La recherche clinique s’empare de l’IA pour optimiser les coûts et les délais

Etape clé du développement du médicament, la recherche clinique concentre à elle seule les deux tiers des coûts de développement des nouveaux traitements, généralement compris entre un et deux milliards d’euros. Elle représente aussi la moitié du temps de développement d’une molécule (10-12 ans en moyenne). Pour « flexibiliser » leur structure de coûts, les géants de la pharmacie délèguent de plus en plus leurs activités de recherche clinique à des entreprises spécialisées : les CROs (« contract research organization » ou « sociétés de recherche sous contrat » en français). Ces dernières doivent aujourd’hui répondre à un défi de taille : réduire les coûts des essais cliniques tout en augmentant les taux de succès malgré la complexité croissante des processus de R&D. Recourir à l’intelligence artificielle peut alors permettre aux CROs de gagner en efficacité dans les différentes étapes de leur activité.

L’intelligence artificielle peut ainsi être mobilisée dès la conception du protocole de recherche pour mettre au point le plan d’action le plus fiable qui conduira à un nombre aussi réduit que possible de modifications en cours d’essai clinique. L’IA peut également permettre d’identifier plus facilement les participants potentiels aux essais cliniques via des outils permettant d’analyser plus vite l’information sur les patients. Amgen a par exemple développé une solution, baptisée ATOMIC, qui analyse des données internes et publiques afin d’identifier et de classer les cliniques et les médecins en fonction de leurs performances passées en matière de recrutement de patients pour les essais. Cette plateforme lui aurait permis de réduire de moitié, dans le meilleur des cas, le délai de recrutement de patients (qui peut prendre jusqu’à 18 mois pour un essai de stade intermédiaire).

La recherche clinique in silico ou comment optimiser le portefeuille d’essais cliniques

La recherche clinique in silico repose sur des modèles mathématiques qui permettent de simuler l’effet d’un produit de santé sur une pathologie et sur une population de patients virtuels. Ces études n’ont pas vocation à remplacer complètement les essais chez l'homme mais davantage à en réduire l'ampleur. La simulation in silico aide à évaluer et quantifier les risques avant même le début de l’essai clinique, permettant d’éviter les essais avec peu de chances de réussite. Les CROs qui souhaitent développer ce genre de simulations doivent dès à présent conclure des partenariats avec les start-up les plus avancées sur le segment pour orienter leurs futurs essais cliniques et démultiplier leur efficacité. Les grands noms de la pharma ont déjà noué des accords en ce sens, à l’image de Janssen-Cilag France qui s'est associé à Novadiscovery pour la prédiction des résultats d'un essai clinique de phase III dans le cancer du poumon.