Doctorant : Valentin Vinnat
Titre : Schémas d’enrichissement bayésien pour l’intégration de biomarqueur multiples
Encadrante : Sylvie Chevret
Ecole doctorale :ED 393 Épidémiologie et Sciences de l’Information Biomédicale, Université Paris Cité
Promotion : 2020
Sujet de thèse :
Dans le secteur dynamique et complexe de la médecine personnalisée, les essais cliniques rencontrent d’importants défis, notamment sur les plans statistique et éthique, lorsqu’il s’agit d’intégrer des biomarqueurs dans le protocole de recherche. L’identification précise des sous-populations qui bénéficieront le plus des traitements envisagés constitue une problématique centrale. Afin de répondre à ces enjeux, cette thèse propose des contributions méthodologiques visant à pour renforcer la précision et l’efficacité des essais cliniques.
La première partie de ce travail s’articule autour d’un schéma adaptatif bayésien pour l’enrichissement de la population, prenant appui sur un biomarqueur et intégrant des mesures d’interaction de l’essai, dans les règles de décision. Cette approche vise à sélectionner progressivement une sous-population de patients à haute probabilité de réponse favorable au traitement, mettant l’accent sur l’interaction statistique entre l’effet du traitement et le biomarqueur.
Le second volet élabore un schéma hybride bayésien adaptatif, capitalisant sur les règles de décision établies précédemment et introduisant une randomisation adaptative, pour une optimisation supplémentaire dans l’attribution des traitements aux sous-groupes de patients.
La dernière composante de ce travail introduit un schéma séquentiel bayésien centré sur l’identification et la classification des sous-groupes basés sur les biomarqueurs. Cette démarche utilise un modèle de Poisson tronqué avec inflation de zéros et exploite la méthode des SUCRA pour ordonner les sous-groupes les plus réceptifs au traitement expérimental en fonction de leur effet prédictif, apportant ainsi une perspective précise sur l’efficacité du traitement suivant un critère de jugement continu.
Chaque contribution de cette thèse s’est basée sur des essais cliniques conduits chez des malades en réanimation, adoptant une approche par inférence bayésienne pour élaborer et valider les méthodes proposées. Les performances de ces méthodes ont été confirmées par des simulations rigoureuses, présentant des avantages face à d’autres techniques existantes. Ce travail offre des avancées dans la détermination précise des sous-populations optimales pour les interventions thérapeutiques, et ouvre la voie à des recherches futures visant à affiner ces approches, marquant une étape importante vers des essais cliniques plus centrés sur le patient et intégrant efficacement les dynamiques complexes des interactions biomarqueurs-traitements.
Mots-clés : Médecine personnalisée; Essais cliniques adaptatifs; Biomarqueurs, Inférence bayésienne; Interaction traitement-biomarqueur
Jury :
Rapporteurs : Pr Nicolas Meyer et Dr Marie-Cécile Le Deley
Examinateurs : Pr Raphaël Procher et Pr Djillali Annane
