Exploiter le potentiel de l'IA dans les essais cliniques : les enseignements clés de PFIZER et ARTEFACT Sommet « AI for Health »

La discussion a porté sur le rôle transformateur de l'IA dans les essais cliniques, étayé par les analyses de Pfizer et Artefact, et mis en évidence dans leur livre blanc rédigé conjointement. Elle a présenté des cas d'utilisation concrets, une cartographie de l'écosystème et les défis liés à la mise à l'échelle des innovations en matière d'IA.

Artefact une demande croissante en matière d'IA dans le domaine de la R&D, motivée par son potentiel à réduire la durée des essais cliniques jusqu'à 50 %, à accélérer la mise sur le marché de traitements innovants et à garantir la compétitivité des entreprises pharmaceutiques. Les cas d'utilisation présentés dans le livre blanc sont déjà mis en œuvre ou intégrés dans les stratégies à moyen terme des parties prenantes.

Pfizer utilise l'IA pour analyser des ensembles de données, identifier des cibles thérapeutiques, prédire l'efficacité et optimiser le développement. Par exemple, pendant la pandémie de COVID-19, l'IA a permis à Pfizer de réduire le criblage de molécules de 3 millions à 600, accélérant ainsi le développement d'un médicament antiviral oral de quatre ans à quatre mois. De plus, l'IA a facilité la mise en place de nouvelles méthodologies telles que les essais cliniques décentralisés et la surveillance à distance, contribuant ainsi à réduire la durée moyenne de développement des médicaments de 8,6 ans en 2019 à 4,8 ans d'ici 2022.

Ce livre blanc décompose la chaîne de valeur des essais cliniques en trois phases : la conception, le recrutement des patients et la mise en œuvre. En ce qui concerne la conception des essais, les grands modèles linguistiques (LLM) extraient data la sécurité et data l'efficacité data essais antérieurs, ce qui permet de rationaliser les protocoles d'étude. Le recrutement des patients bénéficie de modèles d'IA qui analysent les données démographiques et les antécédents médicaux afin de prédire les taux d'abandon, garantissant ainsi la continuité de l'essai. La mise en œuvre et la gestion sont optimisées grâce data piloté par l'IA, ce qui réduit le temps nécessaire à la production des rapports et à leur soumission aux autorités réglementaires.

L'IA automatise les tâches fastidieuses telles que le nettoyage, le traitement et l'analyse data cliniques, permettant ainsi de mettre en évidence des tendances et des corrélations que les méthodes traditionnelles pourraient ne pas détecter. Lors du développement du vaccin contre la COVID-19, l'IA a permis à Pfizer de rédiger des rapports réglementaires en 48 jours, contre 100 jours habituellement. Ce calendrier accéléré a permis une mise sur le marché plus rapide et un meilleur accès pour les patients.

Le principal défi consiste à mettre en place data solides, notamment des cadres de gouvernance et de conformité. Bien qu'elles soient initialement perçues comme coûteuses et chronophages, ces bases sont essentielles pour assurer une évolutivité à long terme et mettre en œuvre efficacement des cas d'utilisation basés sur l'IA.

L'IA révolutionne les essais cliniques en raccourcissant les délais, en améliorant l'efficacité et en optimisant les résultats pour les patients. Toutefois, la réussite de cette transition dépend de la capacité à relever les défis data et à favoriser la collaboration au sein de l'écosystème des soins de santé.