L'IA à travers la chaîne de valeur R&D : le développement clinique

Cette vision aide Sanofi à réinventer le processus des essais cliniques. L'IA rassemble d'immenses quantités de données issues d'études antérieures, de dossiers patients et même de tendances observées dans la vie réelle, et nous aide à simuler, prévoir et prendre de meilleures décisions à chaque étape.

Imaginez que vous planifiez un voyage en voiture. Habituellement, vous devriez tracer l'itinéraire, puis intégrer des informations en temps réel comme le trafic, la météo et les fermetures de routes pour assurer un voyage sans encombre. L'IA est comme un copilote ultra-intelligent qui connaît déjà le meilleur itinéraire, où faire le plein, et combien de temps durera réellement le trajet, car il a appris de milliers d'autres voyageurs.

Un avantage majeur réside dans notre capacité à utiliser les données du développement clinique pour alléger la charge pesant sur les patients. En exploitant les données déjà générées lors de nos essais cliniques, nous pouvons réduire le nombre de patients ou de participants nécessaires pour mener une étude notamment en diminuant l'effectif du groupe contrôle (les personnes qui reçoivent le traitement standard ou un placebo). En pédiatrie, cette approche est particulièrement puissante car « nous pouvons utiliser les données des adultes pour extrapoler l'effet d'un médicament chez les enfants. Cela signifie que moins d'enfants doivent être inclus dans nos études, ce qui réduit le délai nécessaire pour mettre le médicament à leur disposition », explique Corsico.

Le temps est un autre facteur de changement majeur. Ce qui prenait autrefois des jours ne prend désormais que quelques minutes. « Les outils d'IA peuvent analyser, synthétiser et organiser l'information presque instantanément, permettant aux chercheurs de se concentrer sur les enseignements clés », explique Corsico.

Et ce n'est pas tout. L'IA peut également aider à adapter les supports de sensibilisation aux essais cliniques, comme les dépliants ou les vidéos, à des groupes de patients spécifiques, garantissant qu'ils soient inclusifs et culturellement pertinents. « Ces outils reconnectent la recherche clinique aux soins des patients », déclare Bascles. « L'IA nous aide à concevoir des études qui reflètent véritablement qui sont les patients et ce dont ils ont besoin. »

La rapidité ne se résume pas à aller plus vite. Il s'agit de travailler plus intelligemment. L'IA aide déjà Sanofi à identifier de meilleurs sites d'essais, à recruter plus rapidement les bons patients et à réduire les délais. Dans certains cas, elle nous permet même d'éviter des phases d'essai superflues en simulant les résultats sur des patients virtuels. Les jumeaux numériques de patients peuvent nous aider à mieux comprendre les complexités d'une maladie, améliorer la probabilité de succès en clinique, optimiser les essais cliniques et créer des médicaments potentiellement best-in-class. Nous sommes convaincus que l'IA améliorera davantage la précision et l'applicabilité de ces jumeaux numériques.

« En utilisant les données pour modéliser l'efficacité et la sécurité d'un médicament en développement clinique, nous pourrions accélérer considérablement le processus de développement », explique Corsico. Les modèles peuvent également nous permettre d'arrêter plus tôt le développement s'ils suggèrent que le médicament ne sera pas efficace, épargnant ainsi les patients et nous permettant de nous concentrer sur des projets plus prometteurs.

Le développement clinique est jalonné de décisions complexes. Où mener un essai ? Quels patients inclure ? Quel est le meilleur design pour l'étude ? L'IA offre un moyen de remettre en question nos biais et nous aide à prendre les meilleures décisions en intégrant rapidement plusieurs dimensions, telles que le temps, le coût, la probabilité de succès et l'environnement concurrentiel. Elle permet également une prise de décision plus rapide en fournissant une évaluation impartiale grâce à l'analyse des données et à la modélisation qui n'était pas envisageable il y a dix ans.

Dans le développement des vaccins, l'un des premiers défis des essais cliniques est d'estimer le temps nécessaire au recrutement des participants. Ce processus, appelé faisabilité, aide nos chercheurs à établir des calendriers réalistes, mais il comporte de nombreuses incertitudes. Par exemple, pour trouver des patients présentant des conditions médicales spécifiques ou appartenant à certaines tranches d'âge, nous devons prévoir le nombre de participants éligibles dans différents lieux. L'IA peut analyser les données historiques et les profils épidémiologiques pour des prédictions plus précises, rendant le recrutement plus efficace et fiable.

« Avec les vaccins, il est crucial de prévoir où et à quelle vitesse une maladie pourrait se propager, et quelle pourrait être sa gravité », explique Mornet. « L'IA transforme ce processus en nous donnant une vision plus claire des facteurs clés, comme les lieux de recrutement potentiels et le nombre de patients disponibles, plutôt que de nous appuyer sur de simples estimations. »

Bien entendu, l'IA n'est pas infaillible. Elle ne prédit pas l'avenir. Elle travaille avec les données qu'on lui fournit, et parfois, ces données comportent des lacunes ou des biais cachés. Et comme toute nouvelle technologie, tous les outils d'IA ne se valent pas. Choisir les bons outils et savoir quand leur faire confiance reste un défi.

« Nous nous interrogeons constamment : que ne savons-nous pas ? Quelles données nous manquent ? » souligne Mornet. « C'est ainsi que nous veillons à ce que nos décisions restent ancrées dans la réalité. »

Malgré les défis inhérents à l'adoption de toute nouvelle technologie à ses débuts, l'avenir s'annonce passionnant. Nos équipes imaginent un monde où le lancement d'un essai prendrait quelques semaines, et non des mois, et où l'IA permettrait, en toute sécurité, d'accéder à des connaissances médicales auparavant inaccessibles et à des ensembles de données cloisonnées, propriétaires et personnalisées, tout en préservant la confidentialité des patients.

« Mon 'rêve impossible' est que l'IA accélère les processus cliniques : un mois pour l'approbation du protocole, un mois pour lancer une étude, et 3 à 6 mois pour le recrutement des patients, au lieu des 12 à 18 mois actuels », confie Bascles. « Plus vite nous collecterons les données, plus rapidement nous pourrons mettre des médicaments à la disposition des patients. »

« À mesure que l'accès aux données s'élargit et que la puissance et la rapidité informatiques évoluent, de nouvelles perspectives émergeront plus rapidement et avec une plus grande précision. Cela nous permettra d'améliorer la conception de nos essais, en identifiant les patients plus susceptibles de répondre aux nouveaux médicaments », explique Corsico. « J'ai été impressionné par la passion et la volonté de chacun chez Sanofi d'explorer comment les données et la technologie peuvent faire la différence pour les patients. »

Cet article constitue le deuxième volet de notre série en quatre parties explorant comment Sanofi utilise l'IA pour transformer notre façon de donner vie aux médicaments. Si vous l'avez manqué, retrouvez la Partie 1 sur l'IA dans la découverte de médicaments ici.

Ne manquez pas la Partie 3, où nous explorerons comment l'IA réinvente la fabrication et les chaînes d'approvisionnement, garantissant qu'une fois un traitement développé, il parvienne sans délai aux personnes qui en ont besoin.