Évènements

Le succès de la chimiothérapie dépend à la fois de la stratégie d’administration du médicament et de sa capacité à éliminer les cellules cancéreuses tout en préservant autant que possible les tissus sains. Dans cette présentation, nous nous intéresserons à un problème de contrôle optimal avec des contraintes d’état appliqué à la chimiothérapie des tumeurs invasives, où la dose de médicament agit comme variable de contrôle. Étant donné que le traitement affecte à la fois les cellules tumorales et les tissus sains, l’objectif du
problème de contrôle est de réduire la densité tumorale en contrôlant la dose du médicament. Pour ce faire, nous modélisons l’action thérapeutique à l’aide d’une équation de réaction-diffusion non linéaire décrivant l’évolution d’une tumeur invasive sous traitement. Nous commençons par analyser mathématiquement le problème initial de valeur limite. Nous formulons ensuite le problème de contrôle optimal sous contraintes et en déduisons les conditions nécessaires à l’optimalité. Enfin, à l’aide de simulations numériques en 2D pour un cas de cancer du sein, nous illustrons l’importance des contraintes d’état dans les stratégies de traitement optimales, avant de conclure par quelques perspectives

Je ne vois pas l’avenir. Et c’est bien là le souci : les problèmes d’optimisation liés à la prise de décision concernent bien trop souvent des décisions futures.
Optimiser l’espérance mathématique en fonction des événements envisageables ? Encore faut-il en connaître les probabilités.

Nous avons toutefois connaissance du passé. Une approche consiste alors à résoudre, dans un premier temps, le problème empirique construit à partir de ces données. La solution que nous obtiendrons sera-t-elle proche d’une solution optimale pour le problème de départ ? Combien de données sont nécessaires pour réaliser cette approximation ? Nous verrons, dans un premier temps, comment l’optimisation stochastique traite ces questions.

Nous discuterons ensuite des limites du critère de l’espérance, notamment dans les cas où un risque de grande perte est compensé par l’espoir de grands bénéfices. Ces limites motivent l’introduction de mesures de risque comme critère dans les problèmes d’optimisation stochastique. Nous en aborderons, pour finir, une généralisation multivariée et présenterons les premiers résultats associés.

La bibliothèque vient à votre rencontre à NANCY pour un temps d’échange sur HAL afin de discuter de vos problématiques et vos besoins dans HAL ainsi que des actualités de la plateforme.

N’hésitez pas à venir avec vos dépôts en cours et/ou vos questions !