Individualisation des modèles prédictifs de croissance tumorale.

Overview & Synopsis

Les dynamiques de croissance tumorale se révèlent être très différentes d’un patient à l’autre pour un même type de cancer. De nombreux paramètres peuvent affecter cette croissance. D’une part les mutations génétiques peuvent être responsables de l’activation ou de l’inactivation de certaines voies de signalisation cellulaire, et d’autre part la réponse de l’hôte à une croissance tumorale dépend crucialement de l’état général du patient. Prédire l’évolution d’une tumeur apparaît ainsi difficile pour le clinicien. La théorie des systèmes dynamiques non linéaires permet d’étudier et de comprendre des phénomènes complexes. Son utilisation en oncologie pourrait ainsi offrir des perspectives intéressantes pour l’individualisation des traitements. Dans un premier temps, nous avons créé un modèle mathématique afin de reproduire l’évolution d’un adénocarcinome prostatique après prostatectomie radicale. Grâce à un algorithme génétique, nous avons obtenu quelques jeux de paramètres permettant de reproduire avec précision des évolutions du taux de PSA mesurée chez quelques patients. Ces modèles nous ont ainsi permis d’étudier l’impact de différents modes d’administration d’une thérapie intermittente par analogue de la LHRH. Dans un second temps, nous avons créé un modèle mathématique permettant de reproduire l’évolution d’une croissance tumorale sur un domaine bidimensionnel et d’étudier l’impact de différents jeux de paramètres reproduisant certaines thérapies ou l’influence de la géométrie vasculaire sur la forme d’un carcinome épidermoïde pulmonaire. Ce travail représente une première approche de l’individualisation des croissances tumorales et permettra, à terme, une application clinique afin d’optimiser les thérapeutiques, de diminuer les récidives et d’améliorer la survie.