Médecine personnalisée : les maths au service du patient

Contexte et enjeux

Les essais cliniques mesurent l'efficacité moyenne d'un traitement sur une population donnée. C'est le fondement de la médecine moderne. Mais en pratique, chaque patient est différent : son histoire médicale, ses comorbidités, son parcours de soins sont uniques. Le médecin doit donc choisir la meilleure option thérapeutique pour un individu précis, à un moment précis de sa vie.

François Petit, mathématicien et directeur de recherche Inserm au Centre de recherche en épidémiologie et statistiques (unité 1153 Inserm/Université Paris Cité), travaille sur ce défi : construire des représentations mathématiques fiables des patients pour guider les décisions médicales. Son objectif ? « Donner au bon patient le bon traitement au bon moment », résume-t-il dans le magazine de l'Inserm.

Comment les maths permettent-elles de personnaliser les traitements ?

Les méthodes statistiques et mathématiques permettent de passer du général au particulier. Elles estiment les effets individuels des traitements, détectent des sous-groupes spécifiques de patients et construisent des « règles de traitement individualisées ».

François Petit s'intéresse notamment à l'analyse des trajectoires cliniques. Le clustering, c'est-à-dire le regroupement de patients aux profils similaires, permet d'identifier des types d'évolution distincts dans les données médicales. Ces informations nourrissent ensuite les modèles de décision thérapeutique.

Autre axe de recherche : l'IA générative pour améliorer les essais cliniques quand le nombre de participants est limité. Il ne s'agit pas de remplacer les patients réels, mais de créer des « patients virtuels » pour étoffer le groupe témoin et mieux évaluer l'effet d'un nouveau traitement. L'enjeu actuel est d'identifier des méthodes fiables pour générer ces profils par IA.

Enfin, François Petit développe l'analyse topologique des données, une branche récente des mathématiques appliquées. Elle part d'un principe simple : les données possèdent une structure géométrique cachée dont on peut extraire des informations cruciales. Une lésion tissulaire, par exemple, est informative par sa forme, sa taille ou sa distribution dans un organe. Le chercheur applique cette approche à l'étude de kystes pulmonaires dans une maladie rare, pour déterminer si leur organisation spatiale a une valeur pronostique.

Ce que ça change pour les patients

Ces avancées visent à rendre la médecine plus précise et plus adaptée à chaque situation individuelle. Concrètement, elles pourraient permettre :

• De mieux prédire l'évolution d'une maladie en fonction du profil spécifique du patient
• De comparer plusieurs options thérapeutiques et choisir la plus adaptée à un cas particulier
• D'identifier des sous-groupes de patients qui répondent différemment à un même traitement
• D'exploiter toute la richesse des données médicales (imagerie, parcours de soins, données cliniques) pour affiner les décisions

Aujourd'hui, beaucoup de ces outils sont encore au stade de prototypes. L'un des enjeux actuels est d'obtenir des données de qualité en quantité suffisante. Demain, il faudra construire des représentations compatibles entre les différentes sources de données médicales pour une personnalisation fondée sur l'ensemble de l'histoire du patient.

Points de vigilance et nuances

Ces outils mathématiques et d'IA doivent être évalués avec précision avant d'être intégrés dans les pratiques cliniques. L'analyse topologique ou les patients virtuels sont des pistes prometteuses, mais nécessitent encore des recherches pour garantir leur fiabilité et leur robustesse.

Par ailleurs, la médecine personnalisée ne signifie pas l'abandon des essais cliniques traditionnels. Ces derniers restent le socle de la médecine moderne. Les méthodes mathématiques viennent en complément pour affiner les décisions au cas par cas.

Enfin, la médecine personnalisée soulève des questions d'accessibilité : ces approches sophistiquées nécessitent des infrastructures technologiques et des compétences spécifiques. Il faudra veiller à ce qu'elles ne creusent pas les inégalités d'accès aux soins.

Ce qu'il faut retenir : les mathématiques et l'intelligence artificielle ouvrent la voie à une médecine plus personnalisée, qui adapte les traitements à chaque patient. Mais ces outils doivent encore être validés et rendus accessibles avant de transformer la pratique clinique au quotidien.