Vous trouverez l’article en suivant ce lien.

Voici le résumé en français des travaux :

La modélisation mathématique trace un portrait de plus en plus réaliste des connaissances pathologiques et pharmacologiques. Dans le domaine de l’immuno-oncologie, la sophistication de ces modèles pose par contre un défi croissant quant à l’extraction d’information utile pour leur usage en clinique. En recourant à l’analyse des systèmes dynamiques d’un modèle décrivant la croissance de la tumeur et de son interaction avec le système immunitaire, nous avons formulé dans un premier temps une condition nécessaire au succès thérapeutique, qui porte sur l’existence d’un attracteur stable (état limite) sans tumeur, puis ensuite étudié le comportement asymptotique (à long terme) des variables décrivant le devenir de la tumeur en présence ou en absence (cas contrôle) de la thérapie.

Nous avons introduit une nouvelle mesure, notée TBA, qui indique le moment le plus précoce auquel la thérapie peut être interrompue sans compromettre son efficacité, et permettre ainsi la réduction de l’administration de doses inutiles. Notre approche a permis d’évaluer des protocoles combinant la radiothérapie et l’immunothérapie, à des temps et doses divers, et d’en prédire l’efficacité.

Alors que la théorie des systèmes dynamiques a une longue histoire dans l'analyse des modèles de biologie des systèmes, son adoption en pharmacométrie n'en est qu'à ses débuts.

Ce travail de recherche fait la preuve de l’efficacité de ces approches mathématiques pour accompagner les études cliniques et complémenter les approches pharmacométriques courantes. 

Ce travail a été réalisé en collaboration avec Dr. Didier Zugaj, chercheur chez notre partenaire industriel Syneos Health, Pierre-Olivier Tremblay (Vice President, Clinical Pharmacology, Syneos Health), et Frédérique Fenneteau, conseillère de recherche dans le laboratoire du Professeur Fahima Nekka.