La modélisation de l’effet pharmacologique d’un médicament et la simulation d’essais cliniques se sont imposées ces dernières années comme des techniques incontournables pour l’aide au développement de nouvelles molécules et l’analyse des résultats d’essais cliniques. En effet, l’utilisation de patients virtuels permet in silico de comparer différents traitements à un placebo, optimiser un protocole expérimental ou encore évaluer les risques d’effets indésirables.
Les modèles mathématiques utilisés pour représenter le devenir d’un médicament dans un organisme et son effet sont de plus en plus complexes. On cherche en effet à utiliser des modèles mécanistes, c’est-à-dire qui représentent le plus fidèlement le phénomène physiologique étudié.
La modélisation de tels systèmes fait intervenir un grand nombre d’équations et de paramètres, afin de décrire au mieux, par exemple, comment un médicament est absorbé, distribué dans un organisme, métabolisé puis éliminé, comment une tumeur croît, ou encore comment des cellules sont infectées par un virus et produisent à leur tour des virus.
La prise en compte de la variabilité entre individus d’une même population est également fondamentale afin de comprendre pourquoi différents patients ne réagissent pas de façon identique à un même traitement. Nous verrons comment des méthodes statistiques et des algorithmes permettent d'aider le modélisateur à construire efficacement de tels modèles, puis à les utiliser pour simuler des essais cliniques.