AI Breathes New Life into Clinical Trials: Perspectives and Challenges

L'intelligence artificielle transforme le monde des essais cliniques, promettant de réduire de moitié les délais de développement des médicaments. Un récent livre blanc de Artefact explore cette révolution en cours, en soulignant les innovations qui remodèlent chaque étape du processus, de la conception de l'essai au recrutement des patients.

Le document offre un aperçu d'un écosystème dynamique où les startups, les géants de la technologie et les laboratoires pharmaceutiques redéfinissent l'avenir de la recherche médicale.

Lire l'article sur

Comment l'IA remodèle le paysage des essais cliniques : une analyse de Artefact

L'industrie pharmaceutique est à l'aube d'une révolution majeure dans les essais cliniques, alimentée par artificial intelligence (IA). Un récent livre blanc de Artefact, en partenariat avec AI for Health, explore la façon dont l'IA transforme chaque étape du processus d'essai clinique, de la conception à l'analyse des résultats.

Une opportunité sans précédent d'accélérer le développement de médicaments

Dans un secteur où l'échec est la norme - 9 médicaments candidats sur 10 échouent lors des essais cliniques - l'IA offre une opportunité révolutionnaire. En réduisant les délais de développement de plusieurs semaines, l'IA peut permettre aux entreprises pharmaceutiques d'économiser des millions, d'accélérer les percées scientifiques et de mettre à la disposition des patients des thérapies vitales plus rapidement que jamais.

Le taux d'échec actuel des essais cliniques de nouveaux médicaments, de la phase I à l'approbation clinique finale, dépasse les 90%. Les principales raisons de ces échecs sont le manque d'efficacité clinique (40-50%), une toxicité ingérable (30%), de mauvaises propriétés du médicament (10-15%) et l'absence de besoins commerciaux ou une mauvaise planification stratégique (10%).

“Nous avons choisi de nous concentrer sur l'IA et l'IA générative dans la R&D pharmaceutique pour plusieurs raisons. Tout d'abord, de nombreuses parties prenantes s'intéressent à ce sujet et l'accélèrent. Ensuite, l'IA et la R&D sont des sujets stratégiques cruciaux aujourd'hui, avec la possibilité de réduire de moitié la durée des essais cliniques. Enfin, il s'agit d'un sujet très actuel, car de nombreux laboratoires déploient déjà ou prévoient d'activer ces cas d'utilisation.”

Thomas Filaire, superviseur du livre blanc chez Artefact, explique les motivations de l'étude.

L'IA redéfinit chaque étape du cycle de vie des essais cliniques.

Le livre blanc de Artefact explore comment l'IA révolutionne les trois phases clés des essais cliniques :

1. Conception de l'essai clinique

L'IA optimise le processus traditionnellement long et complexe de conception des protocoles d'essais cliniques. Les principales innovations sont les suivantes :

Utilisation de modèles de langage (LLM) pour extraire rapidement la sécurité et l'efficacité data des résumés d'essais.
Prédiction algorithmique du succès des essais, permettant d'ajuster la conception ou de se concentrer sur des molécules plus prometteuses.
Générer des critères d'éligibilité des patients à l'aide de modèles tels que TrialGPT ou AutoTrial.

Ces avancées permettent de réduire considérablement le temps de conception des essais, qui passe parfois de plusieurs mois à quelques semaines seulement. En voici un exemple :

L'IA peut réduire les délais de conception des protocoles cliniques de 30% en moyenne.
Un algorithme génétique utilisé pour les essais de bioéquivalence en pédiatrie a permis de réduire le nombre de points de prélèvement d'échantillons sanguins de 15 à 7, tout en maintenant la précision pharmacocinétique.
L'IA peut réduire le temps nécessaire à l'analyse des résumés d'essais cliniques antérieurs de plusieurs mois à quelques semaines.

2. Recrutement et inclusion des patients

Le recrutement des patients reste l'un des principaux défis des essais cliniques. L'IA offre des solutions innovantes pour :

Prévoir la probabilité que les patients abandonnent l'essai.
Optimiser la sélection des sites d'essais cliniques.
Améliorer les formulaires de consentement des patients.

L'impact de l'IA sur le recrutement est important :

Le temps consacré à l'analyse des dossiers médicaux électroniques pour identifier les patients éligibles est réduit de 30 heures à 4 heures par patient.
Une étude en oncologie pédiatrique a montré une réduction 90% de la charge de travail liée au recrutement.
Un outil d'intelligence artificielle a permis de réduire le temps nécessaire à la sélection de 90 patients à un cinquième du temps nécessaire à la sélection manuelle.
Une étude sur le cancer du poumon a montré qu'un système d'IA examinait 102 patients en seulement 15,5 secondes avec une précision de 91,6% pour l'éligibilité.

3. Exécution et gestion des essais cliniques

L'IA transforme l'exécution et l'analyse des essais cliniques grâce à plusieurs avancées :

Gestion de la qualité basée sur le risque (RBQM) : L'IA améliore la détection des anomalies en temps réel, ce qui permet une intervention plus rapide et une meilleure intégrité data.
Essais cliniques décentralisés (ECD) : Améliorer l'engagement des participants.
Découverte d'informations grâce à l'analyse automatisée de data.

Ces innovations permettent de gagner en efficacité, de réduire les coûts et de rationaliser l'ensemble du processus d'essai clinique, ce qui accélère le développement des médicaments et améliore les résultats.

Une réduction des coûts des essais cliniques allant jusqu'à 25%
Accélération du développement des médicaments de 1 à 2 ans.
Réduction du délai de rédaction des rapports, de 100 à 48 jours dans certains cas.

Ces innovations redessinent le paysage des essais cliniques, les rendant plus rapides, plus efficaces et plus rentables.

Un écosystème d'innovation en expansion.

Le livre blanc met en lumière le rôle central joué par les différentes parties prenantes dans l'avancement des solutions d'IA pour les essais cliniques, en mettant l'accent sur les startups innovantes et les géants de la technologie.

Les géants de la technologie au service de l'innovation.

Les géants de la technologie comme Google, Microsoft, IBM et Apple jouent un rôle de plus en plus important dans l'avancement des essais cliniques pilotés par l'IA :

Microsoft collabore avec Novartis dans le cadre de son initiative AI for Health afin d'identifier les conceptions d'essais optimales et de prédire les résultats. Ce partenariat se concentre sur l'utilisation de l'IA générative pour améliorer la conception des essais cliniques et les prévisions de résultats en temps réel.
IBM Watson Health analyse la littérature médicale et les data des essais afin d'améliorer la conception des protocoles et le recrutement des patients. Leurs modèles d'IA générative se concentrent sur de grands ensembles de data pour identifier des modèles dans le data clinique, améliorant ainsi les protocoles d'essai et les stratégies de recrutement.
Verily (filiale d'Alphabet) se concentre sur le recrutement des patients et la gestion des essais avec sa plateforme Baseline. Cette plateforme utilise l'IA pour collecter et analyser la santé data des volontaires, ce qui permet de concevoir des essais cliniques plus intelligents et personnalisés.
Pomme a reçu l'autorisation de la FDA d'utiliser l'outil de surveillance de la fibrillation auriculaire de son Apple Watch dans le cadre d'essais cliniques. Il s'agit du premier outil numérique qualifié dans le cadre du programme Medical Device Development Tools (MDDT), ce qui laisse entrevoir la possibilité de réduire les coûts et d'améliorer l'engagement des patients dans la recherche clinique.

“Nous passons d'un écosystème de soins de santé réactif à un écosystème proactif, presque prédictif.”

souligne Shweta Maniar, directrice mondiale de la santé et des sciences de la vie chez Google Cloud.

Cette évolution reflète l'impact transformateur de l'IA sur l'ensemble du processus d'essai clinique.

Les start-ups, moteur de l'innovation dans la recherche clinique.

De nombreuses startups émergent dans le domaine de la recherche clinique, offrant des solutions innovantes pour la conception des essais, le recrutement des patients et la gestion des data. Le livre blanc dresse une carte de ces acteurs innovants, organisée selon les trois phases clés des essais cliniques :

1. Conception de l'essai clinique :

Florence Healthcare, Protocols.io, Protrials.ai: Automatisation des protocoles.
Perceiv AI, Seq'one : Optimiser les objectifs des essais.
Owkin, Insilico Medicine : Prévoir les résultats des essais.
Unlearn.ai : Création de “jumeaux numériques” de patients pour prédire les résultats des essais, réduisant ainsi le nombre de patients témoins requis de 20% à 50%.

2. Recrutement et inclusion des patients :

Klineo, SubjectWell : Inscription à l'essai clinique.
Deep 6 AI, TrialSpark : Recrutement de patients. Ces startups utilisent l'IA pour analyser les dossiers médicaux électroniques et identifier rapidement les patients éligibles aux essais cliniques.

“Moins de 5% des patients bénéficient d'essais cliniques en oncologie, alors que 70% déclarent qu'ils seraient prêts à y participer si l'occasion leur en était donnée. Il existe un besoin évident d'améliorer l'adéquation entre les patients et les essais, et les récentes avancées de l'IA rendent cela possible.”

Thomas Peyresblanques, cofondateur et directeur général de Klineo, souligne qu'il s'agit là d'une question cruciale.

3. Exécution et gestion des essais :

Lynxcare : Gestion data
AiCure, Castor : des essais décentralisés et le suivi des patients. AiCure utilise l'IA pour suivre l'adhésion des patients aux traitements et fournit un retour d'information en temps réel aux sites d'essais.

“Avec seulement 4% d'essais incluant une population représentative, Inato aide les promoteurs à recruter des patients deux fois plus vite, augmentant la diversité à 67% de participants non blancs, par rapport à une moyenne précédente de 15%.”

explique Kourosh Davarpanah, cofondateur et PDG d'Inato, en soulignant l'impact de leur solution.

Cela reflète le potentiel de l'IA pour améliorer le recrutement et l'inclusion dans les essais cliniques.

Défis à relever

Malgré les avancées prometteuses, des défis subsistent quant à l'adoption de l'IA dans les essais cliniques :

Régulation et protection Data : Les autorités sanitaires doivent adapter les cadres réglementaires pour intégrer les nouvelles technologies de l'IA tout en garantissant la sécurité des patients. Charlotte Pouchy, directrice générale de DEEMEA, souligne que “la réglementation européenne est stricte, mais elle peut constituer un avantage en agissant comme une barrière à l'entrée pour les entreprises non conformes.” L'Europe se positionne comme un régulateur clé, mettant l'accent sur la sécurité des citoyens dans l'utilisation de l'IA.
Accès à Data et interopérabilité : Brice Miranda, directeur général du groupe Data chez Servier, souligne : “Le partage mondial de data est essentiel pour faire avancer la recherche, mais il est souvent entravé par des obstacles juridiques, de confidentialité et de concurrence, ainsi que par le manque d'adhésion à des normes et à des formats communs de data.” Ce défi est particulièrement important pour les maladies rares, où le nombre limité de data rend la collaboration encore plus essentielle.
Biais et généralisation :Les modèles d'IA doivent être entraînés sur des ensembles data représentatifs afin d'éviter les biais et de s'assurer que les résultats sont généralisables à diverses populations. Cela pose un défi éthique majeur, car les biais dans l'entraînement des data peuvent conduire à des résultats biaisés et non reproductibles. Il est essentiel de relever ce défi pour garantir que les essais cliniques pilotés par l'IA produisent des résultats précis et équitables pour tous les groupes de patients.
Transparence et explicabilité : La nature “boîte noire” de nombreux modèles d'IA soulève des questions d'éthique et de confiance, en particulier dans les essais cliniques où la précision des prédictions est cruciale. Il est essentiel d'expliquer comment les modèles d'IA prennent leurs décisions pour gagner la confiance des parties prenantes. Sans transparence, l'utilisation de l'IA dans les essais cliniques risque d'être limitée, car les organismes de réglementation et les patients ont besoin de comprendre le raisonnement qui sous-tend les décisions pour garantir la fiabilité et la confiance dans la technologie.
Cybersécurité et data vie privée : La protection des Data reste une préoccupation majeure dans l'utilisation de l'IA pour les essais cliniques. Des mesures de cybersécurité robustes et une authentification multifactorielle sont nécessaires pour garantir la sécurité des data des patients.

En conclusion, l'IA offre des possibilités sans précédent de révolutionner les essais cliniques, mais son adoption à grande échelle nécessite de relever ces défis complexes. La collaboration entre les startups, les géants de la technologie, les entreprises pharmaceutiques et les régulateurs sera essentielle pour exploiter pleinement le potentiel de l'IA tout en garantissant la sécurité et l'éthique des essais cliniques.

(1) : Zhang, B., Zhang, L., Chen, Q. et al. Harnessing artificial intelligence to improve clinical trial design. Commun Med 3, 191 (2023). https://doi.org/10.1038/s43856-023-00425-3

(2) : Tsuchiwata S, Tsuji Y. Conception computationnelle d'essais cliniques utilisant une combinaison de simulation et d'algorithme génétique. CPT Pharmacometrics Syst Pharmacol. 2023 Apr;12(4):522-531. doi : 10.1002/psp4.12944. Epub 2023 Mar 5. PMID : 36793239 ; PMCID : PMC10088085.

(4) : Ismail A, Al-Zoubi T, El Naqa I, Saeed H. The role of artificial intelligence in hightening time to recruitment in clinical trials. BJR Open. 2023 May 16;5(1):20220023. doi : 10.1259/bjro.20220023. PMID : 37953865 ; PMCID : PMC10636341.