En mai dernier, Sanofi, Formation Bio et OpenAI s’associaient pour accélérer le développement de médicaments grâce à l’IA. Les trois entreprises ont présenté hier le premier outil issu de ce partenariat, Muse, qui vise à optimiser l’un des principaux défis des essais cliniques : le recrutement de patients éligibles, un processus souvent long et complexe. 

Actuellement, 86 % des essais cliniques ne parviennent pas à atteindre leurs objectifs dans les délais impartis. Une des principales raisons de cet échec est la complexité de la présélection des patients, un processus fastidieux qui repose encore largement sur la saisie manuelle des données des dossiers médicaux. Cette tâche, non seulement chronophage mais aussi sujette à des erreurs, complique l’inclusion rapide des participants dans les essais cliniques, retardant ainsi la mise sur le marché de nouveaux médicaments.

Muse accomplit ce qui nécessite généralement de grandes équipes d’experts et de multiples couches d’examen manuel avec un seul outil d’IA.

Selon formation Bio, “moins de 10 % des patients participent à des essais cliniques pour différentes raisons, notamment parce qu’ils n’ont jamais été invités ou informés de cette possibilité”.

Muse aborde cette problématique en utilisant l’IA pour analyser des données de santé, des études de marché, et des publications scientifiques. Grâce aux capacités de traitement avancées des modèles d’IA d’OpenAI, l’outil identifie les profils de patients optimaux, génère des documents de recrutement sur mesure et des questionnaires de présélection adaptés à des populations spécifiques, y compris les groupes historiquement sous-représentés. Cette approche contribue non seulement à diversifier les participants, mais aussi à accroître la rapidité et l’inclusivité des essais.

Un engagement en faveur d’une utilisation responsable de l’IA

Muse comprend un agent LLM qui intègre les directives de l’Institutional Review Board (IRB) et les directives réglementaires qui, combiné à l’intervention d’experts humains, facilite la création de documents conformes pour les essais.

Formation Bio assure que la sécurité de l’IA et la confidentialité des données sont intégrées tout au long du développement et du déploiement de Muse, qui s’appuie sur des publications de recherche et d’autres sources de données publiques et propriétaires, dont aucune ne contient d’informations personnelles identifiables.

Les premiers déploiements déjà envisagés

Conçu pour être utilisé dans un large éventail de domaines thérapeutiques, l’outil sera mis en œuvre par Sanofi et Formation dans leurs prochains essais cliniques. Sanofi sera le premier à le déployer dans ses essais de phase 3 pour la sclérose en plaques (SEP), une pathologie pour laquelle le groupe pharmaceutique développe déjà des traitements innovants. Il pourra ainsi fournir les données nécessaires et apportera son expertise sur cette maladie invalidante.

Ben Liu, cofondateur et PDG de Formation Bio, conclut :

“L’IA offre une formidable opportunité de transformer le développement des médicaments, en améliorant à terme à la fois l’efficacité et les résultats. À l’échelle, cette approche de développement pilotée par l’IA peut accélérer la fourniture de nouveaux médicaments et remodeler les soins de santé dans le monde entier. Muse n’est qu’un début, l’une des nombreuses innovations en matière d’IA que nous mettons au point pour le développement de médicaments”.

L’un des principaux défis des essais cliniques est le recrutement de patients éligibles, un processus souvent long et complexe auquel l’IA pourrait contribuer à répondre. Les résultats prometteurs de premières expérimentations réalisées dans le cadre du projet AIIPIK “Artificial Intelligence to Improve Patient Inclusion and Knowledge”, mené par la société Ospi, spécialisée en IA et données de santé, en partenariat avec le CHU de Toulouse, et soutenu par Amgen France, ont d’ailleurs été présentés le mois dernier lors du Congrès d’oncologie médicale européen (ESMO) à Barcelone.

Ospi est né de la fusion en septembre 2023 du Groupe PSIH, pionnier des solutions décisionnelles sur les données de santé médico-économique de l’hôpital et de la start-up Collective Thinking, spécialiste du codage médical et de la valorisation de données de santé grâce à l’IA. L’été dernier, la société annonçait l’acquisition d’Alicante, fondée en 1999 par d’anciens hospitaliers et universitaires du CHU de Lille, des laboratoires INSERM et du CNRS, spécialisée dans l’exploitation des données hospitalières grâce à l’IA et l’analyse sémantique.

Son logiciel I4H Research vise à aider les cliniciens et les professionnels de santé à tirer parti des données disponibles, qu’elles soient structurées (comme les résultats de tests) ou non structurées (comme les notes de consultation). Il utilise les dernières avancées en matière de traitement naturel du langage pour intégrer et analyser l’essentiel des sources de données hospitalières (comptes-rendus d’hospitalisation, de consultation, d’examens d’imagerie médicale, ainsi que les résultats biologiques, cytologiques et histologiques, y compris les biomarqueurs) en temps réel.

AIIPIK, un projet issu du programme EIT “Start-ups Meet Pharma”

Le programme EIT “Start-ups Meet Pharma” est conçu pour créer des ponts entre les start-ups innovantes dans le domaine de la santé et les grandes entreprises pharmaceutiques européennes. Celles-ci demandent aux premières de relever un défi, Amgen leur a demandé de proposer une solution capable d’identifier et de sélectionner automatiquement les patients pour des essais cliniques à partir des dossiers médicaux, en oncologie et en hématologie (avec possibilité d’application à d’autres aires thérapeutiques).

Nathalie Varoqueaux, Directrice Médicale, Amgen France, explique :

“L’identification de patients éligibles aux essais cliniques sur la base de critères spécifiques est un élément clé pour le succès de nos études cliniques et l’attractivité de la France pour les essais internationaux. Or, il est difficile d’estimer en temps utile le potentiel de patients éligibles dans les établissements. Au travers du projet AIIPIK, notre ambition est de comprendre l’intérêt et la faisabilité d’utiliser l’intelligence artificielle pour accélérer la phase de « pré-screening » de patients dans les essais cliniques et ainsi augmenter le nombre de patients participants, notamment en oncologie”.

De premiers résultats prometteurs

Dans le cadre du projet, la solution i4H d’Ospi a été déployée au CHU de Toulouse. L’expérimentation visait à évaluer sa capacité à identifier des patients correspondant aux critères d’éligibilité d’une étude clinique, en comparaison avec l’identification manuelle réalisée par les équipes de recherche clinique : l’algorithme i4H a non seulement permis d’identifier un nombre plus élevé de patients éligibles, mais aussi de le faire de manière plus efficace qu’un examen manuel réalisé pour une étude clinique en oncologie thoracique, sponsorisée par Amgen.

Julien Mazières, Pr au CHU Toulouse, conclut :

“Ce travail a permis d’identifier à partir des données médicales recueillies dans leur dossier, des patients potentiellement éligibles à un essai clinique de médecine personnalisé pour un certain sous-type de cancer du poumon. Le nombre de patients identifiés est supérieur au nombre de patients précédemment identifiés « manuellement » dans notre centre, soulignant l’intérêt de cette solution”.

Gustave Roussy, centre français de lutte contre le cancer, classé premier en Europe et quatrième mondial, est un leader incontesté de la recherche clinique, indispensable pour identifier les meilleures stratégies thérapeutiques pour les patients. Lors des congrès internationaux ESMO (European Society for Medical Oncology) à Barcelone et WCLC (World Conference on Lung Cancer) à San Diego, il a dévoilé, avec Lifen, une start-up spécialisée dans la gestion des données de santé, deux études illustrant le potentiel de l’IA pour accélérer la présélection des patients dans les essais cliniques, en particulier en oncologie pulmonaire.

Gustave Roussy est un institut entièrement dédié aux patients atteints de cancer. Expert des cancers rares et des tumeurs complexes, il accueille près de 50 000 patients, en consultation et/ou hospitalisation, chaque année, dont 3 500 enfants et adolescents, et leur propose une prise en charge personnalisée qui allie innovation et humanité. 40% des patients qui y sont traités pour un cancer font partie d’un essai clinique.

En décembre 2023, il a signé un accord cadre visant à accélérer la recherche médicale avec Lifen, une start-up française créée en 2015, lauréate France 2030, qui s’est donnée pour objectif d’améliorer la prise en charge des patients et la recherche clinique en simplifiant l’accès, la structuration et le partage des données médicales grâce à l’IA.

La présélection, un défi majeur pour les essais cliniques

Aujourd’hui, 86 % des essais cliniques échouent à atteindre leurs objectifs dans les délais prévus. L’une des principales causes de cet échec réside dans la complexité de la présélection des patients, un processus laborieux qui repose encore largement sur la saisie manuelle des données des dossiers médicaux. Cette tâche, chronophage et sujette à des erreurs, rend difficile l’inclusion rapide des participants dans les essais cliniques, freinant ainsi leur accès à de nouveaux traitements.

L’intelligence artificielle : un levier pour la recherche clinique

Dans ce contexte, l’IA apparaît comme une solution pour assister les médecins dans leur prise de décision, accélérant le processus et rendant les essais cliniques plus accessibles. Les études présentées par Gustave Roussy et Lifen visaient à comparer l’efficacité de la
saisie automatique des données (ADE) et de la saisie manuelle (MDE) pour le présélection des patients atteints d’un cancer du poumon.

Elles montrent que l’ADE, grâce à des algorithmes d’IA avancés, peut non seulement accélérer la présélection des patients, mais aussi améliorer la précision des données utilisées pour déterminer leur éligibilité aux essais cliniques.

Les résultats des études sont particulièrement prometteurs :

• Une précision accrue : L’ADE a automatisé l’extraction et la structuration de 160 variables à partir de notes non structurées des 1 344 patients inclus. Elle a atteint une complétude des données de 86,4 % et une précision totale de 96,7 % (sur les données complétées) dans un sous-ensemble de 138 patients comparés à la MDE.
• Réduction des erreurs : Les erreurs strictes ont été deux fois moins fréquentes avec l’ADE qu’avec la MDE, ce qui souligne la fiabilité de l’automatisation. En outre, Les erreurs commises par l’ADE étaient principalement dues au manque d’informations disponibles, et non à des erreurs de traitement ;
• Gain de temps considérable : Le temps de traitement par patient a été réduit à trois minutes grâce à l’ADE, contre plusieurs heures en traitement manuel.

Des études basées sur l’automatisation et la précision des données

Les études rétrospectives menées par Gustave Roussy et Lifen ont analysé des cohortes de patients atteints de cancer du poumon avancé entre février 2021 et juin 2024. En utilisant des notes médicales non structurées, l’ADE a extrait et structuré jusqu’à 160 variables, incluant des données démographiques, l’histologie, le statut PD-L1, le statut moléculaire et métastatique, ainsi que l’historique des traitements.

Les résultats de ces études ont démontré l’exactitude de l’ADE dans la capture de données critiques pour déterminer l’éligibilité des patients. Les modèles de langage de grande taille, couplés à une ingénierie de prompt et des exemples en peu de coups (few-shot learning), utilisés par l’ADE ont non seulement facilité la présélection, mais également amélioré l’exhaustivité des informations disponibles, un élément clé pour garantir des résultats d’essais cliniques de qualité.

Avec une précision dépassant 95 % pour la majorité des critères d’inclusion, ces études montrent que l’ADE représente une solution prometteuse pour optimiser la présélection des patients et garantir un recrutement rapide et efficace dans les essais cliniques.

Les données artificielles en santé ouvrent de nouvelles perspectives en permettant d’accroître la puissance des essais cliniques, d’effectuer davantage de tests dans un environnement sécurisé, contribuant ainsi à la mise au point de thérapies innovantes répondant aux besoins des patients. Le livre blanc “Données de santé artificielles : analyse et pistes de réflexion”, publié ce 6 mai, contribue à sensibiliser les acteurs du domaine de la santé aux opportunités offertes par l’IA et aux défis à relever pour assurer son utilisation efficace et éthique dans le développement de nouvelles thérapies.

Face à l’accélération des innovations thérapeutiques et technologiques, l’offre de santé n’a jamais été aussi importante. Cependant, de nombreux patients demeurent sans solution thérapeutique adaptée, surtout dans les cas où les essais cliniques traditionnels sont difficiles à mettre en œuvre.

La création de cohortes de patients artificiels générées à l’aide d’algorithmes implémentant des modélisations mathématiques à partir de données cliniques existantes pourrait être une alternative au recrutement de participants, permettant de conduire ces essais de manière optimale tout en assurant la sécurité et la fiabilité des études. Ces outils de génération de cohorte de patients artificiels sont en cours de validation pour leur usage en recherche clinique, même si la preuve de concept de son utilisation a été faite et précisée dans un chapitre de ce livre blanc.

Coordonné par le Dr. Jean-Louis Fraysse et la Pr. Stéphanie Allassonnière, ce dernier détaille les enjeux et les perspectives qu’offre l’utilisation des cohortes de patients artificiels dans les essais cliniques. Il a été réalisé avec la contribution d’acteurs publics et privés, parmi lesquels AFM-Téléthon, Agence de l’Innovation en Santé (AIS), la CNIL, l’INRIA, BOTdesign, le CNRS, CHU de Toulouse, la Filière Intelligence Artificielle et Cancer, l’Institut Pasteur, la Haute Autorité de Santé (HAS), l’INSERM, l’Institut Prairie pour ne citer qu’eux.

Leur initiative s’inscrit dans les travaux de l’Agence de l’Innovation en Santé menés avec l’infrastructure F-CRIN et globalement dans la démarche du plan Innovation Santé 2030, dont l’un des objectifs est d’innover et d’accélérer dans le domaine de la recherche clinique.

Le livre blanc met en lumière le potentiel des cohortes de patients artificiels pour renforcer la puissance des essais cliniques et accélérer le développement de nouveaux traitements mais également les défis associés en termes de sécurité des données et de confiance dans les produits de santé développés.

Ses auteurs soulignent ainsi la nécessité d’une validation rigoureuse par des experts (professionnels de santé, mathématiciens, patients) pour s’assurer de leur fiabilité, c’est-à-dire de leur capacité à reproduire fidèlement les données réelles.

Pour le Dr Raphaëlle Parker, Principal Scientist en recherche translationnelle chez Janssen Pharmaceutical Companies of Johnson & Johnson :

“L’utilisation de l’IA dans le domaine de la santé présente des challenges particulièrement complexes inhérents aux types de données sur lesquelles elle s’appuie (données sensibles, sparses, hétérogènes, quantités souvent limitées, …). Cependant, les efforts de recherche de ces dernières années qui s’attèlent à répondre à ces défis spécifiques, permettent aujourd’hui d’entrevoir un potentiel vertigineux, entre autres et en particulier, dans le domaine des études cliniques, portant des promesses d’études moins chères mais surtout plus justes, plus inclusives et plus efficaces. Le recours à des données artificielles pour le développement de nouveaux médicaments est une ambition particulièrement audacieuse et sensible qui nécessite un effort commun et soutenu d’acteurs divers et complémentaires afin d’avancer de la manière la plus efficace possible”.

Retrouver le livre blanc ici

Le congrès annuel de l’American Association for Cancer Research (AACR) qui s’est déroulé du 5 au 10 avril derniers à San Diego aux Etats-Unis, a été l’occasion pour Transgene, NEC et le Dr Olivier Lantz de l’Institut Curie de présenter les résultats prometteurs d’une nouvelle thérapie personnalisée pour éviter les récidives chez les patients atteints de cancers ORL.

Les vaccins thérapeutiques font partie des immunothérapies. Visant à induire une réponse immunitaire, lorsque cette dernière fait défaut chez le patient atteint de cancer ou à fort risque de récidive, ils font l’objet de nombreuses recherches ces dernières années.

Transgene, biotech strasbourgeoise détenue à 60% par l’Institut Mérieux, s’est associée à NEC Corporation, une entreprise japonaise leader dans les domaines des technologies de l’information, des réseaux et de l’IA, pour développer TG4050, un vaccin thérapeutique personnalisé, le premier produit issu de sa plateforme myvac. Les algorithmes d’intelligence artificielle de NEC sont utilisés pour prédire, après séquençage de la tumeur d’un patient, les cibles tumorales les plus pertinentes.

Le vaccin TG4050 s’adresse aux patients atteints d’un cancer de la tête et du cou et aux patientes atteintes d’un cancer de l’ovaire.

Il a été évalué cliniquement pour le cancer de la tête et du cou aux Etats-Unis, au Royaume Uni ainsi qu’en France à l’Institut Curie, par le Professeur Christophe Le Tourneau, responsable du Département d’Essais Cliniques précoces de l’Institut Curie et co-coordinateur de cet essai clinique international de phase 1 et à l’IUCT-Oncopole de Toulouse par le Professeur Jean-Pierre Delord. Ce sont les résultats de cette évaluation clinique qui viennent d’être présentés à l’AACR.

L’étude randomisée incluait 33 patients atteints de cancer épidermoïde de la tête et du cou (HNSCC) négatif au VPH, de stade 3 ou 4 ayant subi une intervention chirurgicale suivie d’une radiothérapie adjuvante et une chimiothérapie standard. Ils ont été répartis aléatoirement en 2 groupes : 17 ont été vaccinés dès la fin du traitement (bras A), à raison d’une fois par semaine pendant six semaines puis toutes les trois semaines pendant un an, les 16 autres devaient l’être en cas de récidive, un risque important dans ce type de cancer.

Aucun des patients du bras A n’a connu de rechute de la maladie après un suivi médian de 16,2 mois tandis que le cancer a récidivé chez 3 patients du bras B : l’un après 6,2 mois, le second après 8,8 mois et un troisième après 18,5 mois.

Olivier Lantz, directeur adjoint de l’unité Immunité et cancer (U932 Institut Curie / Inserm) a déclaré lors de la présentation de l’essai clinique à l’AACR :

“Nous sommes vraiment enthousiasmés par ces données préliminaires, ainsi que par l’ensemble des preuves qui sont en train d’être construites par la communauté en faveur des vaccins à base de néo-antigènes. Des études comme la nôtre démontrent le potentiel des vaccins thérapeutiques individualisés à base de néoantigènes pour faire partie de la norme de soins de demain”.

Le vaccin est actuellement en cours d’évaluation dans une étude multicentrique randomisée de Phase I/II en monothérapie dans le traitement adjuvant des cancers de la tête et du cou HPV-négatifs. Forts des premiers résultats obtenus dans la partie Phase I de l’essai, Transgene et NEC préparent une extension de cet essai avec une Phase II randomisée, dont le démarrage est prévu dans les semaines à venir.

L’abstract de l’étude est disponible ici