Cristina Marelli, doctorante - médecine personnalisée en oncologie

Cancer et médecine de précision

Le cancer, une maladie dont la prévalence ne cesse d’augmenter, résulte d’un dysfonctionnement survenant dans certaines cellules de l’organisme. Des gènes mutent (oncogènes) et entraînent une prolifération cellulaire désordonnée pouvant conduire au développement d’un cancer.

Grâce aux progrès du séquençage, il est désormais possible d’identifier les mutations de l’ADN responsables du cancer. La connaissance de ces mutations génétiques — ces « erreurs » — a permis le développement de thérapies moléculaires ciblées (Molecularly Targeted Agents, MTAs), capables d’attaquer les molécules dont les oncogènes ont besoin pour se reproduire. Ces deux approches (séquençage et profilage moléculaire) permettent d’établir une stratégie de traitement qui associe les caractéristiques moléculaires de la tumeur aux thérapies les plus adaptées (appelée algorithme thérapeutique moléculaire), aujourd’hui désignée sous le terme d’oncologie de précision (ou personnalisée) ou de médecine de précision en cancérologie.

Nécessité de fiabiliser les algorithmes de traitement 

Certaines thérapies moléculaires ciblées (MTAs) ont déjà montré qu’elles pouvaient être efficaces lorsqu’elles sont administrées à des patients présentant des mutations génétiques spécifiques. Pour vérifier réellement leur efficacité et leur sécurité, elles doivent toutefois être testées dans des essais cliniques comparant différents traitements - des essais contrôlés randomisés - comme les essais SAFIR02 et SHIVA.

Cependant, au cours de ces études, les algorithmes thérapeutiques moléculaire peuvent évoluer, par exemple à cause d’événements externes ou d’analyses intermédiaires. Ces changements peuvent introduire des biais et donner l’impression qu’un traitement fonctionne mieux qu’il ne le fait réellement et donc augmenter le risque d’erreur de type I.

Pour limiter ce risque d’erreur, des méthodes statistiques dites « adaptatives » ont été développées afin de garantir des résultats plus fiables malgré les modifications réalisées pendant l’étude.

Développer des procédures de tests adaptatifs

L’objectif de cette étude est de développer des procédures de tests adaptatifs fondées sur une approche par permutation pour la conception et l’analyse des essais contrôlés randomisés en oncologie de précision, lorsque des modifications externes de l’algorithme thérapeutique surviennent.

En d’autres termes, le travail de Cristina vise à développer des méthodes statistiques plus fiables pour évaluer les traitements personnalisés contre le cancer, même lorsque les stratégies thérapeutiques évoluent pendant les essais cliniques.

Les tests par permutation : Les résultats observés dans un essai clinique sont réellement dus au traitement testé, ou simplement au hasard ?

Les tests par permutation sont des méthodes statistiques non paramétriques utilisées pour évaluer si les résultats resteraient identiques indépendamment de l’attribution au traitement expérimental ou au traitement contrôle. 

À l’aide de données simulées avec des résultats suivant une distribution normale, Cristina a comparé le risque d’erreur de type I et la puissance statistique des tests par permutation et des tests F classiques dans un scénario où un traitement expérimental était interrompu en cours d’essai à la suite d’un événement externe.

Les résultats des simulations montrent que, lorsqu’un événement externe survient, les tests par permutation maintiennent le niveau nominal du risque d’erreur de type I, même en présence de tendances temporelles non prises en compte, contrairement aux tests classiques. 

La suite…

Les travaux futurs consisteront à appliquer cette approche à des données réelles et à l’étendre aux modifications d’algorithmes induites par des analyses intermédiaires.

Les résultats prometteurs de Cristina sont présentés en congrès, notamment au Congrès EPICLIN 2026 ou elle a obtenu le prix  « Fondation ARC » pour la meilleure communication orale en recherche en oncologie.