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”.

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.