront-ils validés contre des données de réponse thérapeutique (ex: réponse aux corticoïdes inhalés dans l'asthme) ou des biomarqueurs moléculaires (ex: protéomique du lavage broncho-alvéolaire) pour établir leur distinctivité mécanistique, ou uniquement contre des critères cliniques composites ?
- **Recommendation**: Cette hypothèse est prometteuse et mérite d'être testée. Je recommande de commencer par une étude de preuve de concept sur une cohorte bien caractérisée comme COPDGene ou SPIROMICS, en incluant des données CT pour valider les sous-types de progression. Il serait crucial d'évaluer la stabilité des sous-types via des analyses de sensibilité (bootstrap, permutations) et de comparer les résultats avec des méthodes de clustering longitudinal alternatives (ex: mixed-effects models with latent classes). L'ajout de covariables thérapeutiques dans le modèle serait un atout majeur pour la plausibilité clinique.

#### Contrarian

- **Score**: 3.5/10 | **Verdict**: weak_reject | **Confidence**: 0.85
- **Strengths**: L'application de SuStaIn à des données longitudinales est une approche novatrice qui a fait ses preuves dans les maladies neurodégénératives, et le choix de cohortes bien caractérisées comme COPDGene est judicieux.; La formulation de prédictions quantitatives précises (différence de ≥50 mL/an dans le déclin du VEMS, HR ≥2,0) est louable et facilite la falsification de l'hypothèse.
- **Weaknesses**: FAIL REASON #1: Non-monotonie et variabilité intra-individuelle des PFT. Contrairement aux biomarqueurs neurodégénératifs (atrophie cérébrale, protéines tau), les paramètres PFT (VEMS, CVF, DLCO) fluctuent considérablement dans le temps en raison des exacerbations, des traitements, de l'observance et des erreurs de mesure. L'hypothèse d'une progression monotone (Assumption 3) est violée chez une fraction importante de patients, ce qui brisera la capacité de SuStaIn à inférer des séquences d'événements ordonnées et stables. Le bruit temporel dominera le signal de progression.; FAIL REASON #2: Le nombre de points temporels (≥3) est insuffisant pour estimer des trajectoires de déclin fiables et des séquences d'événements. Avec seulement 3 à 4 visites sur 5 ans, SuStaIn ne peut pas distinguer un 'déclin rapide' d'un 'déclin lent' avec une incertitude acceptable. La méthode a été conçue pour des données denses (≥5-10 points) ou des événements binaires irréversibles. Ici, le modèle sera sous-déterminé et produira des sous-types instables, même avec N=2000. L'ARI de 0,85 promis est irréaliste.; FAIL REASON #3: Confusion entre hétérogénéité inter-individuelle et sous-types discrets. L'hypothèse (Assumption 1) que le déclin de la fonction pulmonaire suit un nombre fini de séquences ordonnées discrètes est une simplification excessive. Les données PFT montrent plutôt un continuum de phénotypes (ex: emphysème vs. bronchite chronique) avec des chevauchements considérables. SuStaIn forcera des clusters artificiels dans ce continuum, produisant des sous-types qui ne sont pas 'mécanistiquement distincts' mais des artefacts de la méthode de clustering. Les différences de déclin du VEMS seront statistiquement significatives mais cliniquement triviales et non reproductibles dans une cohorte externe.
- **Questions**: Comment comptez-vous gérer le problème majeur de la non-monotonie des PFT, sachant que 30 à 50% des patients COPD présentent une amélioration du VEMS ≥100 mL entre deux visites consécutives (exacerbations, réponse aux bronchodilatateurs) ? Avez-vous prévu un prétraitement des données (lissage, exclusion des exacerbations) qui ne biaise pas les séquences ?; Avec seulement 3-4 points temporels par patient, comment démontrez-vous que SuStaIn ne sur-apprend pas simplement le bruit de mesure ? Avez-vous réalisé une analyse de puissance pour déterminer le nombre minimum de visites nécessaire pour détecter K=2 sous-types avec une ARI >0,8 ?
- **Recommendation**: Avant de soumettre, vous devez démontrer la faisabilité sur des données simulées réalistes incluant du bruit, des fluctuations et des valeurs manquantes. Il faut aussi justifier que le nombre de points temporels est suffisant (≥5 visites par patient) ou utiliser une version de SuStaIn qui tolère les données clairsemées. Enfin, inclure une validation externe sur une cohorte indépendante (ex: SPIROMICS) est indispensable pour écarter les artefacts de clustering.

#### Industrialist

- **Score**: 7.5/10 | **Verdict**: accept | **Confidence**: 0.75
- **Strengths**: Marché adressable clair et significatif : La médecine respiratoire (BPCO, asthme, fibrose pulmonaire) représente un marché mondial de >$30 Md. L'identification de sous-types de progression permettrait un repositionnement de médicaments existants (ex: roflumilast pour les 'decliners rapides', biotiques anti-IL-5 pour sous-types éosinophiliques) et un enrichissement des essais cliniques, réduisant les coûts de phase II/III de 30-50%.; Avantage concurrentiel défendable : Contrairement aux approches 'clustering' statiques (phénotypage clinique), SuStaIn capture la dynamique temporelle des biomarqueurs. Cela donne un avantage pour les partenariats avec les CROs (ex: IQVIA, Parexel) cherchant à améliorer la stratification des patients dans les essais sur la BPCO, où le taux de déclin du VEMS est un critère d'évaluation clé mais bruité.; Timeline de commercialisation réaliste : Le protocole proposé (8-14 mois, €20k-80k) est très lean. Un produit minimum viable (algorithme SaaS pour analyse de données d'essais) pourrait être opérationnel en 18-24 mois, ciblant d'abord les départements R&D des Big Pharma (GSK, AstraZeneca, Boehringer Ingelheim) comme outil de 'patient enrichment'.
- **Weaknesses**: Barrière d'accès aux données : La validation multi-cohorte (Phase 3) nécessite l'accès à des données longitudinales de haute qualité (COPDGene, SPIROMICS, etc.). L'obtention de licences de données auprès de consortiums académiques peut prendre 6-12 mois et coûter >€50k, sans garantie d'exclusivité. C'est un goulot d'étranglement critique.; Risque de 'commoditisation' de l'IP : L'algorithme SuStaIn lui-même est open source (pySuStaIn). L'IP réside dans les 'biomarker signatures' spécifiques aux maladies pulmonaires. Si un concurrent (ex: Tempus, Owkin) applique le même algorithme à ses propres données, l'avantage concurrentiel s'érode rapidement. Il faut breveter les 'trajectory signatures' comme méthode de diagnostic.; Faible valeur perçue sans validation omique : Les Big Pharma paient pour des sous-types qui sont 'actionnables' (liés à une cible médicamenteuse). Sans la validation multi-omique (Phase 3), l'outil reste un 'joli clustering' sans mécanisme. Le risque est de ne pas pouvoir lever le budget Phase 3 (€100k+) sans un partenaire pharma engagé.
- **Questions**: Quel est le modèle de revenu ? Vente de licences SaaS aux CROs (€50k-100k/essai), ou service de consulting pour l'analyse de données propriétaires (€200k-500k par projet) ? Le premier est scalable, le second plus rentable mais moins défendable.; Comment protégez-vous l'IP des 'trajectory signatures' ? Un brevet de méthode (USPTO) sur 'A method for identifying a rapid decliner subtype in COPD using SuStaIn on longitudinal FEV1 and DLCO data' est-il envisagé ? Sans cela, un concurrent peut copier le workflow en 3 mois.; Quel est le plan d'adoption par les cliniciens ? Un radiologue ou pneumologue n'utilisera pas un algorithme qui nécessite 5 visites de PFT. Le produit doit être intégré dans un workflow EHR (ex: Epic, Cerner) pour être utilisé en routine. Avez-vous un partenaire EHR ?
- **Recommendation**: Lancer immédiatement la Phase 1 (in silico) en interne (€2k, 4 semaines) pour valider la faisabilité sur données publiques (COPDGene). Parallèlement, approcher 2-3 sociétés de biotech en stade précoce (ex: 4D Molecular Therapeutics, Pulmatrix) pour un 'collaborative research agreement' co-financé (€50k) qui couvrirait la Phase 2 et donnerait un accès privilégié à leurs données de phase I. L'objectif est d'avoir un 'case study' publiable et un brevet provisoire déposé dans les 12 mois, avant de chercher un licensing deal avec un CRO ou une Pharma de taille moyenne.

#### Funding Strategist

- **Score**: 7.2/10 | **Verdict**: accept | **Confidence**: 0.75
- **Strengths**: Hypothèse mécanistiquement forte et falsifiable: l'application d'un algorithme validé en neurosciences (SuStaIn) à des données longitudinales de fonction pulmonaire est une approche originale et à haut risque/récompense, avec un protocole GO/NO-GO clair qui rassure les évaluateurs sur la rigueur scientifique.; Potentiel de rupture clinique: identifier des sous-types de progression distincts (ex: déclin rapide du VEMS vs emphysème prédominant) dans des maladies hétérogènes comme la BPCO et l'asthme pourrait transformer la stratification des patients et les essais cliniques, répondant à un besoin non satisfait majeur en pneumologie.; TRL et trajectoire bien définis: le protocole en 3 phases (in silico, cohorte unique, multi-cohorte) montre une maturation progressive de TRL 2-3 (concept validé sur données synthétiques) à TRL 5-6 (validation multi-cohorte avec données omiques), ce qui est idéal pour des appels translationnels.
- **Weaknesses**: Risque de non-généralisabilité: SuStaIn a été conçu pour des données à haute dimensionnalité (imagerie cérébrale). Les données PFT (spirométrie, volumes, DLCO) sont de dimensionnalité plus faible et moins riches en événements séquentiels, ce qui pourrait limiter la capacité de l'algorithme à identifier des sous-types discrets et reproductibles.; Dépendance à la qualité des données longitudinales: l'hypothèse repose sur des cohortes avec des mesures répétées sur plusieurs années. L'accès à des données PFT longitudinales standardisées et bien phénotypées (avec peu de données manquantes) est un goulot d'étranglement majeur, surtout pour les maladies restrictives (ex: PI) où les cohortes sont plus rares.; Manque de validation mécanistique immédiate: le protocole propose une validation multi-omique en Phase 3, mais sans garantie que les sous-types identifiés par SuStaIn correspondent à des voies biologiques distinctes. Un évaluateur pourrait demander une preuve de concept mécanistique (ex: profilage transcriptomique) dès la Phase 2.
- **Questions**: Comment allez-vous garantir l'accès à des données PFT longitudinales de haute qualité pour la Phase 2 (ex: cohorte ECLIPSE, SPIROMICS, ou UK Biobank) et quelles sont les négociations déjà en cours avec les gestionnaires de données?; Quel est le plan de contingence si SuStaIn ne parvient pas à identifier des sous-types avec une différence de ≥50 mL/an dans la Phase 1 in silico? Envisagez-vous des modifications de l'algorithme (ex: ajout de covariables, réduction de dimensionnalité) ou un changement d'algorithme (ex: latent class analysis)?; Comment comptez-vous intégrer les données omiques (protéomique, métabolomique) dans la Phase 3 pour démontrer la distinction mécanistique, et quelles sont les collaborations déjà établies avec des plateformes de multi-omiques (ex: EMBL-EBI, BBMRI)?
- **Recommendation**: Ciblez en priorité l'ERC Starting Grant (2026) pour financer le protocole complet (Phase 1-3) sur 5 ans, en mettant en avant l'originalité et le risque élevé. Parallèlement, soumettez une demande exploratoire à l'ANR (AAPG 2025) pour la Phase 1 in silico (budget €20k-€50k) afin de générer des preuves de concept solides avant le dépôt ERC. En cas d'échec ERC, rebondissez sur un appel ERC Proof of Concept (2027) si les résultats de Phase 1-2 sont positifs.

### B. Semantic Scholar Search Queries

- [novelty] `SuStaIn algorithm pulmonary disease subtypes` — Direct search for the core hypothesis: application of the SuStaIn algorithm to lung disease subtyping.
- [novelty] `data-driven COPD subtypes longitudinal PFT` — Checks if data-driven subtyping of COPD using longitudinal pulmonary function tests has been proposed or validated.
- [novelty] `disease progression modeling obstructive lung disease` — Searches for progression modeling (a key SuStaIn feature) applied to obstructive lung diseases like COPD or asthma.
- [evidence] `GAMLSS versus SLR pulmonary reference equations heterogeneity` — Targets the methodological debate mentioned in the hypothesis, seeking evidence of acknowledged heterogeneity in PFT reference equations.
- [evidence] `FEV1 decline subtypes COPD trajectory clustering` — Looks for empirical evidence of distinct FEV1 decline trajectories in COPD, supporting the existence of subtypes like 'rapid decliner'.
- [evidence] `emphysema airway predominant COPD subtypes CT` — Searches for evidence of imaging-based COPD subtypes (emphysema vs. airway) that could be integrated with SuStaIn.
- [evidence] `asthma neutrophilic remodeling subtypes longitudinal` — Seeks evidence for distinct asthma subtypes (neutrophilic, remodeling-prone) with different progression patterns.
- [cross_domain] `SuStaIn transfer methodology neurodegenerative lung` — Directly searches for interdisciplinary precedents of transferring SuStaIn from neurodegeneration to lung disease.
- [cross_domain] `subtype and stage inference non-neurological disease` — Broadens the search to any application of SuStaIn outside of neurology, establishing a precedent for domain transfer.
- [cross_domain] `data-driven subtyping methodology transfer COPD Alzheimer` — Searches for general methodological transfer of data-driven subtyping between Alzheimer's disease and COPD.

---

*Generated by SPORE (Systeme de Production d'Opportunites de Recherche par Exploration) on 2026-07-20*