Individualisation des modèles prédictifs de croissance tumorale.

Individualization of predictive models for tumor growth

• Auteur / Autrice : Clément Draghi
• Direction : Christophe Letellier, Fabrice Denis
• Type : Thèse de doctorat
• Discipline(s) : Physique
• Date : Soutenance le 21/11/2017
• Etablissement(s) : Normandie
• Ecole(s) doctorale(s) : École doctorale sciences physiques mathématiques et de l'information pour l'ingénieur (Saint-Etienne-du-Rouvray, Seine-Maritime ; ....-2016)
• Partenaire(s) de recherche : établissement co-accrédité : Université de Rouen Normandie (1966-....)
• Partenaire(s) de recherche : Laboratoire : Complexe de recherche interprofessionnel en aérothermochimie (Saint-Etienne-du-Rouvray, Seine-Maritime ; 1967-....)
• Jury : Examinateurs / Examinatrices : René Lozi, Katia Rovira, Thierry Urban, Raluca Eftimie
• Jury : Rapporteurs / Rapporteuses : Stéphane Supiot, Florence Hubert

Mots clés

Mots clés contrôlés

Médecine personnalisée

Modélisation prédictive

Micro-environnement tumoral

Prostate -- Cancer

Mots clés libres

Cancer

Croissance tumorale

Micro-environnement

Modèles dynamiques non linéaires

Individualisation thérapeutique

Prostate

Prostate

Tumor growth

Microenvironment

Nonlinear dynamic models

Therapeutic individualization

Cancer

Résumé

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.

Dynamics of tumor growth of a given type of cancer are very different from one patient to another. Numerous parameters can affect such growth. On the one hand, genetic mutations may be responsible for the activation or inactivation of certain cell signaling pathways and, on the other hand, host’s response to tumor growth crucially depends on patient’s general state. Predicting the evolution of a tumor is rather difficult for clinician. The nonlinear dynamical systems theory is very helpful to investigate and understand complex phenomena. Its use in oncology could thus offer interesting prospects for the individualization of treatments. We started by constructing a mathematical model to reproduce the evolution of a prostatic adenocarcinoma after radical prostatectomy. Thanks to a genetic algorithm, we obtained a few sets of parameters allowing us to accurately reproduce changes in the PSA level measured in some patients. These models allowed us to study the impact of different intermittent therapies by GnRH analogs. Then, we developed a mathematical model to reproduce the evolution of tumor growth in a two-dimensional domain and investigate the impact of different sets of parameter reproducing certain therapies or the influence of vascular geometry on the form of a pulmonary squamous cell carcinoma. This work represents a first approach towards the individualization of tumor growth and will ultimately be used clinically for optimizing therapeutics, reducing recurrences and improving survival