Conférence
Notice
Langue :
Français
Crédits
CNRS - Centre National de la Recherche Scientifique (Publication), INRIA (Institut national de recherche en informatique et automatique) (Production), INRIA (Institut national de recherche en informatique et automatique) (Publication), Région PACA (Publication), UNS (Publication), Jean-Christophe Thalabard (Intervention)
Conditions d'utilisation
Droit commun de la propriété intellectuelle
DOI : 10.60527/1r5a-mp22
Citer cette ressource :
Jean-Christophe Thalabard. Inria. (2017, 7 avril). Mathématiques, Statistiques et Médecine: des collaborations plus que jamais nécessaires. [Vidéo]. Canal-U. https://doi.org/10.60527/1r5a-mp22. (Consultée le 19 mars 2024)

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

Réalisation : 7 avril 2017 - Mise en ligne : 6 avril 2017
  • document 1 document 2 document 3
  • niveau 1 niveau 2 niveau 3
Descriptif

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.

Intervention
Thème
Documentation

Références:

 

  • [1] P Armitage and Doll. The age distribution of cancer and a multi-stage theory of carcinogenesis. Br J Cancer, 8(1) :1–12, 1954.
  • [2] S H Moolgavkar, N E Day, and R G Stevens. Two-stage model for carcinogenesis : Epidemiology of breast cancer in females. Journal of the National Cancer Institute, 65 :559–569, 1980.
  • [3] M. C. Pike, M. D. Krailo, B. E. Henderson, J. T. Casagrande, and D. G. Hoel. ’hormonal’ risk factors, ’breast tissue age’ and the age-incidence of breast cancer. Nature, 303(5920) :767–770, 1983.
  • [4] E B Claus, N Risch, and W D Thompson. The calculation of breast cancer risk for women with a first degree family history of ovarian cancer. Breast cancer research and treatment, 28 :115–120, Nov 1993.
  • [5] M H Gail and J Benichou. Validation studies on a model for breast cancer risk. Journal of the National Cancer Institute, 86 :573–575, Apr 1994.
  • [6] G Plu-Bureau, M G Lê, R Sitruk-Ware, J C Thalabard, and P Mauvais-Jarvis. Progestogen use and decreased risk of breast cancer in a cohort study of premenopausal women with benign breast disease. British journal of cancer, 70 :270–277, 1994.
  • [7] Eiliv Lund and Vanessa Dumeaux. Systems epidemiology in cancer. Cancer epidemiology, biomarkers & prevention, 17 :2954–2957, 2008.
  • [8] Eiliv Lund, Vanessa Dumeaux, Tonje Braaten, Anette Hjartåker, Dagrun Engeset, Guri Skeie, and Merethe Kumle. Cohort profile : The norwegian women and cancer study–nowac–kvinner og kreft. International journal of epidemiology, 37 :36–41, 2008.
  • [9] Marco Gerlinger, Andrew J Rowan, Stuart Horswell, James Larkin, David Endesfelder, Eva Gronroos, Pierre Martinez, Nicholas Matthews, Aengus Stewart, Patrick Tarpey, Ignacio Varela, Benjamin Phillimore, Sharmin Begum, Neil Q McDonald, Adam Butler, David Jones, Keiran Raine, Calli Latimer, Claudio R Santos, Mahrokh Nohadani, Aron C Eklund, Bradley Spencer-Dene, Graham Clark, Lisa Pickering, Gordon Stamp, Martin Gore, Zoltan Szallasi, Julian Downward, P Andrew Futreal, and Charles Swanton. Intratumor heterogeneity and branched evolution revealed by multiregion sequencing. The New England journal of medicine, 366 :883–892, Mar 2012.
  • [10] Eiliv Lund, Nicolle Mode, Marit Waaseth, and Jean-Christophe Thalabard. Overdiagnosis of breast cancer in the norwegian breast cancer screening program estimated by the norwegian women and cancer cohort study. BMC cancer, 13 :614, 2013.
  • [11] Mary-Claire King. « the race » to clone brca1. Science, 343 :1462–1465, 2014.
  • [12] Vanessa Dumeaux, Josie Ursini-Siegel, Arnar Flatberg, Hans E Fjosne, Jan-Ole Frantzen, Marit Muri Holmen, Enno Rodegerdts, Ellen Schlichting, and Eiliv Lund. Peripheral blood cells inform on the presence of breast cancer : a population-based case-control study. International journal of cancer, 136 :656–667, 2015.
  • [13] Eiliv Lund, Lars Holden, Hege Bøvelstad, Sandra Plancade, Nicolle Mode, Clara-Cecilie Günther, Gregory Nuel, Jean-Christophe Thalabard, and Marit Holden. A new statistical method for curve group analysis of longitudinal gene expression data illustrated for breast cancer in the nowac postgenome cohort as a proof of principle. BMC medical research methodology, 16 :28, 2016.
  • [14] NE Breslow and NE Day. Statistical Methods in Cancer Research Volume II – The Design and Analysis of Cohort Studies, volume II of IARC Scientific Publications No 82. IARC, 1987.
  • [15] NE Breslow and NE Day. Statistical Methods in Cancer Research. Volume I :The analysis of case- control studies, volume I of IARC Scientific Publications No. 32. IARC, 1980.

Sur le même thème