Vous êtes sur la page 1sur 6

INTERNATIONAL JOURNAL OF TECHNOLOGY ENHANCEMENTS AND EMERGING ENGINEERING RESEARCH, VOL 3, ISSUE 01

ISSN 2347-4289

39

Study Of Evolution Of The Incidence And Cancer


Mortality Using The Markov Chain
Lalla Hanae Alaoui, Dr. Aziz Arbai
Department of Mathematics, laboratory of algebra and theory of operators, University Abdelmalek Essaadi, Faculty of Science,
Tetouan, MoroccoCity;
Department of Mathematics, laboratory of algebra and theory of operators, University Abdelmalek Essaadi, Faculty of Science,
Tetouan, MoroccoCity.
Email: lala-87@hotmail.fr
ABSTRACT: Markov chains are a method among methods we can use to describe the dynamics of a disease in its different stages. While the theory
and practice of modeling of Markov chains Epidemiology is not new, rather the basic application of this powerful tool can be used by nonmathematicians as well. In this work, we present the above theory by announcing the assumptions and conditions of use of Markov chains in the study
of diseases and specifically breast cancer, which could facilitate the formulation of hypotheses, and understanding the evolution of the disease in a
population. We focus on absorbing Markov chains in discrete time, and we are going step by step to calculate the probability of infection with breast
cancer for an individual, the duration of each state and the life expectancy for infected people. These quantities are useful for characterizing the
dynamics of a disease and can help researchers to explore key aspects of the evolution of the disease into a population.
Keywords: Markov chains; breast cancer; Epidemiology

1 INTRODUCTION
Au Maroc, comme dans les autres pays du Monde, le
cancer du sein reprsente lune des principales cibles
dactions de la lutte contre le cancer. Les estimations
marocaines les plus rcentes classent ce cancer en
premire position parmi les cancers les plus frquemment
diagnostiqus chez les femmes (36 %); il reprsente la
premire cause de mortalit fminine. Entre 30 et 45 mile
personnes sont affectes chaque anne par le cancer de
sein selon linformation officielle mane des statistiques
2001 de linstitut National doncologie Sidi Mohammed Ben
Abdellah de Rabat, et semble tre le premier cancer
fminin avec une incidence de 60 90/ 100000 femmes par
an. Dans le Monde, ce chiffre atteint 540 mille cas par an et
prs de 300 mille femmes en meurent. Par consquent, il
reprsente un vritable problme de sant publique, car le
diagnostic est souvent tardif et la prise en charge est
difficile et couteuse. Ltude de lvolution de lincidence et
de la mortalit par cette maladie est alors essentielle et utile
plusieurs titres:
 Informer le public et les professionnels de sant de
lvolution future de cette maladie ;
 Aider les dcideurs prvoir les infrastructures
ncessaires laccueil et la prise en charge
diagnostique et thrapeutique des patients.
 Servir de base de comparaison avec lvolution
relle future afin dvaluer les traitements et les
actions de prvention de la maladie.
Il existe deux types de modles pour traiter ce sujet et
chacun apporte des rponses des questions bien
prcises. Ils ne ncessitent pas le mme degr de
connaissance pralable du systme pour pouvoir tre
appliqus
de
faon
fructueuse.
Ils
sont
trs
complmentaires et reprsentent un outil dtude et
danalyse trs puissant. Les modles dterministes: Il sagit
dtablir un systme dquations, pour le quel les
paramtres linstant initial sont dtermins par des
observations disponibles et les calculs doivent pouvoir se
faire dune manire proche du temps rel. Les modles
statistiques et probabilistes: Il sagit ici de crer un systme

dans les comportements sont du mme type que le


systme rel. Pour autant, ils ne doivent pas concider
exactement dans le temps, mais en convergence. On
sattache ici faire un modle numrique dans les
caractristiques globales vont tendre en moyenne vers
celle du systme rel. Ce type de modle est plutt ddi
la simulation. On utilise dans ce cas des outilles issus des
mathmatiques probabilistes. Ce dernier modle est le type
de modlisation que nous avons choisi, et parmi le vaste
champ des mathmatiques probabilistes, nous avons
retenu un outil qui se rpond de manire grandissante dans
la modlisation faisant intervenir les phnomnes
biologique ; cest loutil markovienne. Ils permettent
dnoncer des relations et des probabilits. Trs
grossirement, on pourra dire quils permettent de dfinir
ltat dun systme un instant t uniquement partir de son
tat prsent.

2 Objectif
Ltude de lvolution de lincidence et de la mortalit par la
maladie du cancer du sein au Maroc en appliquant les
chaines de Markov absorbantes temps discret, en
calculons:
 La probabilit dinfection par le cancer de sein pour
un individu ;
 La dure prvue de chaque tat,
 Lesprance de vie pour les personnes malades.

3 METHODE ET MODELISATION
3.1 Anatomies du sein
Le sein est une glande destine la production de lait. Il
est essentiellement compos de graisse, de tissu conjonctif
ainsi que de canaux et de lobes. Il existe entre quinze et
vingt lobes dans le sein, qui se jettent dans des canaux
galactophores, ces derniers venant aboutir au mamelon par
cinq neuf orifices. Chaque lobe est constitu de ce que
lon appelle lunit terminale ducto-lobulaire qui est en
quelque sorte la structure de base dans la production du
lait. En effet, les lobules (constitus eux-mmes dacini) se

Copyright 2015 IJTEEE.

INTERNATIONAL JOURNAL OF TECHNOLOGY ENHANCEMENTS AND EMERGING ENGINEERING RESEARCH, VOL 3, ISSUE 01
ISSN 2347-4289

40

jettent dans un canalicule extra-lobulaire, lensemble de ces


derniers rejoignant la manire de petits ruisseaux les
canaux galactophores que lon pourrait comparer des
rivires. Au sein de toutes ces structures circulent les

vaisseaux sanguins (artres et veines) et les vaisseaux


lymphatiques. Ces derniers se drainent vers les ganglions
de la chaine mammaire interne, sous-clavire et surtout de
la rgion axillaire.

3.2 Cancer du sein


Le cancer du sein est ne tumeur maligne qui prend
naissance dans les cellules du sein. Le mot maligne
signifie que la tumeur peut se propager (mtastases) vers
dautres parties du corps. Les cellules du sein subissent
parfois des changements qui rendent leur mode de
croissance ou leur comportement anormal. Ces
changements peuvent engendrer des affections bnignes
du sein, comme lhyperplasie atypique et des kystes. Ils
peuvent aussi entrainer la formation de tumeur bnigne,
dans les papillomes intracanalaires. Les affections et les
tumeurs bnignes ne sont pas cancreuses. Cependant,
dans certains cas, des modifications dans les cellules
mammaires peuvent causer un cancer du sein. Le cancer
du sein se dveloppe le plus souvent dans les cellules qui
tapissent les canaux, ou tubes, qui transposent le lait des
glandes au mamelon. Ce type de cancer du sein est appel
carcinome canalaire. Le cancer peut aussi se former dans
les cellules des glandes productrices de lait (regroupes en
lobules). Ce type de cancer porte le nom de carcinome

lobulaire. Ces deux cancers (carcinomes canalaire et


lobulaire) peuvent tre in situ, c'est--dire quils demeurent
confis leur emplacement dorigine et menvahissent pas
les tissus voisins. Ils peuvent galement tre infiltrant, ou
invasifs, c'est--dire quils se sont propags dans les tissus
voisins. Des types de cancer du sein, la maladie de Paget
ainsi que le cancer du sein triple ngatif et le cancer du sein
de type basal en sont des exemples. Des types rares de
cancer du sein sont entre autres de lymphome non
hodgkinien et le sarcome. On peut rsumer tout ce qui
procde, on disant que le cancer du sein est une tumeur
maligne qui, dans la plupart des cas, prend son point de
dpart a niveau de lunit ducto-lobulaire. En fonction de sa
topographie on parlera de cancer lobulaire (ceux qui se
dveloppent au niveau du lobule) ou de cancer canalaire
(ceux qui se dveloppent au niveau des canaux). Lorsque
la tumeur reste confine lintrieur dun canal ou dun
lobule on parlera dune lsion in situ . Par contre,
lorsque le cancer, un stade avanc, sinfiltre au-del du
canal ou du lobule, on parlera de lsion invasive .

Copyright 2015 IJTEEE.

INTERNATIONAL JOURNAL OF TECHNOLOGY ENHANCEMENTS AND EMERGING ENGINEERING RESEARCH, VOL 3, ISSUE 01
ISSN 2347-4289

3.3. Classification des cancers du sein


Il existe diffrentes possibilits de classification des
tumeurs: selon lorgane, selon le tissu dont elles sont
issues
(anatomopathologique),
selon
leur
aspect
macroscopique, et selon leur extension. Pour valuer
ltendue dun cancer du sein, les mdecins prennent en
compte trois critres: la taille et linfiltration de la tumeur,
latteinte ou non des ganglions lymphatiques et la prsence
ou non de mtastases. La taille et linfiltration de la tumeur.
Lorsque des cellules cancreuses apparaissent, elles
forment dabord une tumeur au niveau des canaux ou des
lobules du sein( carcinome in situ). Puis, progressivement,
la tumeur peut traverser la paroi (appele membrane
basale) du canal ou du lobule et devenir ainsi infiltrant (on
dit aussi invasive). tudier la taille et l'infiltration de la
tumeur donne donc une indication sur le degr d'volution
de la maladie. L'atteinte ou non des ganglions
lymphatiques, le nombre et leur emplacement. Les cellules
cancreuses peuvent s'chapper du sein et se dissminer
ailleurs. Les ganglions lymphatiques de l'aisselle (ganglions
axillaires) sont les premiers tre potentiellement touchs.
Lors de l'examen clinique, le mdecin recherche
systmatiquement les ganglions anormaux en palpant les
diffrents
endroits
o
ils
peuvent
se
trouver
(essentiellement dans l'aisselle). Pour dterminer ou
confirmer si des ganglions contiennent des cellules
cancreuses, il faut dans un second temps les analyser au
microscope, aprs les avoir prlevs. Si des ganglions sont
atteints, cela signifie que la maladie a commenc se
dissminer. Le nombre de ganglions envahis et leur
emplacement permet d'en savoir plus sur le degr de
propagation du cancer. La prsence ou non de mtastases.
Les cellules cancreuses peuvent envahir d'autres organes
que les ganglions lymphatiques et y dvelopper des
mtastases. Les organes les plus souvent touchs par des

41

mtastases lors d'un cancer du sein sont le foie, les os et


les poumons. Ces 3 critres taille et infiltration de la
tumeur, atteinte ou non des ganglions lymphatiques,
prsence ou non de mtastases permettent de dfinir le
stade du cancer selon la classification TNM de l'Union
internationale contre le cancer (UICC) et de l'American
Joint Committee on Cancer (AJCC), 7me dition. TNM
signifie en anglais Tumor, Nodes, Metastasis soit
tumeur, ganglions, mtastases . Cest le chirurgien
franais Pierre Denoix qui a eu le mrite de proposer cette
classification(TNM) pouvant rpondre ces exigences. Son
travail a dbut en 1943, pour tre finalement retenu
comme base de classification par le comit de
nomenclature et de statistiques de lUICC en 1953. C'est
donc initialement grce un examen clinique minutieux que
l'on devait pouvoir, en fin de consultation, rsumer
l'importance de la maladie en utilisant ce code. En
revanche, l'ide de coder l'extension locale, rgionale, ou
gnrale est toujours la base du systme T (tumor), N
(nodes), M (metastasis). D'une faon gnrale, on associe
ces 3 lettres des chiffres (dont la valeur augmente quand
augmente la gravit) qui varie de 0 4 pour le T(la taille de
la tumeur), de 0 3 pour le N(le degr denvahissement), et
sont soit 0 soit 1 pour le M(pour la prsence ou non de
mtastase distance). La juxtaposition de ces 3 lettres
chiffres donne une description abrge de l'extension de
la tumeur maligne. Cela conduit pour un organe donn un
grand nombre de possibilits TNM. On effectue alors un
regroupement en stades que l'on dfinit pour qu'ils soient
homognes en dure de survie. Les cancers in situ sont
toujours de stade O, les mtastatiques de stade IV.
Stade I correspond aux tumeurs les moins agressives.
Stade II est un grade intermdiaire.
Stade III correspond aux tumeurs les plus agressives.

Copyright 2015 IJTEEE.

INTERNATIONAL JOURNAL OF TECHNOLOGY ENHANCEMENTS AND EMERGING ENGINEERING RESEARCH, VOL 3, ISSUE 01
ISSN 2347-4289

42

3.4. Groupement par stade


Stade O
Stade I
Stade IIA
Stade IIB

Stade IIIA
Stade IIIB
Stade IV

Tis
T1
T0
T1
T2
T2
T3

N0
N0
N1
N1

M0
M0
M0
M0

N0
N1
N0

M0
M0
M0

T0
T1
T2
T3
T4
Tous T
Tous T

N2
N2
N2
N1, N2
Tous N
N3
Tous N

M0
M0
M0
M0
M0
M0
M1

Note:
T0: pas de signe de tumeur primitive.
Tis: carcinome in situ.
T1: tumeur 2cm dans sa plus grande dimension.
T2: tumeur >2cm et 5cm dans ca plus grande dimension.
T3: tumeur >5cm dans sa plus grande dimension.

T4: tumeur de toute taille avec extension directe la paroi


thoracique.
M0: Absence de mtastases distance.
M1: prsence de mtastases distance.*
Cest une chaine de Markov cinq tats.

Copyright 2015 IJTEEE.

INTERNATIONAL JOURNAL OF TECHNOLOGY ENHANCEMENTS AND EMERGING ENGINEERING RESEARCH, VOL 3, ISSUE 01
ISSN 2347-4289

3.5. Modlisation mathmatique


Pour traiter ces donnes, on a choisit les chaines de
Markov, qui est une mthode stochastique parmi les
mthodes quon peut utiliser pour dcrire la dynamique
dune maladie dans ses diffrents stades. Tandis que la
thorie et la pratique de la modlisation de la chaine de
Markov en Epidmiologie nest pas nouvelle, plus que
lapplication de base de cet outil puissant peut tre utilise
par les non mathmaticiens aussi. Cest le mathmaticien
russe Andrei Markov qui, en 1902, proposa cet outil. Son
objectif est de permettre dappliquer certains calculs de
probabilit des problmes ou la loi des grands nombres
est inoprante. Il a appliqu ses chaines un domaine
autre que les mathmatiques. En 1913, il sen est servi
pour analyser les successions des lettres dans l'alphabet
russe. Le mme type d'applications se retrouve aujourd'hui
dans les tlphones portables: les chanes de Markov sont
mises contribution par les logiciels d'criture de SMS, qui
essaient de deviner ce que vous allez crire. Plus
srieusement, les chanes de Markov sont devenues un
outil trs employ, pour l'analyse de l'ADN, la prdiction de
l'volution des pidmies, ou pour classer l'importance des
pages internet, et on retrouve dautres applications, en
mathmatiques financires, mtorologie, rseaux, gestion
de stock. Dans ce chapitre, nous prsentons la thorie
prcdente et ses proprits en annonant les hypothses
et les conditions dutilisation des chaines de Markov dans
ltude de maladies et plus prcisment le cancer de sin, ce
qui pourrait faciliter la formulation dhypothses, la
comprhension de lvolution de cette maladie dans une
population. Nous nous concentrons sur les chaines de
Markov absorbantes temps discret, et nous allons tape
par tape pour calculer: La probabilit dinfection par le
cancer d sein pour un individu; La dure prvue de chaque
tat, Lesprance de vie pour les personnes malades.
3.6. Chanes de Markov absorbantes:
Dfinition:
Un tat est absorbant sil forme, lui seul, une classe
rcurrente.
Proprit:
Un tat
est absorbant si et seulement si

et

43

Dans le cas dune chane de Markov absorbante, S est la


matrice identit et la forme canonique de P devient:

Il

est

facile

de

montrer

par

rcurrence

que:

Proposition:
Soit la matrice de transition dune chane de Markov
absorbante, crite sous forme canonique. Alors:
On a
La matrice

est inversible, et son inverse vaut

La matrice fondamentale:
la matrice
, et nous lappellerons
Nous noterons
la matrice fondamentale de la chane.
Alors
On dfinit
transitoire
dbute

le nombre moyen de visites de ltat


avant absorption sachant que le processus

dans

ltat

transitoire

est

donn

par:

Dfinissons, pour transitoire,


Avec

une chane de Markov absorbante.

Notons
la fonction qui reprsente le nombre
total de visites de ltat
Thorme:
avec et sont des tats transitoires.
Application de La matrice fondamentale:
Thorme:

Dfinition:
Une chane de Markov est absorbante, si tous ses tats
rcurrents sont absorbants, c'est--dire si chacune de ses
classes rcurrentes ne comporte quun seul tat. On
considre la forme canonique de la matrice de transition

0 est une sous matrice nulle.


est une sous matrice concernant les classes rcurrentes
de taille
.
est une sous matrice concernant les classes transitoires
de taille
.
est une sous matrice concernant les transitions de ltat
transitoire a ltat rcurrent de taille
.

Thorme:
On a
tats transitoires.

avec et sont des

Remarque:
Si le processus est dans un tat rcurrent alors
. Si le
processus est dans un tat transitoire alors t est le nombre
de transitions ncessaire pour entrer une classe
rcurrente, cest le temps dabsorption.
Thorme:

Copyright 2015 IJTEEE.

avec

INTERNATIONAL JOURNAL OF TECHNOLOGY ENHANCEMENTS AND EMERGING ENGINEERING RESEARCH, VOL 3, ISSUE 01
ISSN 2347-4289

Corollaire:
est le vecteur de probabilit initiale dune chane
Si
absorbante et
constitue de s derniers composantes
de . C'est--dire est le vecteur de probabilit initial pour
les tats transitoires. Alors:

44

avec

5. CONCLUSION:

Thorme:
Dans une chane de Markov absorbante, la probabilit
dabsorption par ltat absorbant
sachant que le
processus dbute dans ltat transitoire est gale au terme
de la matrice:

Dans ce travail, nous avons trait juste le cot thorique, et


nous avons conclu que les chaines de Markov nous
permettent de calculer la probabilit dabsorption et le
temps moyen dabsorption, mais ltape le plus important
est lestimation des probabilits de passage partir des
donnes. Il nous reste de collecter des donnes en
observant un chantillonnage au fil du temps; pour calculer
les probabilits de transitions.

4. RESULTATS:

REFERENCES

Dans notre cas on a 8 tats: etat0, I IIA, IIB, IIIA, IIIB, IV et


ltat de la mort. Alors on aboutit une matrice de transition
de la forme:

Do le temps moyen dabsorption est:

avec

Ma recherche a t limite aux travaux mens dbut


Janvier 2014, il sagissait didentifier des travaux
pidmiologiques sur lvolution du cancer dans une
population, et plus prcisment sur les thmes suivants:
 Application des chaines de Markov dans ltude de
lvolution dune maladie.
 La diffrence entre la modlisation dterministe et
stochastique.
 Cancer du sein.
La recherche a t limite aux travaux mens en France,
dans le reste de lEurope et en Amrique du Nord (USA,
Canada), publis en langue anglaise ou franaise.
Parmi ces travaux:
 Classification TNM de l'UICC, 4me dition 1988
(UNIONINTERNATIO1988)
 The statistician (2003): Multistate Markov models
for disease progression with classification error.
 Methods in ecology & evolution (2010): A primer
on the application of Markov chains to the study of
wildlife disease dynamics
 Department of internal medicine, Division of
Biostatistics, Virginia (2011): The dynamics of
disease progression in Sepsis: Markov Modeling
describing the natural history and the likely impact
of effective Antisepsis Agents
 Universit Joseph Fourier de Grenoble (20112012) Le sein: de lembryologie lallaitement.

et la probabilit dabsorption est:

Copyright 2015 IJTEEE.