Biomathématiques

L’équipe de recherche « Biomathematiques », rattaché à l’unité « Cancer Data Science », développe des outils mathématiques, statistiques et informatiques avancés pour modéliser, analyser et interpréter des systèmes biologiques complexes et des données cliniques. Cette équipe se consacre à la conception de méthodes évolutives et interprétables permettant d’extraire des connaissances à partir de données biomédicales hétérogènes et de haute dimension. Ses travaux de recherche couvrent la modélisation mathématique, l’inférence statistique, l’apprentissage automatique, l’optimisation et l’intelligence artificielle, en mettant particulièrement l’accent sur l’intégration de données multimodales telles que la génomique, les omiques spatiales, l’imagerie médicale, la pathologie numérique et les données tabulaires. L’équipe s’attaque à des défis majeurs de la recherche sur le cancer, notamment la modélisation de l’hétérogénéité tumorale, la modélisation de la progression de la maladie, la découverte de biomarqueurs, la prédiction de la réponse aux traitements, l’analyse de survie et la stratification des patients.

Les méthodes développées par l’équipe permettent de transformer des données complexes sur le cancer en informations exploitables sur le plan clinique, contribuant ainsi à améliorer le diagnostic, le pronostic et le choix du traitement. En intégrant des données multimodales et des approches de modélisation avancées, ces recherches contribuent à une prise de décision clinique plus précise, personnalisée et fondée sur des données probantes en oncologie. 

Les principaux axes de travail de l’équipe sont notamment les suivants :

• Modélisation statistique et mathématique : cet axe de recherche se concentre sur le développement de modèles statistiques et mathématiques visant à caractériser la biologie du cancer et à améliorer l’interprétation de données oncologiques complexes. En intégrant des données multimodales — notamment des données multi-omiques, d’imagerie et des informations cliniques —, ces approches permettent d’identifier des schémas associés au cancer, des sous-groupes de patients et des biomarqueurs prédictifs. Des techniques avancées de modélisation mathématique facilitent l’analyse de l’hétérogénéité tumorale, de la progression de la maladie et de la réponse au traitement.

• Méthodes basées sur les données pour l’oncologie de précision : cet axe de recherche se concentre sur le développement d’approches basées sur les données, s’appuyant sur l’apprentissage automatique et l’apprentissage profond, afin de relever les principaux défis de l’oncologie de précision. Ces méthodes sont conçues pour exploiter des données multimodales à grande échelle sur le cancer afin d’améliorer les tâches de prédiction, de classification et d’aide à la décision, notamment la caractérisation des tumeurs, la stratification des patients, la découverte de biomarqueurs et la prédiction de la réponse au traitement.