Physiciens, mathématiciens et ingénieurs contre le cancer.

Stéphane Gayet est médecin des hôpitaux au CHU (Hôpitaux universitaires) de Strasbourg, chargé d'enseignement à l'Université de Strasbourg et conférencier. Médecin ayant eu un parcours hospitalier et hospitalo-universitaire de médecine clinique, avec une formation en médecine interne, hépato-gastroentérologie, infectiologie et en hygiène hospitalière, qu'il a complétées par une formation en microbiologie, santé publique et pédagogie médicale, il est actuellement responsable de l'Antenne régionale d'Alsace de lutte contre l'infection nosocomiale (ARLIN). Il est également premier vice-président de l'Observatoire régional de la santé (ORS) d'Alsace ainsi que de son conseil scientifique. Il est fondateur et co-responsable du diplôme d'université créé en 2002 "Qualité et gestion des risques dans les établissements de santé" et fondateur et responsable du congrès annuel créé en 2009 "Rencontre des métiers de la santé : management de la qualité et gestion des risques" fin mai à Strasbourg (ayant reçu en 2014 et 2015 le soutien institutionnel de la Haute autorité de santé ou HAS). Il est l'auteur et le responsable du site internet "Qualité et sécurité des soins". Il est également contributeur du site de formation médicale continue "Univadis".

---

D'ores et déjà utiles dans différents domaines de la médecine, les Big data pourraient bientôt nous permettre de lutter contre le cancer. Elles permettent une approche multifactorielle indispensable à la médecine préventive.

Stéphane Gayet : Les maladies infectieuses sont l’un des domaines de la médecine où les progrès ont été les plus décisifs, dès l’instant où l’on avait découvert les agents infectieux responsables (bactéries et virus) et où l’on avait mis au point l’antibiothérapie, la vaccination et les autres mesures de prévention. Dès lors, on avait cru un temps que les maladies en général étaient mono causales. C’était plus que simpliste, c’était absolument faux. Même avec les maladies infectieuses, il a fallu se rendre à l’évidence : l’agent infectieux était une chose, le terrain de la personne réceptive et les circonstances de la contamination en étaient au minimum deux autres.

Elles étaient bel et bien poly causales, ou plutôt poly factorielles. En effet, il convient de distinguer la cause d’une maladie infectieuse - c’est l’agent infectieux - de ses facteurs favorisants, nombreux et variés (terrain immunitaire, circonstances de la contamination, éventuelles maladies concomitantes…).

Avec les cancers, c’est au moins dix fois plus compliqué. Car, dans l’immense majorité des cas, un cancer n’a pas une cause, mais tout un ensemble de facteurs favorisants qui, lorsqu’ils sont réunis, n’attendent plus qu’une étincelle pour le développer. Par exemple, le tabac n’est pas la cause du cancer du poumon (en réalité cancer des bronches), mais un facteur favorisant très efficace qui s’ajoute à d’autres, moins puissants (facteurs génétiques, pollution, infections répétées, intoxications chimiques…). On peut dire que c’est vrai de tous les cancers, même si l’un des facteurs favorisants paraît prépondérant (virus de l’hépatite B dans le cancer du foie, virus d’Epstein-Barr dans le lymphome malin de Burkitt…).

En matière de genèse de cancer, on estime aujourd’hui que la génétique est la clé de compréhension essentielle. C’est le principe de l’oncogénétique. Cela peut paraître évident quand on sait que les cellules cancéreuses ont un génome anormalement modifié. Rappelons que le génome est l’ensemble de l’information génétique d’un organisme, qui est contenue dans l’acide désoxyribonucléique (ADN) de chacune de ses cellules. Dans l’espèce humaine, ce génome est réparti en 30 000 gènes environ. Un gène constitue une unité fonctionnelle élémentaire de l’ADN. D’une façon générale, un gène contient les instructions permettant la synthèse de protéines. Car les protéines constituent la famille essentielle de molécules du monde animal. Ce sont les molécules clés. Certaines protéines entrent dans la constitution de nos cellules, ce sont les protéines de structure ; d’autres activent telle ou telle réaction cellulaire, ce sont les protéines enzymes ; d’autres encore régulent ces mêmes réactions, ce sont les protéines régulatrices, etc. On le voit, les protéines sont les molécules architecturales et organisatrices du monde vivant.

La survenue d’un cancer commence par la transformation monstrueuse d’une cellule, liée à une très grave mutation de son génome. Cette cellule devenue maligne est à présent autonome : elle se multiplie de façon anarchique. Au début, le processus cancéreux peut encore être arrêté par les globules blancs. Lorsque le stade de non-contrôlabilité est atteint, le cancer débute réellement. Pour qu’un tel phénomène « extraordinaire » ait pu se produire, de nombreuses circonstances devaient être réunies : ce sont les facteurs de risque du cancer. Chacun de nous fait face sans le savoir à des débuts de cancer qui sont tués dans l’œuf. Mais parfois, hélas, les systèmes anti-cancer de notre corps sont dépassés.

Eric Schadt n’est pas médecin : c’est un scientifique expert en mathématiques et en biologie moléculaire. Il a compris que l’approche des cancers devait être résolument moléculaire et même génique. Son projet consiste en l’application à l’oncogénétique des méthodes et outils de traitement informatique des bases de données numériques gigantesques (big data). En pratique, quand une personne relativement jeune développe un cancer grave et évolutif, Eric Schadt se propose d’étudier son génome de façon très poussée et d’alimenter une base de données avec les résultats obtenus. Ces données génomiques devront être complétées des données concernant le mode de vie de la personne. Lorsqu’il aura dans sa base de données les informations du génome et du mode de vie de plusieurs centaines ou milliers ou dizaines de milliers d’individus jeunes et atteints du même type de cancer, ce chercheur pourra peut-être en déduire, grâce à des corrélations statistiques, la probable responsabilité de tels ou tels gènes, natifs ou bien modifiés par tels ou tels processus, en conjonction avec tels ou tels phénomènes de vie.

Ce projet très coûteux devrait permettre de contribuer à connaître les facteurs favorisants (facteurs de risque) de certains cancers et ainsi à comprendre les raisons de leur survenue.

Dans le cadre du cancer, envisagez-vous l'utilisation de Big data dans la médecine curative ou uniquement préventive ? Quelles sont les avantages et les inconvénients de ces deux aspects ? Quelles sont les opportunités que de telles avancées pourraient créer, concrètement ?

Si l’on considère que, pour un cancer donné appelé X, on réussit à mettre en évidence, grâce à ce projet faramineux, trente gènes favorisants et cinq facteurs favorisants externes (ce qui est vraiment impossible en dehors de l’analyse de big data), on pourra, dès que l’on aura identifié la présence de ces 30 gènes chez un individu, agir en le soustrayant aux cinq facteurs favorisants externes. Car on admet que, dans l’immense majorité des cas, les gènes facilitateurs ne suffisent pas : il faut en plus l’intervention de facteurs favorisants externes ou facteurs de risque (virus, tabac, alcool, produit chimique, rayonnement, etc.).

Lorsque, chez une personne, on découvre un cancer en pleine expansion, c’est déjà bien tard. Cela signifie que tous les mécanismes de défense de cette personne ont été dépassés. Le cancer est en effet perçu par l’organisme comme un corps étranger qui se développe, tel un agent infectieux à éliminer. Mais l’organisme a échoué, il s’est laissé déborder. Alors que faire ? La chirurgie, la chimiothérapie, la radiothérapie, l’immunothérapie, les thérapies modernes géniques ou d’autre type…

La médecine de l’avenir est plus préventive que curative. Il est plus facile de prévenir que de guérir, particulièrement un cancer. Les avancées permises par un tel projet de très grande envergure concerneront plus la prévention que le traitement curatif. Mais elles devraient aussi permettre de surveiller étroitement les personnes à haut risque et de détecter au plus tôt un cancer tout débutant chez elles. La détection très précoce des cancers est une approche très séduisante, à condition que l’on soit à même de les éradiquer dans ce cas. Ce qui suppose des méthodes fines et peu agressives de destruction d’un cancer à son tout début. C’est là qu’interviennent des thérapies moléculaires sur mesure, pour aller détruire de façon sélective et non délétère (nuisible) un tout petit cancer à peine débutant. C’est, avec la prévention primaire ou prévention vraie, la deuxième méthode rationnelle de lutte contre le cancer : le fait de détecter et de détruire sans dégâts collatéraux de très petits cancers fait partie de la prévention secondaire, celle qui consiste à agir au tout début d’un phénomène pour l’endiguer quand il est encore temps et possible de le faire.

Toutes ces approches font bien sûr appel à des techniques et outils informatiques, biologiques et chimiques qui dépassent les capacités de l’homme et de son cerveau. Cela n’eût jamais été possible avant l’ère numérique.

Les Big data et les nouvelles technologies ont déjà prouvé leur efficacité dans d'autres domaines de la médecine. Faut-il s'attendre à ce que, à l'avenir, toute opération médicale se fasse avec un accompagnement informatique et statistique ? A quoi pourrait ressembler la médecine de demain ?

S’il est vrai que le corps humain est la machine la plus complexe que l’on connaisse, il l’est également que nos yeux, notre mémoire, notre rapidité de calcul et notre capacité hypothétique déductive sont aujourd’hui très loin de tout ce qui est permis par les nouvelles technologies numériques. Les logiciels experts d’aide au diagnostic ont largement fait la preuve de leur efficacité : le cerveau humain est dépassé par les prouesses informatiques. Mais l’homme garde le contrôle sur la machine et ce n’est pas demain que la machine prendra le contrôle sur l’homme, n’en déplaise aux personnes qui prétendent le contraire.

C’est certain, la médecine et la chirurgie vont devenir de plus en plus numériques. En chirurgie, les robots sont à la fois plus précis et plus fiables que la main. Une machine ne se fatigue pas et n’a pas d’humeurs, contrairement à l’homme souvent défaillant. Mais l’un et l’autre travailleront de concert : il ne sera pas possible de tout mécaniser ni automatiser en raison de la variabilité humaine. En effet, nous sommes tous différents et il n’existe pas deux corps ni deux cerveaux qui soient identiques. L’homme ne pourra plus se passer de la machine et la machine aura toujours besoin de l’homme qui est son créateur.

La médecine de demain sera de plus en plus préventive, de moins en moins agressive et invasive (intrusive), de plus en plus précise et de plus en plus sur mesure ou à la carte. À chaque personne sa prévention, son diagnostic et son traitement qui lui conviennent à lui et à lui seul. Déjà aujourd’hui, plus aucun cerveau humain ne peut connaître toutes les maladies et même tous les médicaments (le dictionnaire Vidal des médicaments est devenu monumental). La chirurgie deviendra de plus en plus fine et précise, de moins en moins agressive et délétère. Elle est encore souvent beaucoup trop destructrice aujourd’hui. Prenons l’exemple de l’ulcère de l’estomac : on a commencé par enlever tout l’estomac chez certaines personnes gravement atteintes, ensuite on a enlevé seulement une partie de l’estomac, puis coupé la totalité du nerf pneumogastrique ou vague ou X (celui qui fait sécréter le suc gastrique acide), puis on a coupé seulement une partie de ce nerf vague (vagotomie sélective), puis on a coupé seulement une toute petite partie de ce nerf (vagotomie supra-sélective), puis on a mis au point des anti-ulcéreux permettant de se passer de la chirurgie et enfin des antibiotiques pour détruire la bactérie en cause, de telle sorte que l’on n’opère plus les personnes souffrant d’un ulcère de l’estomac, sauf cas très particuliers. Cet historique de la prise en charge de l’ulcère de l’estomac préfigure l’évolution de la médecine en général : de plus en plus précise, et même moléculaire, et de moins en moins agressive. En revanche : avec quel coût ?...

Read more at http://www.atlantico.fr/decryptage/lutte-contre-cancer-pourquoi-espoir-se-trouve-cote-big-data-stephane-gayet-2868224.html#EfKrHZAwpds2qtTH.99

L'Université de Californie a mis au point un modèle mathématique issu d'un algorithme conçu par Google pour calculer les probabilités de diffusion métastatique d'une tumeur du poumon. Grâce à cet algorithme, il serait possible de déterminer l'itinéraire de propagation de la tumeur et d'établir une carte prévisionnelle de la diffusion probable d'un cancer, de la tumeur initiale aux métastases distantes.

Dans ce travail, les chercheurs se sont notamment servis de la chaîne de Markov, un instrument algébrique puissant, très utilisé dans les télécommunications, l’informatique et l'Internet, notamment par Google.

Le modèle mathématique mis au point a été appliqué aux rapports d'autopsie de 163 patients atteints d'un cancer du poumon qui vivaient en Nouvelle-Angleterre entre 1914 et 1943. À cette époque, il n'y avait pratiquement aucun traitement contre le cancer, ce qui a permis aux chercheurs de suivre précisément toute l'évolution de la maladie chez ces patients. Parmi les 163 patients, les chercheurs ont ainsi pu cartographier le développement de 619 métastases.

À l'issue de ces travaux, les scientifiques pensent être en mesure de mieux pouvoir prévoir l'évolution d'un cancer du poumon. « Si nous parvenons à anticiper la migration des cellules cancéreuses et à prévoir vers quels organes elles vont se diriger, nous pourront plus facilement combattre le cancer en proposant aux patients des traitements personnalisés plus efficaces » soulignent les chercheurs.

Cette étude s'inscrit dans une tendance nouvelle mais prometteuse d'étroite collaboration scientifique, entre biologistes physiciens et mathématiciens, pour mieux comprendre la complexité du cancer dans toutes ses dimensions.

Article rédigé par Georges Simmonds pour RT Flash

La lutte contre le cancer est de plus en plus le fruit d'une étroite collaboration entre les différentes disciplines scientifiques. Pour utiliser plus efficacement l'ensemble de ses données, le Centre Jean Perrin de soin et de recherche contre le cancer, situé à Clermont-Ferrand, utilise à présent un algorithme spécifique, le Q Finder de la société en conseil stratégique et opérationnel Quinten.

Cet outil, spécialement conçu pour traiter et rapprocher les données médicales et scientifiques, a permis d’identifier une combinaison de deux marqueurs biologiques qui indique une probabilité de réponse efficace à un traitement chez des patientes atteintes de cancer du sein triple négatif, soit 15 % des cancers du diagnostiqués.

Résultat de cette nouvelle approche informatique et infomédicale : 86 % des patientes atteintes par ce cancer triple négatif, très agressif, et porteur des marqueurs identifiée par Quinten et le Centre Jean Perrin, répondent positivement à la combinaison thérapeutique spécifique au traitement de ce type de cancer. À titre de comparaison, la réponse n'était que de 47 % pour la population de patientes comprise dans l’essai dont sont issues les données.

Ce résultat très encourageant devrait permettre, à terme, d’identifier en matière de cancers, un groupe particulier de malades pouvant tirer, en fonction d'une signature moléculaire et génétique donnée, le meilleur bénéfice thérapeutique possible de la combinaison de traitements disponibles.

Article rédigé par Georges Simmonds pour RT Flash

Médecins, généticiens et biologistes vont recevoir de nouveaux renforts dans la lutte contre le cancer : physiciens, mathématiciens et ingénieurs vont être mis à contribution dans la recherche en oncologie. L'idée n'est pas tout à fait neuve, car les mathématiques font partie depuis longtemps du quotidien de l'imagerie médicale et la conception de nouveaux appareils médicaux n'est plus imaginable sans étroite collaboration entre biologistes ou médecins et ingénieurs. Mais il s'agit ici d'aller encore plus loin en adaptant de nouvelles technologies, comme par exemple la modélisation du vivant, les nanoparticules, la microfluidique ou l'utilisation de nouvelles particules pour l'imagerie.

Comme souvent, les Etats-Unis sont précurseurs. Plusieurs centres anticancer dotés de financements importants ont vu le jour ces dernières années, accueillant des chercheurs venus d'horizons très divers, ainsi que des industriels. La France n'a pas adopté une démarche aussi radicale, mais dans le cadre du plan Cancer 2009-2013, elle vient de sélectionner 17 projets de recherche portés par des mathématiciens, physiciens et ingénieurs qui travailleront en réseau depuis leurs propres laboratoires.

Ils vont se partager un financement de 2,6 millions d'euros, mais face au succès rencontré - 64 projets ont été déposés -, cette initiative devrait être prolongée par de nouveaux appels d'offres en 2012 et 2013. « L'objectif est d'attirer de nouvelles compétences et de nouvelles approches pour progresser plus vite, indique Fabien Calvo, directeur de l'Institut cancer de l'Aviesan (Alliance des sciences de la vie et de la santé). La continuité est essentielle si on veut inciter ceux qui ont pris le risque de s'engager dans de nouvelles thématiques à poursuivre leurs travaux. »

« Fantôme respirant »
Choisis sur des critères d'originalité, de faisabilité et de transversalité, les projets sélectionnés couvrent différents champs d'application : le déploiement clinique de radiothérapies innovantes, comme la protonthérapie ou l'hadronthérapie qui permettent de mieux cibler les tissus malades ; ou l'amélioration des performances de l'imagerie avec notamment les travaux visant à créer un « fantôme respirant », sorte de cage thoracique virtuelle pour anticiper les déplacements des organes lors des examens ou des traitements. D'autres travaux plus fondamentaux, enfin, s'attachent à mieux décrire les propriétés physiques des cellules tumorales et leur capacité à migrer pour créer des métastases ou à simuler l'évolution de la maladie et des traitements au sein de versions simplifiées d'une cellule ou d'un organe.

Pour la plupart des chercheurs impliqués, c'est aussi l'occasion de donner une dimension supplémentaire à leurs travaux. « On a l'impression d'être utile et d'apporter du soutien aux malades », se réjouit Julien Henriet, ingénieur informaticien à l'université de Franche-Comté.

Des chercheurs allemands ont créé un modèle informatique qui permet de prévoir comment les tumeurs cancéreuses évoluent et grossissent.

Les résultats de cette recherche, publiés dans la revue « New Scientist », indiquent que ce modèle permet aussi de savoir quels vaisseaux sanguins devraient être retirés pour limiter la croissance des tumeurs.

Pour développer leur modèle mathématique, les scientifiques se sont basés sur le fait que certaines tumeurs cessent de grossir après avoir atteint une taille donnée, alors qu’au contraire d’autres continuent à croître. Ce faisant, le réseau de vaisseaux sanguins qui les alimente prend de l’expansion, et peut véhiculer des cellules cancéreuses dans d’autres parties du corps, créant ainsi des métastases.

L’un des importants défis que doit relever la recherche en matière de cancer consiste à prédire quelles tumeurs demeureront stables et lesquelles grossiront.

Le modèle mathématique développé par Sehyo Choe et ses collègues de l’Université d’Heidelberg, en Allemagne, permettra de prévoir des « couloirs de croissance tumorale probables ». Lorsqu’il a été appliqué à des souris de laboratoire souffrant de cancer, ce modèle a démontré sa fiabilité.

« Dans un avenir que nous espérons proche, les patients ne recevront plus de traitements basés sur des moyennes dans la population, mais plutôt des traitements personnalisés fondés sur notre modèle prédictif », précise le co-auteur de cette recherche, le physicien Neil Johnson de l’Université de Miami en Floride.

«Avec ce modèle mathématique, donnez-moi 100 patients différents et je répondrai par 100 plans de traitement personnalisés», promet Doron Levy, de la Stanford Medical School. Le modèle mathématique de Levy suggère d’administrer un vaccin contre la leucémie au moment précis où la réponse immunitaire du patient s’affaisse.

Lorsqu’on administre le médicament, la réaction immunitaire antileucémie augmente graduellement. Elle atteint son apogée, et élimine en grande partie les cellules cancéreuses. Alors devenues rares, elles ne stimulent plus les défenses immunitaires, qui s’affaiblissent.

Malheureusement, c’est à ce moment que les cellules cancéreuses développent une résistance qui rend la thérapie inefficace. En fouettant le système immunitaire avec un second traitement — un vaccin — à ce moment précis, le traitement pourrait faire la différence entre la rémission et la mort.

June 23, 2008 — When kids complain that math homework won't help them in real life, a new answer might be that math could help cure cancer. In a recent study that combined math and medicine, researchers have shown that patients with chronic myelogenous leukemia (CML) may be cured of the disease with an optimally timed cancer vaccine, where the timing is determined based on their own immune response.

Quand les enfants se plaignent que les devoirs de mathémathiques ne les aideront pas dans la vraie vie, une nouvelle réponse pourrait être que les mathémathiques aident à guérir le cancer.Dans une récente étude qui combinait les maths et la médecine, les chercheurs ont démontré que les patients avec le CML pourrait être guéri avec un vaccin donné dans un temps précis, temps en accord avec leur propre système immunitaire.

University of Maryland associate professor of mathematics Doron Levy, Stanford Medical School physician and associate professor of medicine (hematology) Peter P. Lee, and Dr. Peter S. Kim, École Supérieure d'Électricité (Gif-sur-Yvette, France) describe their success in creating a mathematical model which predicts that anti-leukemia immune response in CML patients using the drug imatinib can be stimulated in a way that might provide a cure for the disease.

Des scientifiques ont décrit leur succès à créer un modèle mathématique qui prédit que la réponse du système immunitaire contre la leucémie CML lors de l'utilisation de l'imatinib peut être stimulée d'une mani;re qui pourrait aboutir à la guérison de la maladie.

"By combining novel biological data and mathematical modeling, we found rules for designing adaptive treatments for each specific patient," said Levy, of the University of Maryland Center for Scientific Computation and Mathematical Modeling. "Give me a thousand patients and, with this mathematical model, I can give you a thousand different customized treatment plans."

Math and Leukemia

While the marriage of math and biology is only beginning to catch on in science, there have been other attempts to use equations to understand how leukemia develops and evolves over time. Levy, Lee, and Kim's study differed in that it took into account the patient's natural immune response in conjunction with the effects of imatinib, a drug that has been successful in putting CML patients into remission.

They wanted to see if they could develop a mathematical model, or set of rules, that would increase chances for long-term remission in individual patients. Over four years, Lee's laboratory collected data from CML patients, measuring the strength of each patient's immune response, in the form of the numbers and the activity of the anti-leukemia T cells, at different times during imatinib therapy.

"Our results suggest that it is not only the drug that sends the leukemia into remission, it's also the natural immune response," Levy said. "After starting imatinib, the anti-leukemia immune response gradually increases. However, it begins to weaken after it reaches a peak. This typically happens well into the treatment.

"Leukemia cells are still present, but in relatively low numbers that causes the immune response to wind down. Unfortunately, this is an ideal time for the cancer cells to develop drug resistance and render the therapy ineffective."

Best Time for Immune Response

Incorporating Lee's clinical data on immune response, Levy's model suggests that the immune response of the patients should be boosted at the time when their immune response starts weakening.

Le modèle suggère que la réponse immunitaire des patients pourrait être booster quand cette réponse immunitaire commence à faiblir.

The authors suggest that such a stimulation can be provided in the form of "cancer vaccines," in which pre-therapy blood taken from patients is irradiated to kill active cancer cells, then introduced back to the patient. A strong stimulation of the immune system was shown to be active in vitro in Lee's lab experiments.

"The mathematical approach showed that it is imperative to connect the timing of the cancer vaccine with the individual profile of the immune response of each patient," Levy said. "The mathematical simulations suggest that a vaccine administered within the initial months of the treatment will have no effect on the progression of the disease. On the other hand, a well-timed vaccine can potentially cure the disease."

Individual Therapy Plan

But the dynamics of each patient's immune response differ. That's where the math comes in, says Levy. "We can find rules for application to a specific patient. We can measure each patient's parameters to find when the dosage will be most effective. Mathematics provides the tools that are necessary to tailor the treatment to the patient."

"While some parameters can be measured in the lab," said Levy. "The mathematical model helps us understand the mechanisms that control the disease and show how to use this knowledge to our advantage."

Levy and Lee are currently conducting further extensive study to expand on the results of this research, to prepare for possible experiments on animal models and conduct clinical trials.

C'est sûr que ce n'est pas un deux de pique au départ mais son histoire m'avait frappé et je trouve qu'il y a quelques enseignements dans cette histoire: - Quelqu'un qui est complètement en dehors d'un gros problème peut mieux voir la solution quelque fois que des gens qui y travaillent depuis longtemps car celui-ci a un esprit totalement neuf devant ce problème. -Le caractère d'une personne est important, quelqu'un d'ambitieux qui y croit fera mieux que quelqu'un qui a est en fin de carrière dont la seule ambition est l'argent et qui n'y croit plus tellement.

Le médicament de la compagnie Abbot m'a l'air très bon et propre à révolutionner les médicaments pour la leucémie. Évidemment pour en être sûr il faudrait que j'ai autant de connaissances que ces gens-là mais c'est le feeling que j'ai à lire sur l'ABT-737.

Citation :

At another employer, Fesik might never have been considered for such a critical assignment.

Chez un autre employeur, Fesik n'aurait jamais été considéré pour un tel poste.

In his previous job as chief of NMR research, he mapped the molecular structure and shape of compounds to help drug developers find promising leads. A self-described nerd, he also holds a PhD in medicinal chemistry from the University of Connecticut School of Pharmacy. But he has no medical background, nor has he ever managed the animal trials that are key first steps in drug development.

Il n'avait pas de background médical et ni n'avait fait d'essais sur des animaux qui est le premier pas dans le développement de médicament.
So when he was offered his current position in 2000, he hesitated. "I had a cushy job, frankly," he says. "I was good at it. People knew me." After a month of talking it over with his wife, Lauren, and mentors at Abbott, he jumped in. The choice, he says, came down to this: "What would you rather be doing? Developing the next NMR technique or finding new drugs to treat cancer?"

Le choix a été résumé à ça : "Qu'est-ce que vous aimeriez le mieux, développer la prochaine technique de résonance magnétique nucléaire ou trouver de nouveaux médicaments pour vaincre le cancer ?"

For Norbeck, Fesik's lack of experience was actually a major selling point. "Innovation is often brought about by people outside of a field," Norbeck says. "Their ignorance about the established dogma allows them to do things that others already had ruled out."

Pour Norbeck, Le manque d'expérience de Fesik était un point qui l'attirait: "L'innovation est souvent venu par des gens en dehors du domaine. Leur ignorance des dogmes établis leur permet d'essayer des choses que les autres rejettent."

Fesik's character also made him a good fit for the job. A linear thinker who loves puzzles and reading scientific papers, Fesik is doggedly ambitious and almost singularly focused on solving his next problem. Early on in his career, his wife had to negotiate with him a cutback in his work hours so he would be home at least one weekend day with their three young daughters.

Le caractère de Fesik a joué aussi un rôle. C'est un penseur linéaire qui aime faire des casses-têtes et lire des articles scientifiques, Fesik est ambitieux et est focussé sur régler le prochain problème. Tôt dans sa carrière, sa femme devait négocier avec lui pouer pouvoir passer un peu de temps avec lui et les enfants.

Unlike many scientists, Fesik isn't afraid to own up to his intellectual shortcomings. When the Internet was just taking hold, co-workers spotted him unabashedly reading The Internet for Dummies at his desk.

Fesik n'a pas peur d'afficher son manque de connaissances dans certains domaines. Les collègues se moquent de lui en mettant : internet pour les nuls sur son bureau.

Fesik tackled his new post with similar gusto for learning. He enrolled in a weeklong, brain-bruising course in clinical oncology for doctors prepping for their board certification exams. "Some heads of cancer research might find it embarrassing to admit they need to take a course like that," says James Summers, divisional vice-president for advanced technology. "Not Steve. He's unafraid."

Il s'est inscrit dans un cours d'oncologie clinique pour des docteurs préparant leur certificat. Quelques chercheurs en vue aurait trouver ça embarassant de devoir s'inscrire sur un tel cours pas Steve.

Denis a écrit:

Parfois il y a des gens qui n'ont pas de connaissances sur le cancer mais qui arrivent à faire plus que beaucoup de gens. Par exemple, un certain monsieur Fesik qui travaillait avec un outil pour voir les cellules en 3 dimensions et avait un talent pour trouver et faire la forme complémentaire à certaines cellules qui pouvaient ainsi bloquer des récepteurs et arrêter le cancer.

l'histoire de monsieur Fesik

Salut Denis,

Quand même, le Dr. Fesik a un post-doc en résonance magnétique de l'Université Yale et travaille en onco-pharmacologie chez Abbott depuis 1983. On peut donc dire qu'il est dans le "domaine" depuis un bon bout.

Parfois il y a des gens qui n'ont pas de connaissances sur le cancer mais qui arrivent à faire plus que beaucoup de gens. Par exemple, un certain monsieur Fesik qui travaillait avec un outil pour voir les cellules en 3 dimensions et avait un talent pour trouver et faire la forme complémentaire à certaines cellules qui pouvaient ainsi bloquer des récepteurs et arrêter le cancer.

l'histoire de monsieur Fesik

Denis a écrit:

Mathematician ... also developed a tool that eventually could help doctors determine which combination of drugs would be most beneficial to a CML patient, and they determined why, in some cases, Imatinib does not block cancer growth.

....C'est une mathématicienne qui publie des articles sur le cancer dans une revue de physique statistique...
Komarova, N.L. (2007) Loss- and gain-of-function mutations in cancer: mass-action, spatial and hierarchical models. Jour. Stat. Phys. 128, pp. 413-446.

Denis a écrit:

Mathematician Natalia Komarova......"

Certainement la mathématicienne la plus jolie que je connaisse
http://www.math.uci.edu/~komarova/pict5.jpg

...

In people with chronic myeloid leukemia (CML), the drug Imatinib has been shown to drive cancer into remission, but the disease often returns when treatment is stopped. New research by UC Irvine scientists indicates that Imatinib could cure CML under certain circumstances if it is taken over a long enough period of time.

Parmi les gens avec le cancer de la leucémie chronique (CML), l'imatinib a amené des rémissions mais la maladie revient souvent quand le traitement est arrêté. Une nouvelle recherche indique que l'imatinib pourrait guérir le CML sous certaines circonstances si c'est pris pendant une longe période de temps.


Mathematician Natalia Komarova and biologist Dominik Wodarz also developed a tool that eventually could help doctors determine which combination of drugs would be most beneficial to a CML patient, and they determined why, in some cases, Imatinib does not block cancer growth.

La mathématicienne Natalia Komarova et le biologist Dominique Wodarz a développé un outil qui éventuellement pourrait aider les docteurs à déterminer laquelle des combinaison de médicaments serait la plus bénifique pour un patient atteint de CML et détermine pourquoi, dans certains cas, l'imatinib (gleevec) n'arrêtra pas la croissance du cancer.

The drug Imatinib is a promising cancer treatment because it has few side effects, and it specifically targets cancer cells. In their study, the UCI scientists focused on Imatinib and the behavior of cancerous stem cells. Just as normal stem cells maintain organs and a functioning body, cancer stem cells are thought to maintain cancer growth and are tough to kill with treatment.

Many scientists believe that Imatinib can kill regular cancer cells but not stem cells. When treatment ends, the remaining stem cells can produce more cancer cells, thus exacerbating the disease. According to this view, there is no hope to cure CML.

The UCI scientists, however, believe Imatinib can kill cancerous stem cells but not when the stem cells temporarily stop dividing, a state known as quiescence. All cancerous stem cells have the ability to enter the quiescent state. Evidence indicates that when such sleeping stem cells wake up, Imatinib can kill them.

In their paper, the scientists present a mathematical formula that can calculate how long it would take to kill all of the stem cells and cure the cancer. This length of time -- which could be different for each patient -- is based on how often the cancerous stem cells fall asleep and how quickly they wake up. Once the scientists can test their theory with patients, they will be able to determine how long the cure might take.

Dans leur article, les scientifiques présentent une formule mathématique qui peut calculer pendant combien de temps il faut prendre le médicament pour tuer toutes les cellules souches et guérir le cancer.

"There is evidence that a complete cure is possible. Several patients have been reported to have no symptoms after two months without therapy, which is thought to suggest a complete cure," Komarova said. "This evidence supports our theory. Basically, one has to be on therapy long enough for all of the stem cells to wake up and be killed by the drug."

In addition to sleeping stem cells, another barrier to eradication by Imatinib is that cancer cells can mutate to become unresponsive to certain drugs. Conventional thought is that if sleeping stem cells prolong a cure, other cancer cells will have ample time to mutate and become drug resistant.

The UCI scientists, however, have proved this theory wrong. Their calculations show that mutant cells develop early on, in many cases before the patients know they are sick, and do not develop during the treatment process. Using mathematics, they developed a way to calculate the probability that certain mutations exist in a patient. Based on this, one can determine what course of treatment should be used to overcome the resistance.

"The model requires the number of cancer cells that exist, how fast the cells divide and die, and how fast they go to sleep and wake up," Wodarz said. "Once you have those numbers, you can determine how many drugs to use in combination to make sure drug resistant mutants do not become problems."