Page 27 - Cap' Carnot

Faciliter la construction de

modèles pharmacométriques

pour optimiser traitement et protocole clinique

du médicament. Il permet également de
Porteurs du projet déterminer si la variabilité inter-individuelle
de certains paramètres pharmacocinétiques
Carnot Inria & société Lixoft (volume de distribution, clairance…) peut
être en partie expliquée par des informations
individuelles phénotypiques (poids, âge,
sexe…) ou génétiques.

Utilité et utilisateurs Quelles originalités /
À partir de données d’essais cliniques avancées scientifiques ou
(données pharmacocinétiques / pharma- technologiques ?
codynamiques), l’outil permet de construire La construction d’un modèle pharma-
rapidement le modèle pharmacométrique cométrique est un processus complexe
qui décrit au mieux ces données puis de qui nécessite des méthodes statistiques
simuler des essais cliniques afin d’optimiser avancées, l’utilisation d’outils logiciels
un traitement ou d’optimiser le protocole sophistiqués, mais surtout une expertise
d’un nouvel essai. Dans le cas de données confirmée, du temps et de la patience.
pharmacocinétiques, l’outil permet en L’algorithme SAMBA (Stochastic
particulier de déterminer automatiquement Algorithm for Model Building Algorithm)
le type d’absorption, de distribution (nombres permet de trouver automatiquement et
de compartiments) et le type d’élimination très rapidement le modèle recherché.

L’apport de l’Intelligence Artificielle

Habituellement, le modélisateur procède de façon itérative : à chaque
étape, il ajuste un modèle à ses données, puis analyse les résultats
obtenus pour tenter d’améliorer le modèle et donc en proposer un
nouveau. Le rôle de l’Intelligence Artificielle consiste ici à automatiser
et optimiser ce processus.

27