Le mélanome cutané est responsable d'environ 57,000 décès dans le monde. A un stade avancé, le mélanome est traité par la chirurgie et la chimiothérapie. Cependant, même avec des thérapies robustes, le pronostic du mélanome reste souvent mauvais. La complexité du mélanome provient de sa capacité à se reconnecter et à adapter son état métabolique pour garantir sa survie, même lorsque les ressources en nutriments et en oxygène sont épuisées dans le microenvironnement tumoral. Notre hypothèse principale est que la résistance aux chimiothérapies découle d'une série de transitions non génétiques et de changements d'états métaboliques. Pour saisir les changements d'états métaboliques, des images de lames entières (WSI) de tumeurs de mélanome marquées à l'hématoxyline et à l'éosine (H&E) ont été générées en utilisant des modèles de souris PDX (Patient Derived Xenograft). Les échantillons PDX ont subi des coupes en série à 12µm. Deux types d'ensembles de données H&E ont ainsi été étudiées : un sans et un avec traitement. Dans cette étude, nous analysons de deux aspects. Nous présentons notre protocole et la suite algorithmique de reconstruction 3D qui comprend la segmentation 2D (Tableau 1), le recalage d'images de lames virtuelles ainsi que la reconstruction 3D par interpolation linéaire (Figure 1). Ensuite, nous illustrons l'utilisation de la reconstruction 3D pour comprendre les réseaux vasculaires via l'extraction de caractéristiques 3D, telles que la forme et la taille. Nous discutons ensuite de la manière dont ce travail est utilisé pour créer un modèle mathématique de prédiction de l'efficacité du traitement.