Monolix — interface, mlxtran & SAEM

On charge les données, on choisit (ou on écrit) un modèle, on clique sur Run, et Monolix lance le SAEM puis affiche directement les diagnostics : VPC, distributions des paramètres, résidus.

L'estimation stochastique par SAEM + la visualisation immédiate raccourcissent la boucle « estimer → diagnostiquer → corriger ».

Le modèle s'écrit en mlxtran, un langage lisible séparant structure et statistique :

[LONGITUDINAL]
input = {ka, cl, v}
EQUATION:
  Cc = pkmodel(ka, V=v, Cl=cl)   ; 1-cpt oral
DEFINITION:
  y = {distribution=normal, prediction=Cc, errorModel=combined1(a,b)}

[INDIVIDUAL]
input = {cl_pop, omega_cl, v_pop, omega_v}
DEFINITION:
  cl = {distribution=logNormal, typical=cl_pop, sd=omega_cl}
  v  = {distribution=logNormal, typical=v_pop,  sd=omega_v}

L'estimation utilise le SAEM (voir le chapitre algorithmes), avec calcul de la vraisemblance par échantillonnage d'importance.

Sur certains modèles difficiles (Emax raide, données éparses), le SAEM de Monolix peut être plus robuste que FOCE, selon le modèle, le design et les réglages. La VPC intégrée recherche des inadéquations prédictives sous le modèle et le design simulé ; elle ne confirme ni ne réfute seule le modèle.

Beaucoup d'équipes prototypent et enseignent avec Monolix pour sa lisibilité, puis comparent ou traduisent parfois vers NONMEM selon leur organisation, pour une analyse de sensibilité inter-logiciels ou pour collaborer avec des équipes déjà structurées autour de NONMEM.

« Au clic » ne veut pas dire sans réflexion.

• Monolix : logiciel graphique « au clic », moteur SAEM, diagnostics/VPC intégrés.
• Le modèle s'écrit en mlxtran (structure + statistique lisibles).
• Idéal pour prototyper, enseigner, itérer vite ; MonolixSuite pour la simulation (Simulx).
• Ne pas enchaîner les runs sans diagnostic ni comparer des OFV sans harmoniser objectif, approximation, constantes et données.