La médecine de précision transforme les soins de santé en personnalisant les traitements, améliorant les résultats et réduisant les coûts. Les essais cliniques ciblent de plus en plus des sous-groupes de patients qui réagissent mieux aux traitements. Les modèles d'enrichissement adaptatif axés sur les biomarqueurs, qui partent d'une population générale pour se concentrer ensuite sur les individus sensibles au traitement, gagnent en popularité. Inspirés par une étude sur la pression positive des voies aériennes pour l'apnée du sommeil et les résultats cardiovasculaires, nous proposons un modèle d'enrichissement adaptatif bayésien. Il identifie dynamiquement les biomarqueurs clés à l'aide de B-splines à nœuds libres et d'une moyenne du modèle bayésien. Des analyses intermédiaires évaluent des sous-groupes définis par les biomarqueurs, ce qui permet de mettre fin rapidement à l'essai en cas d'efficacité ou de futilité et de restreindre le recrutement aux patients sensibles au traitement. Nous abordons les biomarqueurs pré-catégorisés et continus avec des relations complexes et non linéaires et nous comparons notre conception à une approche standard de coupure fixe par le biais de simulations.