Applications de la modélisation à l’analyse des cinétiques des marqueurs tumoraux sériques

Nous proposons, dans cette thèse, d'utiliser les techniques de modélisation en pharmacométrie selon l'approche de population afin de décrire les cinétiques de plusieurs marqueurs tumoraux sériques, et d'analyser leurs potentielles applications. Dans un premier temps, nous avons construit un modèle reliant les cinétiques de taille tumorale et de CA-125 dans le cancer de l'ovaire. Nous avons ensuite évalué son application pour : i) la prévision de la réponse tumorale au niveau individuel ; ii) la prédiction précoce de la survie au niveau d'une population dans le développement du médicament. Dans un second temps, nous avons réalisé un travail plus méthodologique sur la modélisation des cinétiques conjointes de PSA et d'un nouveau marqueur, le nombre de cellules tumorales circulantes (CTCs), dans le cancer de la prostate. Un modèle atypique combinant plusieurs innovations en pharmacométrie a été développé. En perspective, un lien va être établi avec la survie. En conclusion, la modélisation mathématique est un outil efficace pour l'évaluation précoce de l'efficacité des traitements Our thesis project aimed at building mathematical models, using population approach, for different serum tumor markers, in order to describe their kinetics and to assess their potential applications. In a first intent, we built a semi-mechanistic model linking tumor size changes and CA-125 kinetics induced by chemotherapy in ovarian cancer patients. This model allowed assessment of CA-125 as: i) a biomarker for tumor size dynamics and treatment efficacy for clinical purposes; ii) an early predictor of clinical benefit during drug development. Then, we realized a more fundamental work by developing a semi-mechanistic model for characterizing the relationships between PSA kinetics and circulating tumor cell count dynamics during treatment in metastatic prostate cancer patients. This is an atypical model combining several advanced features in pharmacometrics. We have planned to assess a link with survival. In conclusion, mathematical modeling could be an efficient tool for the early prediction of treatment efficacy