L'intelligence artificielle est en train de transformer le monde des essais cliniques, avec la promesse de réduire de moitié les délais de développement des médicaments. Un récent livre blanc publié par Artefact cette révolution en cours, en mettant en avant les innovations qui redéfinissent chaque étape du processus, de la conception des essais au recrutement des patients.

Cet article offre un aperçu d'un écosystème dynamique où les start-ups, les géants de la technologie et les laboratoires pharmaceutiques redéfinissent l'avenir de la recherche médicale.

Lire l'article sur

Logo Medtech France transparent

Comment l'IA redéfinit le paysage des essais cliniques : une analyse d'Artefact

L'industrie pharmaceutique est à l'aube d'une révolution majeure dans le domaine des essais cliniques, portée par l'intelligence artificielle (IA). Un récent livre blanc publié par Artefact, en partenariat avec AI for Health, examine comment l'IA transforme chaque étape du processus des essais cliniques, de la conception à l'analyse des résultats.

Une opportunité sans précédent pour accélérer le développement de médicaments

Dans un secteur où l'échec est la norme – 9 candidats-médicaments sur 10 échouant lors des essais cliniques –, l'IA offre une opportunité révolutionnaire. En réduisant les délais de développement de plusieurs semaines, l'IA a le potentiel de faire économiser des millions aux laboratoires pharmaceutiques, d'accélérer les avancées scientifiques et de mettre à la disposition des patients des traitements vitaux plus rapidement que jamais.

Le taux d'échec actuel des essais cliniques portant sur de nouveaux médicaments, de la phase I jusqu'à l'autorisation de mise sur le marché, dépasse les 90 %. Les principales causes de ces échecs sont notamment l'absence d'efficacité clinique (40 à 50 %), une toxicité inacceptable (30 %), des propriétés médiocres du médicament (10 à 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. Premièrement, ce domaine suscite un intérêt croissant et connaît une accélération significative de la part de nombreux acteurs. Deuxièmement, l'IA et la R&D constituent aujourd'hui des enjeux stratégiques cruciaux, capables de réduire de moitié la durée des essais cliniques. Enfin, il s'agit d'un sujet d'actualité, car de nombreux laboratoires déploient déjà ces applications ou prévoient de les mettre en œuvre. »
explique Thomas Filaire, responsable du livre blanc chez Artefact mettre en lumière les motivations qui ont présidé à cette étude
L'IA donne un nouveau souffle aux essais cliniques - 4 phases

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

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

L'IA donne un nouveau souffle aux essais cliniques - étapes

1. Conception d'un essai clinique

L'IA optimise le processus de conception des protocoles d'essais cliniques, traditionnellement long et complexe. Parmi les principales innovations, on peut citer :

  • Utilisation de modèles linguistiques (LLM) pour extraire rapidement data sur la sécurité et l'efficacité data des résumés d'essais cliniques.

  • Prévision algorithmique des chances de réussite d'un essai clinique, permettant d'orienter les ajustements de la conception ou de se concentrer sur les molécules les plus prometteuses.

  • Définition des critères d'éligibilité des patients à l'aide de modèles tels que TrialGPT ou AutoTrial.

Citation de Brice Miranda, directeur Data du groupe - SERVIER

Ces avancées réduisent considérablement le temps nécessaire à la conception d'un essai clinique, le ramenant parfois de plusieurs mois à quelques semaines seulement. Par exemple :

  • L'IA peut réduire de 30 % en moyenne les délais de conception des protocoles cliniques.

  • Un algorithme génétique utilisé dans le cadre d'essais cliniques de bioéquivalence en pédiatrie a permis de réduire le nombre de prélèvements sanguins de 15 à 7, tout en préservant la précision pharmacocinétique.

  • L'IA peut réduire le temps nécessaire à l'analyse des résumés d'essais cliniques antérieurs, le faisant passer de plusieurs mois à quelques semaines.

2. Recrutement et sélection des patients

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

  • Évaluer le risque que des patients abandonnent l'essai.

  • Optimiser la sélection des sites d'essais cliniques.

  • Améliorer les formulaires de consentement des patients.

L'IA donne un nouveau souffle aux essais cliniques - Étude de cas Johnson & Johnson

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

  • Le temps consacré à l'analyse des dossiers médicaux électroniques pour identifier les patients éligibles passe de 30 heures à 4 heures par patient.

  • Une étude en oncologie pédiatrique a montré une réduction de 90 % de la charge de travail liée au recrutement.

  • Un outil d'IA a permis de réduire le temps nécessaire à la sélection de 90 patients à seulement un cinquième du temps qu'il aurait fallu pour effectuer cette tâche manuellement.

  • Une étude sur le cancer du poumon a montré qu'un système d'intelligence artificielle était capable d'évaluer 102 patients en seulement 15,5 secondes, avec une précision de 91,6 % quant à leur éligibilité.

3. Réalisation et gestion d'essais cliniques

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

  • Gestion de la qualité fondée sur les risques (RBQM) : l'IA améliore la détection des anomalies en temps réel, ce qui permet d'intervenir plus rapidement et d'assurer data meilleure data .

  • Essais cliniques décentralisés (DCT) : améliorer l'engagement des participants.

  • Mise en évidence d'informations pertinentes grâce à data automatisée data .

Ces innovations améliorent l'efficacité, réduisent les coûts et rationalisent l'ensemble du processus des essais cliniques, ce qui accélère le développement des médicaments et améliore les résultats.

  • Une réduction des coûts des essais cliniques pouvant atteindre 25 %

  • Accélération du développement des médicaments de 1 à 2 ans.

  • Réduction du délai de rédaction des rapports, passant de 100 à 48 jours dans certains cas.

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

Un écosystème de l'innovation en pleine expansion.

Ce livre blanc met en avant le rôle central joué par divers acteurs dans le développement de solutions d'IA pour les essais cliniques, en accordant une attention particulière aux start-ups innovantes et aux géants de la technologie.

Les géants de la technologie à la pointe de l'innovation.

Les géants de la technologie tels que Google, Microsoft, IBM et Apple jouent un rôle de plus en plus crucial dans le développement des essais cliniques basés sur l'IA :

  • Microsoft collabore avec Novartis dans le cadre de son initiative « AI for Health » afin d'identifier les protocoles d'essais cliniques les plus efficaces et de prédire les résultats. Ce partenariat vise à utiliser l'IA générative pour optimiser la conception des essais cliniques et améliorer la prédiction des résultats en temps réel.

  • IBM Watson Health analyse la littérature médicale et data issues d'essais cliniques data améliorer la conception des protocoles et le recrutement des patients. Ses modèles d'IA générative s'appuient sur de vastes ensembles de données pour identifier des tendances dans data cliniques, ce qui permet d'optimiser les protocoles d'essais et les stratégies de recrutement.

  • Verily (une filiale d'Alphabet) se consacre au recrutement des patients et à la gestion des essais cliniques grâce à sa plateforme Baseline. Cette plateforme utilise l'intelligence artificielle pour collecter et analyser data de santé data volontaires, ce qui permet de concevoir des essais cliniques plus intelligents et plus personnalisés.

  • Apple a obtenu l'autorisation de la FDA pour 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 à être homologué dans le cadre du programme « Medical Device Development Tools » (MDDT), ce qui laisse entrevoir la possibilité de réduire les coûts et d'améliorer l'implication des patients dans la recherche clinique.

« Nous passons d'un système de santé réactif à un système proactif, voire prédictif. »
souligne Shweta Maniar, directrice mondiale du secteur Santé et Sciences de la vie chez Google Cloud

Cette évolution témoigne de l'impact transformateur de l'IA sur l'ensemble du processus des essais cliniques.

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

De nombreuses start-ups font leur apparition dans le domaine de la recherche clinique, proposant des solutions innovantes pour la conception des essais, le recrutement des patients et data . Ce livre blanc dresse un panorama de ces acteurs innovants, classés 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 : Optimisation des critères d'évaluation des essais cliniques.

  • Owkin, Insilico Medicine : Prédire les résultats des essais cliniques.

  • Unlearn.ai : création de « jumeaux numériques » de patients pour prédire les résultats des essais cliniques, ce qui permet de réduire de 20 % à 50 % le nombre de patients nécessaires dans le groupe témoin.

L'IA donne un nouveau souffle aux essais cliniques - Conception des essais cliniques

2. Recrutement et sélection des patients :

  • Klineo, SubjectWell : Recrutement pour les essais cliniques.

  • Deep 6 AI, TrialSpark : recrutement de patients. Ces start-ups utilisent l'intelligence artificielle pour analyser les dossiers médicaux électroniques et identifier rapidement les patients éligibles aux essais cliniques.

L'IA donne un nouveau souffle aux essais cliniques - Recrutement et inscription des patients
« Moins de 5 % des patients bénéficient d'essais cliniques en oncologie, alors que 70 % d'entre eux se disent prêts à y participer si l'occasion leur était offerte. Il existe un besoin évident d'améliorer la mise en adéquation entre les patients et les essais, et les récentes avancées en matière d'intelligence artificielle permettent désormais d'y parvenir. »
Thomas Peyresblanques, cofondateur et PDG de Klineo, souligne qu'il s'agit là d'un enjeu crucial

3. Réalisation et gestion des essais cliniques :

  • Lynxcare : data

  • AiCure, Castor : essais cliniques décentralisés et suivi des patients. AiCure utilise l'intelligence artificielle pour suivre l'observance thérapeutique des patients et fournit des informations en temps réel aux centres d'essais cliniques.

L'IA donne un nouveau souffle aux essais cliniques : exécution et gestion
« Alors que seuls 4 % des essais cliniques incluent une population représentative, Inato aide les promoteurs à recruter des patients deux fois plus vite, portant ainsi la diversité à 67 % de participants non blancs, contre une moyenne antérieure de 15 %. »
explique Kourosh Davarpanah, cofondateur et PDG d'Inato, en soulignant l'impact de leur solution

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

Les défis à relever

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

  • Réglementation et Data : les autorités sanitaires doivent adapter les cadres réglementaires afin d'intégrer les nouvelles technologies d'IA tout en garantissant la sécurité des patients. Charlotte Pouchy, PDG de DEEMEA, souligne : « La réglementation européenne est stricte, mais elle peut constituer un atout en faisant office de barrière à l'entrée pour les entreprises non conformes. » L'Europe se positionne comme un acteur réglementaire de premier plan, en mettant l'accent sur la sécurité des citoyens dans l'utilisation de l'IA.

  • Accès aux Data interopérabilité : Brice Miranda, Data groupe Servier, souligne : « data mondial data est essentiel pour faire avancer la recherche, mais il est souvent entravé par des obstacles juridiques, liés à la confidentialité et à la concurrence, ainsi que par le non-respect des data et formats communs data de data . » Ce défi revêt une importance particulière dans le domaine des maladies rares, où la rareté data la collaboration encore plus indispensable.

  • Biais et généralisation :les modèles d'IAdoivent être entraînés à partir d'ensembles de données représentatifs afin d'éviter les biais et de garantir que les résultats soient généralisables à des populations diverses. Cela pose un défi éthique majeur, car les biais présents dans data d'entraînement data conduire à des résultats biaisés et non reproductibles. Il est essentiel de relever ce défi pour garantir que les essais cliniques basés sur l'IA fournissent des résultats précis et équitables pour tous les groupes de patients.

  • Transparence et explicabilité : le caractère « 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 afin de gagner la confiance des parties prenantes. Sans transparence, l’utilisation de l’IA dans les essais cliniques pourrait être limitée, car les organismes de réglementation et les patients ont besoin de comprendre le raisonnement qui sous-tend ces décisions pour garantir la fiabilité de la technologie et s’y fier.

  • Cybersécurité et data : Data reste une préoccupation majeure dans le cadre de l'utilisation de l'IA pour les essais cliniques. Des mesures de cybersécurité rigoureuses et une authentification multifactorielle sont nécessaires pour garantir la sécurité des data des patients.

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

(1) : Zhang, B., Zhang, L., Chen, Q. et al. Exploiter l'intelligence artificielle pour améliorer la conception des essais cliniques. Commun Med 3, 191 (2023). https://doi.org/10.1038/s43856-023-00425-3

(2) : Tsuchiwata S, Tsuji Y. Conception computationnelle d'essais cliniques à l'aide d'une combinaison de simulation et d'algorithme génétique. CPT Pharmacometrics Syst Pharmacol. Avril 2023 ; 12(4) : 522-531. doi : 10.1002/psp4.12944. Publication électronique du 5 mars 2023. PMID : 36793239 ; PMCID : PMC10088085.

(4) : Ismail A, Al-Zoubi T, El Naqa I, Saeed H. Le rôle de l'intelligence artificielle dans l'accélération du recrutement pour les essais cliniques. BJR Open. 16 mai 2023 ; 5(1) : 20220023. doi : 10.1259/bjro.20220023. PMID : 37953865 ; PMCID : PMC10636341.

Lire l'article sur

Logo Medtech France transparent

.