Validation de biomarqueurs prédictifs de la réponse au traitement : extension des courbes de prédictivités à un critère de jugement censuré

Il est fréquent en oncologie, de vouloir déterminer si seulement un sous groupe de patients va bénéficier ou pas d’un traitement. C’est un des paradigmes de la médecine personnalisée ou stratifiée. Les biomarqueurs prédictifs sont souvent utilisés pour sélectionner ces patients et la plupart de ces biomarqueurs sont continus. Par exemple les signatures génomiques comme Oncotype-Dx. Il a été proposé dans la littérature une méthodologie d’évaluation d’un biomarqueur avec réponse binaire. L’objectif dans cette thèse est dans un premier travail d’étendre cette méthodologie avec un critère de jugement censuré et de déterminer à différent horizons de prédiction le seuil optimal du biomarqueur au-delà duquel le traitement sera attribué ou évité. Un modèle dont l’estimation de ces paramètres repose sur des pondérations par l’inverse des probabilités de censure est proposé permettant ainsi d’obtenir un estimateur consistant. Une extension des courbes de prédictivité par bras de traitement dépendantes du temps est ainsi proposée. Dans un second travail, un test de l’hypothèse de calibration avec des données censurées à droite a été proposé. Ce test est valide au-delà 60% de taux de censure contrairement à ceux qui existe déjà dans la littérature et nous permettra d’étudier l’influence d’une mauvaise calibration sur la détermination du seuil. Un troisième travail s’intéresse à la détermination du seuil d’un nouveau biomarqueur pronostique pour le cancer de l’ovaire afin de classer les patients en haut ou bas risque de rechute. Enfin, dans un quatrième travail, nous proposons d’employer la régression quantile pour données censurées pour quantifier le bénéfice à long terme de l’immunothérapie. It is common in oncology to want to determine whether or not only a subgroup of patients will benefit from a treatment. This is one of the paradigms of personalized or stratified medicine. Predictive biomarkers are often used to select these patients and most of these biomarkers are continuous. For example genomic signatures such as Oncotype-Dx. A methodology for evaluating a biomarker with binary response has been proposed in the literature. The objective of this thesis is in first work to extend this methodology with right-censored data and to determine at different prediction horizons the optimal threshold of the biomarker beyond which treatment will be attributed or avoided. A model whose estimates of these parameters are based on inverse censored probability weights is propo