Médecine prédictive et modélisation

news-innovation-europe-occitania-connection.comLes news de l'innovation en Europe

Où la modélisation contribue au développement de la médecine prédictive

Le projet Nénuphar vise à développer un logiciel permettant d’évaluer l’agressivité des tumeurs ou la réponse au traitement de métastases pulmonaires. Il a pour objectif de faire entrer les techniques de prédiction issues du calcul scientifique dans le domaine médical et de se diriger vers une médecine prédictive et personnalisée.

L’agressivité de certaines tumeurs est difficile à évaluer et peut en outre évoluer au cours du temps, du fait de mutation ou de résistance par exemple. Cela rend d’autant plus difficile pour les médecins le suivi ou la planification d’interventions faiblement invasives comme la thermoablation par radiofréquence, qui n’est possible que sur des lésions de petites tailles. Le projet Nénuphar vise à développer un logiciel permettant d’évaluer l’agressivité des tumeurs ou la réponse au traitement de métastases pulmonaires, qui représentent 80% des métastases, à partir de données longitudinales en temps. Il a pour objectif de faire entrer les techniques de prédiction issues du calcul scientifique dans le domaine médical et de se diriger vers une médecine prédictive et personnalisée a contrario des approches statistiques, plus courantes.

À partir de quelques images (par exemple des scanners) de la lésion à des instants distincts, cette méthode donne une indication sur l’évolution probable de la tumeur à une date donnée, choisie par le médecin. On obtient ainsi une prédiction de l’évolution du volume de la tumeur, de sa forme et de sa localisation. Cette prédiction, superposée aux examens du patient, facilite la visualisation et ce, au plus proche des besoins et usages du médecin. Il est ainsi possible de décider du moment le plus opportun pour une intervention ou de la date à laquelle prévoir le prochain examen de contrôle. En comparant la prédiction de croissance à l’évolution sous traitement, la méthode pourrait être utilisée pour évaluer l’efficacité thérapeutique sur un patient donné. Ceci permettrait de diminuer la taille du groupe de contrôle (patients recevant un placebo) lors de l’essai d’un nouveau processus thérapeutique.

Thierry Colin, Marie Martin, Julien Jouganous et Olivier Saut ont construit un modèle mathématique qui décrit spatialement la croissance d’une lésion tumorale par un système d’équations aux dérivées partielles. Ils se sont basés sur les connaissances biologiques et médicales sur la maladie en collaboration étroite avec les médecins de l’Institut Bergonié et du CHU de Bordeaux. Leur modèle est calibré sur chaque patient à l’aide d’une nouvelle méthode d’assimilation de données d’imagerie médicale. L’information statistique – qui ne peut être inclue directement dans le modèle personnalisé – n’est pas pour autant négligée. Grâce à une méthode d’apprentissage statistique, la large base de données de cas cliniques de l’Institut Bergonié est utilisée pour sélectionner a priori les comportements les plus probables du modèle. La calibration du modèle en partant de cet a priori est alors plus rapide et précise. Cela permet de donner une réponse et un suivi personnalisés. L’outil d’aide au diagnostic développé s’adresse aux radiologues, aux oncologues et à certains chirurgiens, dans les centres habilités à traiter le cancer (il y en a plus de 900 en France).

Le projet ciblait initialement les métastases pulmonaires non traitées pour lesquels les outils existants n’apportent pas de réponse pertinente aux médecins. Les auteurs ont obtenu une validation rétrospective très convaincante : 13% d’erreur sur le volume prédit en moyenne pour 58 patients atteints de métastases pulmonaires. Depuis, l’approche a été étendue aux méningiomes (tumeurs intracrâniennes) avec la même qualité de résultat. L’extension de la méthode à d’autres pathologies traitées est en cours.

Contacts :

Thierry Colin INP Bordeaux, Institut de Mathématiques de Bordeaux (UMR 5251) & Equipe Projet Commun MC2 INRIA.

Marie Martin INRIA, Institut de Mathématiques de Bordeaux (UMR 5251) & Equipe Projet Commun MC2 INRIA..

Julien Jouganous, Institut de Mathématiques de Bordeaux (UMR 5251)

Olivier Saut CNRS, Institut de Mathématiques de Bordeaux (UMR 5251) & Equipe Projet Commun MC2 INRIA.

Be the first to comment on "Médecine prédictive et modélisation"

Leave a comment

Your email address will not be published.


*