Une tumeur ne pousse pas comme un arbre, mais comme une ville : son aspect actuel est influencé par les constructions d'hier et les incendies d'avant-hier. Les équations classiques de croissance tumorale ne tiennent pas compte de cela — elles ne regardent que le moment présent, comme si la ville était reconstruite chaque jour de zéro. Les auteurs de l'étude ont ajouté une « mémoire » au modèle : désormais, l'équation se souvient de ce qui s'est passé auparavant, et cela change le pronostic.

Cette mémoire est décrite par des dérivées fractionnaires — un outil mathématique qui étale l'influence du passé sur le présent. Au lieu d'un ordre entier (la dérivée classique), on utilise un ordre fractionnaire, inférieur à un. C'est comme observer la croissance de la tumeur à travers un verre qui brouille légèrement le passé, mais ne l'efface pas complètement. Le modèle a été calibré sur les données de cinq patients avec des mesures réelles du volume tumoral.

Résultat : chez les cinq patients, le modèle fractionnaire a mieux correspondu aux observations que le modèle classique. Pour chacun, on a trouvé un ordre fractionnaire optimal — certains ont une mémoire plus longue, d'autres plus courte. Cela signifie que la tumeur de chaque personne croît à sa manière, et qu'il n'existe pas d'équation universelle.

La différence est visible sur les graphiques : les trajectoires des modèles fractionnaire et classique divergent, comme deux routes qui d'abord vont de pair, puis l'une s'écarte. Ce n'est pas un simple détail mathématique — de la forme de la courbe dépend le moment où le médecin remarquera une croissance dangereuse et pourra intervenir à temps.

Pour l'instant, ce n'est qu'un premier pas. À l'avenir, le modèle pourra être enrichi pour tenir compte du traitement et des incertitudes, et testé sur des centaines de patients. Mais dès maintenant, il est clair que pour comprendre comment une tumeur se développe, il faut se souvenir de ses débuts.