De CentraleSupélec à Cambridge : un élève ingénieur à l’interface des mathématiques et de la médecine

Vous avez effectué vos deux premières années à CentraleSupélec avant de partir à Cambridge. Comment votre intérêt pour les mathématiques appliquées à la santé s’est-il construit ?

Image

J’ai effectué mes deux premières années du cursus d’ingénieur à CentraleSupélec avant de partir en année de césure complète (1 an à Cambridge sur deux sujets différents) dédiée à la recherche. La formation généraliste de l’École, notamment à travers les électifs et les projets, m’a permis d’explorer de nombreux domaines, et de confirmer mon intérêt pour les mathématiques computationnelles et appliquées.
Cet intérêt était déjà présent en CPGE : lors des TIPEs (Travail d'Initiative Personnelle Encadré), j’avais travaillé sur la modélisation mathématique de la cicatrisation de l’épiderme, ce qui a constitué ma première expérience de recherche appliquée à la santé. À CentraleSupélec, j’ai ensuite travaillé avec Airparif sur la prévision de la qualité de l’air en Île-de-France, un sujet également lié à la santé publique. Progressivement, j’ai donc eu envie de mettre les outils mathématiques au service de problématiques médicales.

Pourquoi avoir choisi de consacrer votre année de césure à la recherche à l’Université de Cambridge, et plus particulièrement à un projet sur la mucoviscidose ?

Lorsque j’ai commencé à chercher ma césure, je souhaitais approfondir les biostatistiques et leur application à la recherche médicale. J’ai donc candidaté à plusieurs projets de recherche dans ce domaine, et celui proposé à l’Université de Cambridge, au sein de la MRC (Medical Research Council) Biostatistics Unit, m’a particulièrement intéressé. Le projet portait sur la mucoviscidose et sur la manière dont l’évolution de différents indicateurs de santé pouvait nous renseigner sur la progression de la maladie et le risque de mortalité. C’était exactement l’interface que je recherchais entre mathématiques, statistiques et médecine. J’ai donc rejoint l’équipe pour développer et appliquer de nouveaux modèles statistiques à des données du registre britannique de la mucoviscidose.

Concrètement, qu’avez-vous cherché à comprendre grâce à vos modèles statistiques ?

Chez les personnes atteintes de mucoviscidose, différents indicateurs sont suivis régulièrement, notamment le VEMS ou Volume Expiratoire Maximal en une Seconde (en anglais FEV1) et l’IMC. 
On s’intéresse habituellement à leur niveau moyen ou à leur évolution. Notre idée était d’étudier également leur variabilité au cours du temps chez un même patient. 
Deux patients peuvent ainsi avoir une fonction pulmonaire moyenne comparable, tout en présentant des évolutions très différentes : l’un peut être relativement stable tandis que l’autre connaît des fluctuations beaucoup plus importantes. 
Nous avons donc cherché à déterminer si ces fluctuations apportaient elles aussi des informations sur la progression de la maladie et le risque de mortalité.
Le modèle développé permet d’étudier simultanément le niveau moyen du VEMS et de l’IMC, leur variabilité individuelle et leur association avec la survie. Dans notre première étude, nous avons  observé qu’une plus forte variabilité du VEMS comme de l’IMC était associée à un risque de mortalité plus élevé. L’enjeu à terme est de parvenir à une représentation plus complète de l’état d’un patient que celle fondée uniquement sur les valeurs moyennes.

Vous avez travaillé avec des médecins spécialistes de la mucoviscidose. En quoi leur expertise a-t-elle été importante pour votre travail ?

L’expertise clinique est devenue particulièrement importante lorsque nous avons voulu enrichir le modèle avec davantage d’informations médicales. Nous disposions de nombreuses variables susceptibles d’influencer la maladie, comme certaines infections, le génotype F508 et d’autres facteurs cliniques. Statistiquement, nous pouvions intégrer ces variables de plusieurs manières, mais les mathématiques seules ne permettent pas de déterminer quelle représentation est médicalement la plus pertinente. 
Nous avons donc échangé avec des spécialistes pour identifier les facteurs à prendre en compte dans nos analyses et mieux comprendre leur rôle dans la fonction pulmonaire, sa variabilité et la survie. Ils nous ont également permis d’identifier des facteurs de risque importants que nous devions considérer dans nos analyses. Ces échanges étaient essentiels pour éviter de construire un modèle statistiquement cohérent mais déconnecté de la réalité clinique. 

Qu’est-ce que cette collaboration avec les médecins vous a appris sur la manière de croiser les approches scientifiques et médicales ?

J’ai été surpris par la facilité du dialogue. Les médecins et chercheurs avec lesquels nous avons échangé étaient très familiarisés avec la recherche quantitative, et certains avaient eux-mêmes une forte expertise en biostatistiques. Je pouvais donc présenter notre modèle, nos résultats et nos interrogations assez précisément, tout en restant concentré sur leur signification médicale. J’étais également accompagné de mon encadrante, qui possède une grande expérience de ces collaborations interdisciplinaires. 
Cela m’a appris qu’un bon modèle médical ne se construit pas uniquement à partir des données : il doit être confronté aux connaissances des spécialistes. 
Nous en avons eu un exemple très concret au cours de nos analyses. Pour l’une des infections étudiées, nous avions obtenu une association avec la survie qui nous paraissait contre-intuitive (elle paraissait diminuer la mortalité), au point de nous demander s’il n’y avait pas un problème dans notre modèle. Les médecins nous ont alors expliqué que les interactions entre les différents agents infectieux chez les patients atteints de mucoviscidose peuvent être complexes. Certaines bactéries peuvent notamment entrer en compétition :  Pseudomonas aeruginosa (infection) peut ainsi produire des substances capables d’inhiber la croissance de Staphylococcus aureus (infection). Cet échange nous a montré qu’un résultat statistiquement surprenant peut avoir une explication biologique. Le fait que plusieurs des associations observées correspondent à ce que les médecins connaissaient de la maladie nous a confortés quant à la pertinence de notre modèle.

Votre travail a donné lieu à une publication dans Statistics in Medicine. Quelles pourraient être les suites de ces recherches et leurs applications en médecine ?

Jusqu’à présent, nous avons principalement étudié les associations entre la fonction pulmonaire, l’IMC, leur variabilité et le risque de mortalité. L’une des prochaines étapes  consiste à aller vers la prédiction : utiliser l’historique médical d’un patient pour estimer son risque futur et mesurer si la prise en compte de sa  variabilité individuelle améliore cette prédiction. 
À plus long terme, ces informations pourraient contribuer à mieux identifier les patients à risque. Nous souhaitons également étudier l’effet des nouveaux traitements de la mucoviscidose sur cette variabilité. L’enjeu final serait que ces méthodes puissent un jour contribuer à des outils utilisables dans la pratique clinique.

Qu’avez-vous pu mobiliser de votre formation à CentraleSupélec dans cette expérience de recherche ?

Lorsque je suis arrivé à Cambridge, je n’étais pas encore familiarisé avec les modèles statistiques très spécifiques que nous utilisions. En revanche, ma formation à CentraleSupélec m’avait donné les bases mathématiques, statistiques et computationnelles nécessaires pour les comprendre et progresser rapidement. J’ai également beaucoup mobilisé les méthodes de travail acquises lors des projets de l’École. Les ateliers de modélisation mathématique m’avaient notamment appris à structurer mon travail autour d’une roadmap précise. Avant chaque réunion  avec mon encadrante, je préparais  les résultats obtenus, les difficultés rencontrées et les questions à approfondir. Les nombreux projets et présentations à CentraleSupélec m’avaient également  préparé à présenter mes résultats, aussi bien à mon encadrante qu’à une équipe de recherche plus large.

Cette expérience a-t-elle fait évoluer votre projet professionnel et votre vision de la place des ingénieurs dans le monde médical ?

Cette expérience a surtout renforcé une conviction qui s’était construite au cours de mes études. J’ai souvent dit que, si je n’avais pas choisi de devenir ingénieur, j’aurais probablement aimé étudier la médecine. Je préfère profondément l’ingénierie, mais j’ai découvert qu’il était possible de contribuer directement à la recherche médicale tout en restant ingénieur et mathématicien, ce que je considère comme un véritable privilège. 
Mon année à Cambridge a ainsi conforté mon envie de poursuivre dans les biostatistiques et, à terme, de réaliser un doctorat dans ce domaine. Je souhaite continuer à approfondir ces sujets par la recherche et dans la suite de mes études. 

En savoir plus : Palma M., El Makkaoui O. et al., A Bayesian Location-Scale Joint Model for Time-to-Event and Multivariate Longitudinal Data With Association Based on Within-Individual Variability, Statistics in Medicine, 2026.