Apprendre

Mathématiques, Statistiques et Médecine: des collaborations plus que jamais nécessaires

Durée : 1h32min. Français
Ce document est en accès libre.
 

Résumé

A travers le paradigme d’une maladie chronique fréquente, le cancer du
sein, nous souhaitons aborder les évolutions de formes de collaborations
entre le domaine médical et les chercheurs en mathématiques appliquées.
La capacité à observer et quantifier les états physiologiques et
pathologiques et approcher leurs variabilités intra- et inter-
individuelles a marqué l’entrée dans une médecine dite scientifique dès
la fin de 18eme siècle. Dès la seconde moitié du 20eme siècle, le monde
anglo-saxon, suivi rapidement par le monde scandinave a su mettre en
place des recueils systématiques de mortalités puis d’incidence, dont
les analyses ont permis la mise en évidence de facteurs diagnostiques et
pronostiques (1) et de suggérer des modèles « mécanicistes » de
cancérogénèse (2, 3), qui essayaient de faire le lien entre les données
épidémiologiques et les données recueillies au laboratoire. Le lien
entre le type de données recueillies et les modalités statistiques
d’analyse était bien précisé (15, 14). La prise en compte de facteurs
dépendant du temps, dont les expositions hormonales, était et reste un
sujet d’importance (6). Parallèlement, des modèles empiriques de
prédiction du risque étaient proposés conditionnés par l’existence on
non d’antécédents familiaux (5, 4), régulièrement mis à jour en fonction
de la découverte de nouveaux marqueurs, avec toute la question de la
validation de ces modèles. La mise en évidence des premiers gènes de
susceptibilité aux cancers du sein (11) a représente une étape majeure
apportée par les techniques d’épidémiologie génétique. Les possibilités
offertes par les techniques de génétique moléculaires ont nécessité de
nouvelles formes d’analyses. Le rapport entre le nombre de sujets
observés et le nombre de variables explicatives potentielles s’est
inversé. Les liens génotypes/ phénotypes se révèlent plus complexes et
hétérogènes (9). Un des challenges actuels est la possibilité de
détecter précocément, par des méthodes fiables et peu invasives, en
population les tumeurs susceptibles d’avoir une évolution défavorable
(10, 12, 13). La question de la qualité et du type de données
recueillies reste cruciale (7, 8) ainsi que celle de la répétabilité des
résultats publiés, qui passe par la mise à la disposition des données
et des algorithmes. Cette exigence scientifique impose le respect des
règles d’utilisation des données.