Applications of mathematical modeling for optimization of chemotherapy delivery protocols, to treat low-grade glioma patients
Applications de la modélisation mathématique à l'optimisation des traitements chimiothérapiques des gliomes de bas-grade
Résumé
Low-grade gliomas are slow-growing brain tumors, mainly affecting young adults who may remain without any symptoms for years. Patients can undergo surgery, or receive radiotherapy or chemotherapy with two different treatments: PCV of temozolomide (TMZ).In our different projects, we aim to show that mathematical modeling, and population approach, can allow to improve treatments, in terms of response duration and amplitude, for low-grade gliomas treated with chemotherapy (PCV and TMZ).In a first part, we focus on the possibility to modify PCV administration protocol, on a population level, to prolong tumor decrease duration. We claim that prolonging time interval between cycles enables us to significantly postpone the time to tumor regrowth.In a second part, we study the evolution of low-grade gliomas treated with TMZ. We analyze tumor size observations of 77 low-grade glioma patients, as well as genetic information, to develop a K-PD mixed-effects model describing tumor evolution before and after treatment onset. We then evaluate model capacity to predict tumor response duration and amplitude, on the base of early tumor sizes and genetic information. These predictions could be used to help clinicians to determine if they should prolong the treatment or not, for a given patient.In a last part, we more particularly focus on the phenomenon of resistance to TMZ. We build a PK-PD mixed-effects model describing the emergence of resistant tumor cells, using the same tumor size observations as previously. This model more accurately reproduces the evolution of TMZ in the body and its effect on the tumor. It is then used to optimize TMZ therapeutic protocol, on an individual level. Using an optimization algorithm, we determine the time interval between TMZ cycles, and the dose to administer, to prolong tumor decrease duration while limiting the emergence of resistance. The optimized protocols are evaluated with a stochastic approach, allowing to test the robustness of the model and the optimization.Through these different projects, we show the utility of mathematical modeling to help to improve chemotherapy treatments of low-grade glioma patients. We believe that these results could be transposed to other types of cancers.
Les gliomes des bas-grade sont des tumeurs cérébrales lentement évolutives, affectant principalement les jeunes adultes, qui peuvent rester des années sans symptôme. Les patients peuvent être opérés, ou traités par radiothérapie ou chimiothérapie, avec deux thérapies possibles : le PCV et le témozolomide (TMZ).Nous souhaitons montrer dans ces travaux de thèse que la modélisation mathématique, à travers l'approche de population, peut permettre l'amélioration des traitements en termes de durée et d'amplitude de décroissance pour les gliomes de bas-grade traités par chimiothérapie (PCV et TMZ).Dans un premier temps, nous nous concentrons sur la possibilité de modifier le protocole d'administration du PCV, au niveau de la population, afin de prolonger la durée de décroissance tumorale. Nous concluons qu'espacer les cycles de traitement permet de repousser de manière significative le moment de recroissance de la tumeur.Dans un second temps, nous étudions l'évolution des gliomes de bas-grade traités par TMZ. Sur la base des données de tailles tumorales de 77 patients, ainsi que d'informations génétiques, nous développons un modèle K-PD à effets mixtes permettant de décrire la dynamique tumorale avant, et suite au traitement. Nous évaluons ensuite les capacités du modèle à prédire la durée et l'amplitude de la réponse tumorale, à partir de mesures précoces de tailles de la tumeur ainsi que des informations génétiques. Ces prédictions pourraient être utilisées pour aider les cliniciens à déterminer si le traitement doit être prolongé ou non, pour un patient donné.Enfin, nous nous intéressons plus particulièrement au phénomène de résistance au traitement par TMZ. A partir des mêmes données de tailles tumorales que précédemment, nous construisons un modèle PK-PD à effets mixtes décrivant l'apparition des cellules résistantes au sein de la tumeur. Ce modèle reproduit plus précisément l'évolution du TMZ dans l'organisme et son impact sur la tumeur. Il est utilisé pour optimiser le protocole thérapeutique au niveau individuel. A l'aide d'un algorithme d'optimisation, nous déterminons l'intervalle entre chaque cycle et la dose à administrer afin de prolonger la durée de décroissance tumorale tout en limitant l'émergence de résistance. Les protocoles ainsi optimisés sont évalués à l'aide d'une approche stochastique, permettant de tester la robustesse du modèle et de l'optimisation.A travers les différents travaux de cette thèse, nous montrons l'utilité de la modélisation mathématique pour aider à l'amélioration des traitements chimiothérapiques pour les patients souffrant de gliomes de bas-grade. Nous croyons que ces résultats peuvent être transposés à d'autres types de cancers.
Origine : Version validée par le jury (STAR)