Dans ce contexte, l’intelligence artificielle (IA) apparaît comme moteur d’accélération des progrès thérapeutiques. En combinant exploitation de données à grande échelle, puissance de calcul et simulation, l’IA et les jumeaux numériques ouvrent de nouvelles perspectives pour accélérer la recherche clinique tout en garantissant la sécurité des patients.
L’essai clinique : un processus long et complexe au cœur de l’innovation médicale
Un essai clinique est une étude scientifique conduite chez l’être humain, qui permet d’évaluer la sécurité et l’efficacité d’un traitement ou d’une stratégie thérapeutique.
L’évaluation clinique d’un nouveau médicament se déroule en différentes phases successives, chacune donnant lieu à un essai clinique spécifique, mené sur un groupe de personnes volontaires différent.
Or ce processus rigoureux et complexe est extrêmement long. Selon une récente étude du LEEM (Organisation professionnelle française des entreprises du médicament) en France, il faut en moyenne 184 jours pour inclure un premier patient dans un essai clinique.
Cette inertie contraste avec le dynamisme de la recherche médicale et pharmaceutique.
L’intelligence artificielle, moteur d’accélération des progrès thérapeutiques
L’intelligence artificielle (IA) transforme en profondeur la recherche clinique, en intervenant à chaque étape du processus : de l’identification de nouvelles cibles thérapeutiques jusqu’à l’optimisation des essais et la mise sur le marché des traitements. Véritable moteur d’accélération de l’innovation, elle contribue à :
- réduire drastiquement les coûts et les délais de développement,
- améliorer la précision des modèles prédictifs,
- augmenter les taux de succès des essais cliniques.
Grâce à des plateformes numériques spécialisées, l’intelligence artificielle peut accéder à des volumes de données exponentiels : données issues de la recherche biomédicale, essais cliniques antérieurs, publications scientifiques, mais aussi dossiers médicaux et données en vie réelle. L’IA est capable de croiser, analyser et modéliser ces données, permettant de tester de nouvelles hypothèses thérapeutiques en à peine quelques heures.
Dans le domaine des maladies génétiques par exemple, certaines bases de données rassemblent plus de 700 milliards de données, permettant de cartographier toujours plus précisément l’activité fonctionnelle des gènes, afin de mieux comprendre les mécanismes d’expression pathologique.
D’autres IA sont capables de passer en revue 4,5 milliards de molécules actives en à peine 48 heures, afin d’identifier les candidats les plus prometteurs contre une maladie donnée.
Ces avancées permettent non seulement d’accélérer la recherche, mais aussi d’améliorer la sécurité des traitements. L’IA peut en effet anticiper les effets indésirables potentiels ou les interactions médicamenteuses, en s’appuyant sur une analyse automatisée de données cliniques hétérogènes.
Enfin, l’IA permet également d’optimiser le recrutement de participants aux essais cliniques. Aujourd’hui, 86 % des essais cliniques rencontrent des difficultés à inclure un nombre suffisant de patients dans les délais impartis. En analysant automatiquement les dossiers médicaux, l’IA permet d’identifier plus efficacement les profils éligibles, réduisant ainsi les délais d’inclusion et augmentant la représentativité des essais.
Les jumeaux numériques ou le rôle de l’IA générative et de la simulation
Dans le domaine de la santé, un jumeau numérique désigne une réplique virtuelle d’un système biologique – organe, maladie ou même patient entier – capable de simuler, grâce à l’IA, la réponse à un traitement. Ces modèles dynamiques, nourris de données cliniques réelles, permettent notamment d’anticiper les effets d’un médicament avant même sa première administration.
Les jumeaux numériques ouvrent ainsi la voie à une médecine prédictive et personnalisée.
Patients virtuels : un outil d’aide à la décision médicale
Le jumeau numérique d’un patient désigne un modèle virtuel personnalisé, qui simule de façon dynamique l’évolution de sa santé. Il s’appuie sur :
- des données cliniques individuelles (symptômes, imagerie, biomarqueurs…) ;
- des données populationnelles (données issues de groupes de patients partageant des caractéristiques similaires) ;
- des mises à jour en temps réel (facteurs environnementaux, évolution de la pathologie…).
Ce double numérique permet de prévoir la réponse d’un patient à différents traitements, d’ajuster les protocoles de soins en fonction de ses caractéristiques propres et de suivre virtuellement l’évolution de sa maladie. Il devient ainsi un outil d’aide à la décision en temps réel.
Simuler des maladies et des essais cliniques
Les technologies de jumeaux numériques permettent également de modéliser l’évolution de maladies afin de tester virtuellement des innovations thérapeutiques. Des répliques virtuelles de tumeurs en 3D, permettent par exemple de simuler la croissance de cellules cancéreuses et d’évaluer virtuellement l’effet comparé ou combiné de différents traitements. Cette approche offre un gain considérable de temps et de ressources dans la phase préclinique de la recherche.
Par ailleurs, l’IA générative permet aussi de simuler des essais cliniques entiers avant leur lancement. En générant des scénarios, en testant différents designs d’étude ou en créant des cohortes de patients virtuels réalistes, il devient possible d’identifier en amont les risques d’échec et d’ajuster les protocoles. Ces simulations permettent également d’affiner les critères d’inclusion, d’identifier les patients les plus susceptibles de répondre à un traitement et donc réduire le nombre de patients nécessaires dans les essais physiques.
Selon le LEEM, grâce aux essais cliniques virtuels ou simulés, l’efficacité des études cliniques peut être améliorée de 5 à 10 %. Ces technologies ont par exemple permis de réduire de moitié le temps de développement d’un vaccin contre le virus respiratoire syncytial (VRS), responsable de bronchiolites et de pneumonies.
Les jumeaux numériques contribuent ainsi à réduire le nombre d’essais cliniques nécessaires, à limiter les risques pour les volontaires, à réduire les coûts et à accélérer la recherche clinique dans son ensemble.
Conclusion : vers des essais cliniques augmentés, mais pas désincarnés
Les essais cliniques du futur seront-ils entièrement virtuels, sans patient ni médecin ? Sans doute pas dans un futur proche.
Si les jumeaux numériques et l’intelligence artificielle offrent des perspectives d’innovations thérapeutiques concrètes, ils ne parviennent pas (encore ?) à simuler parfaitement la complexité du vivant et à se substituer à l’expertise humaine.
L’intégration de ces technologies dans le cadre réglementaire des essais cliniques pose encore des défis majeurs et nécessite des garanties en matière d’éthique, de transparence et de reproductibilité.
L’IA et les jumeaux numériques ne sont donc pas sur le point de remplacer les essais cliniques, mais ont commencé à les réinventer, rendant la recherche clinique plus rapide, plus ciblée et moins risquée.
Article rédigé en partenariat avec le Leem
