Thérapies ciblées : comment prouver avec peu de patients ?

Intervenant 10:00

Bienvenue dans le podcast du magazine Tangente. On est vraiment super enthousiastes aujourd'hui pour cette nouvelle exploration.

Intervenant 20:07

Ah oui, bonjour tout le monde. Je suis ravi d'être là parce que le sujet du jour est absolument fascinant.

Intervenant 10:13

Complètement. Alors, pour bien poser le décor, on va commencer par faire un petit effort d'imagination. Imaginons un laboratoire de pointe qui vient tout juste d'inventer la molécule parfaite.

Intervenant 20:23

Le Graal de la médecine moderne

Intervenant 10:25

quoi. C'est ça, le Graal. Une molécule qui cible avec une précision vraiment chirurgicale une mutation génétique rarissime. Sur le papier, dans les éprouvettes, c'est un miracle absolu.

Intervenant 20:37

Mais j'imagine que dans la vraie vie, ça ne se passe pas si facilement ?

Intervenant 10:41

Ben non, justement. Au moment de prouver l'efficacité de ce traitement aux autorités de santé, la machinerie scientifique mondiale s'enraye d'un coup. Et pas parce que le médicament ne marche pas.

Intervenant 20:51

D'accord, donc ce n'est pas un problème biologique ?

Intervenant 10:53

Non, pas du tout. C'est parce qu'il n'y a mathématiquement pas assez de patients sur la planète pour faire le calcul qui prouverait son efficacité.

Intervenant 21:01

Ah oui, la science biomédicale vient littéralement de percuter un mur statistique.

Intervenant 11:06

Exactement ! Et c'est ce paradoxe incroyable qu'on va décortiquer aujourd'hui. L'objectif de notre plongée dans les idées de Bruno Falissard, psychiatre et professeur de biostatistique, c'est de comprendre comment cette révolution des thérapies personnalisées force carrément les mathématiques à se réinventer dans l'urgence.

Intervenant 21:24

C'est une vraie crise structurelle en fait. Et pour bien comprendre ce mur statistique, il faut revenir à la base. Depuis des décennies, le juge de paix absolu en médecine, c'est l'essai clinique randomisé.

Intervenant 11:35

Ouais, le fameux tirage au sort. D'habitude, évaluer un médicament, c'est un peu comme faire un sondage à l'échelle d'un pays entier, c'est facile parce que les nombres sont immenses.

Intervenant 21:45

Tout à fait. L'idée fondatrice, ça repose sur l'exploitation de la loi des grands nombres. Si on recrute 10 000 patients et qu'on tire au sort qui reçoit le traitement et qui reçoit le placebo, cette randomisation va naturellement lisser toutes les variables parasites.

Intervenant 11:59

Quand tu dis variables parasites, c'est par exemple l'âge ou le mode de vie, c'est ça ?

Intervenant 22:03

C'est exactement ça. Les différences d'âge, le patrimoine génétique, les comorbidités, tout ça s'équilibre mathématiquement entre les deux groupes. On obtient à la fin un signal pur.

Intervenant 12:13

Un signal pur et totalement débarrassé du bruit de foncer. C'est vrai que c'est l'une des plus grandes victoires intellectuelles des sciences. Avant que des statisticiens ne formalisent ça au début du 20e siècle, la médecine se basait un peu sur l'intuition du médecin ou des observations isolées.

Intervenant 22:29

Ouais, c'était beaucoup moins rigoureux. Le tirage au sort massif a permis d'éliminer l'impact des biais systématiques. Sauf que voilà, ce lissage exige de la matière première.

Intervenant 12:39

Mais oui, il faut des patients, beaucoup de patients.

Intervenant 22:41

Énormément même. Ça demande une puissance statistique qui dépend directement de la taille de l'échantillon. Pour une maladie très courante, trouver des milliers de personnes, c'est juste une question d'organisation.

Intervenant 12:51

Sauf que là, avec la médecine personnalisée dont on parle, la dynamique s'inverse totalement.

Intervenant 22:55

Absolument. La médecine personnalisée fragmente les maladies à l'extrême. Aujourd'hui, on ne cherche plus à soigner un cancer du poumon dans sa globalité, par exemple. On vise une sous-mutation hyperspécifique.

Intervenant 13:08

Une mutation qui ne touche peut-être qu'une trentaine de personnes sur tout un continent.

Intervenant 23:14

Et tirer au sort sur 15 personnes d'un côté et 15 de l'autre, ça n'a plus aucune pertinence mathématique. La variance explose totalement.

Intervenant 13:20

D'accord, je vois. Parce que si dans le petit groupe test, il y a un seul patient qui guérit miraculeusement juste grâce à son propre métabolisme, ça fausse tout.

Intervenant 23:29

C'est ça. Ou à l'inverse, s'il développe une complication indépendante, la courbe entière est déviée. La fameuse valeur P, ce petit indicateur de probabilité censé garantir que c'est pas un coup de chance, elle devient totalement inexploitable.

Intervenant 13:41

D'accord, donc l'essai randomisé classique devient obsolète pour ces micro-cohortes. Mais attends, il y a une question toute bête qui me vient.

Intervenant 23:48

Vas-y, je t'écoute.

Intervenant 13:49

Si on n'a pas assez de nouveaux patients, pour faire une comparaison simultanée, on ne pourrait pas tout simplement comparer ces quelques patients avec des gens qui étaient malades dans le passé ?

Intervenant 23:57

Ah bah ça c'est l'instinct naturel de la communauté scientifique. C'est exactement la première solution tentée. C'est ce qu'on appelle la méthode des contrôles historiques.

Intervenant 14:05

Ça paraît logique pourtant. On a un petit groupe précieux d'une trentaine de patients aujourd'hui, on leur donne à tous le nouveau traitement pour les sauver, et on compare leurs courbes de survie avec des dossiers médicaux d'il y a 10 ou 15 ans.

Intervenant 24:17

Sur le papier, c'est du bon sens, oui. Mais dans la réalité mathématique, c'est un champ de mine épidémiologique vertigineux.

Intervenant 14:24

Un champ de mine ? À ce point-là ?

Intervenant 24:25

À ce point-là, oui.