Médecine personnalisée, Essais cliniques adaptatifs, Biomarqueurs, Inférence bayésienne, Interaction traitement-Biomarqueur

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 significatives pour renforcer la précision et l'efficacité des essais cliniques. Le premier volet de ce travail articule un schéma adaptatif bayésien pour l'enrichissement de la population, prenant appui sur un éventail de biomarqueurs et intégrant une version bayésienne du test d'interaction de Gail et Simon. 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 dynamique entre le 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. Le dernier volet 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 SUCRA pour discerner les sous-groupes les plus réceptifs au traitement expérimental, apportant ainsi une perspective précise sur l'efficacité du traitement suivant un critère de jugement continu. En conclusion, il est à noter que chaque volet de cette thèse s'est basé sur des essais cliniques 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 notables face à d'autres techniques existantes. Ce travail offre des avancées significatives dans la détermination précise des sous-populations optimales pour les interventions thérapeutiques, et ouvre la voie à des recherches futures visant à affiner davantage 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.