Soutenance de thèse de BIGARRÉ Célestin

Résumé de la thèse

Les méthodes computationnelles occupent une place croissante en oncologie pour la prédiction de l'évolution des patients, l'analyse des résultats d'imagerie, l'individualisation des traitements et de nombreuses autres applications. L'objectif de ce travail est de développer un modèle mécaniste de la dissémination et de la croissance de la maladie métastatique. Le modèle est suffisamment simple pour s'ajuster aux données cliniques tout en restant flexible pour s'adapter aux spécificités de différents types de cancers. Pour permettre une inférence statistique rigoureuse à partir des données cliniques de survie sans métastases, nous développons un cadre populationnel basé sur la modélisation à effets mixtes non linéaires. De plus, lorsque des données longitudinales riches sur les distributions de taille des métastases sont disponibles, nous pouvons estimer des paramètres spécifiques à chaque patient. Le modèle mécaniste s'implémente dans une suite de packages R collectivement appelée METAMATS.

Le premier chapitre présente le cadre de modélisation avec une application aux métastases cérébrales chez les patients atteints de cancer bronchique à petites cellules, démontrant la double capacité d'inférence pour les données de survie et les distributions de tailles individuelles. Dans cette application, le modèle a permis de caractériser l'impact de l'irradiation crânienne prophylactique, révélant qu'elle affecte principalement le processus de dissémination plutôt que la croissance métastatique. Le deuxième chapitre présente une étude de la survie sans métastases à distance dans le cancer du sein précoce utilisant une procédure de sélection de variables adaptée au cadre des effets mixtes non linéaires. Un avantage clé de la structure mécaniste est que les covariables peuvent s'associer spécifiquement au processus de dissémination, au processus de croissance, ou aux deux, révélant ainsi leur mode d'action biologique. Cette capacité a permis d'identifier des marqueurs de prolifération affectant les taux de croissance et des marqueurs d'invasion affectant les taux de dissémination, avec des résultats cohérents dans trois cohortes indépendantes. Le troisième chapitre présente des contributions complémentaires à l'oncologie computationnelle, incluant le développement d'infrastructures logicielles, d'outils de gestion de données et de cadres d'analyse qui soutiennent la modélisation mécaniste dans un écosystème de recherche plus large. Enfin un discussion critique, fait le point sur les contributions proposées, leurs applications et les perspectives futures.