Suivi du patient transplanté rénal traité par tacrolimus par pharmacocinétique de population et machine learning

Discipline

Pharmacologie, infectiologie et sciences du médicament

Classification

Sciences de la vie, biologie, biochimie,

Médecine et santé

Mots-clés libres

Tacrolimus, Machine learning, Effets indésirables, Pharmacocinétique de population

Mots-clés

Tacrolimus,

Apprentissage automatique,

Rein -- Transplantation,

Pharmacocinétique de population

Le tacrolimus, pierre angulaire de la thérapie immunosuppressive dans la transplantation d’organe solide, possède un intervalle thérapeutique étroit ainsi qu’une variabilité interindividuelle importante exposant rapidement le patient à un risque de sous- ou surexposition. Quelle que soit la situation (sous- ou surexposition), le risque encouru par le patient n’est pas négligeable. La sous-exposition augmente les risques de survenue d’un rejet et la surexposition celui d’apparition d’effets indésirables (néphrotoxicité, neurotoxicité, diabète post-transplantation, infections…), motivant la mise en place du suivi thérapeutique pharmacologique pour cette molécule. A ce jour, la relation entre l’efficacité thérapeutique et les indices d’exposition est bien établie cependant celle concernant les effets indésirables restent encore à débat. Dans ces travaux de thèse, nous nous sommes focalisés sur le développement d’outils, utilisant la pharmacocinétique de population et le machine learning, pour prédire l’exposition au tacrolimus mais également estimer la fonction rénale et l’exposition à un anti-infectieux, utilisé chez le transplanté. Nous avons aussi développé des marqueurs de suivi de l’exposition longitudinale afin d’explorer l’influence de l’exposition cumulée et a fortiori celle de la surexposition cumulée au tacrolimus sur la survenue d’effets indésirables notamment la survenue de diabète post-transplantation.