Thèse Prédiction Simulation et Optimisation de l'Intégration du Séquençage Génomique dans les Parcours de Soins en Oncologie H/F - 42

Établissement : Mines Saint-Etienne
École doctorale : SIS - Sciences Ingénierie Santé
Laboratoire de recherche : LIMOS - Laboratoire d'Informatique, de Modélisation et d'Optimisation des Systèmes
Direction de la thèse : Xiaolan XIE ORCID 0000000265791523
Début de la thèse : 2026-10-01
Date limite de candidature : 2026-06-15T23:59:59

La médecine génomique représente une avancée majeure en cancérologie, permettant une analyse fine des altérations génétiques des tumeurs et une personnalisation accrue des stratégies diagnostiques et thérapeutiques. En France, le Plan France Médecine Génomique 2025, initié en 2016, vise à ancrer durablement cette approche dans le système de soins, notamment via des laboratoires spécialisés comme SeqOIA et AURAGEN, qui s'appuient sur des infrastructures de séquençage haut débit. Malgré ces progrès, son intégration dans les parcours de soins se heurte à plusieurs défis : l'identification des patients éligibles, en fonction de critères cliniques et biologiques précis ; la clarification des objectifs cliniques du séquençage, qui doit guider le diagnostic, le choix des traitements et l'anticipation des résistances ; et le moment optimal pour réaliser ces analyses, qu'il s'agisse du diagnostic initial, d'une progression de la maladie ou d'un changement de stratégie thérapeutique. Pour relever ces enjeux, les jumeaux numériques des parcours de soins offrent une piste innovante. Ces modèles, combinant données cliniques, génomiques et contextuelles, permettraient de simuler des trajectoires de soins, d'optimiser le recours au séquençage et de formuler des recommandations personnalisées. Leur explicabilité est cependant cruciale pour assurer leur adoption par les professionnels de santé et favoriser une décision médicale partagée.
Les travaux proposés incluent une revue exhaustive des méthodes de prédiction personnalisée, de modélisation des parcours (process mining) et d'analyse dynamique (chaînes de Markov), en intégrant les enjeux d'acceptabilité clinique. À partir de données réelles (projet SEQOGEN, essais cliniques, etc.), des modèles prédictifs interprétables seront développés pour identifier les patients et situations où le séquençage est le plus pertinent. Une modélisation des parcours de soins permettra d'évaluer l'impact organisationnel et clinique de la génomique, tandis qu'un jumeau numérique explicable sera conçu pour simuler différents scénarios et optimiser les stratégies thérapeutiques.

Pour répondre à ces enjeux, nous proposons de développer des jumeaux numériques des parcours de soins, combinant données cliniques, génomiques et contextuelles pour simuler des trajectoires, optimiser le recours au séquençage et générer des recommandations personnalisées. L'explicabilité de ces modèles sera un axe central pour garantir leur adoption par les cliniciens, renforcer la confiance et favoriser une décision médicale partagée, tout en intégrant les dimensions organisationnelles et éthiques.

Ce projet vise à surmonter les principaux défis liés à l'intégration du séquençage génomique dans les parcours de soins en oncologie. Trois objectifs majeurs sont identifiés :
- Définir des critères d'éligibilité précis pour cibler les patients dont la prise en charge serait significativement améliorée par une analyse génomique, en tenant compte de la diversité des profils tumoraux et des trajectoires évolutives.
- Clarifier les finalités cliniques du séquençage, depuis le diagnostic jusqu'à l'anticipation des résistances, afin d'optimiser la stratification des patients, l'accès aux thérapies ciblées et l'analyse des dynamiques tumorales sous traitement.
- Déterminer le moment optimal pour intégrer ces analyses (diagnostic initial, progression, nouvelle ligne thérapeutique), afin de maximiser leur impact décisionnel.

Modélisation, Simulation, Data Science, IA