Optimiser la recherche clinique grâce à l’IA

Prenons un exemple: «Il faut savoir qu’environ 85% des essais cliniques visant la mise au point de nouveaux traitements se soldent par un échec avant d’être approuvés par les agences européenne ou américaine de médicaments», indique Douglas Teodoro, professeur assistant au Département de radiologie et informatique médicale à l’Université de Genève (UNIGE). En cause, entre autres, la présence de failles dans les protocoles de recherche, rédigés par les différents chercheurs et chercheuses impliquées et qui comportent toutes les informations sur la méthode, les objectifs, le déroulement, etc., de l’étude. «Nous disposons de registres où sont répertoriés pas moins de 500’000 essais cliniques ayant ou non abouti. Grâce à des algorithmes, nous pouvons parcourir et analyser rapidement ces bases de données pour évaluer le risque d’échec et identifier quelles parties d’un nouveau protocole posent problème.» Améliorer ces processus pourrait accélérer la mise sur le marché des nouveaux médicaments et réduire par là même leur prix, qui dépend en partie des coûts de la recherche – environ 1,3 milliard de francs pour chaque remède approuvé.

Outil de prédiction

Concernant l’efficacité des médicaments, nous savons qu’elle peut varier en fonction des individus. La création de cohortes homogènes, à l’aide de l’IA, pourrait être utile pour prédire la réponse aux traitements de personnes partageant les mêmes caractéristiques dans un but de médecine personnalisée, explique Douglas Teodoro: «Nous utilisons des algorithmes pour donner une meilleure représentation numérique de chaque personne, de ses caractéristiques de santé, de sa maladie, de sa génétique, de ses antécédents, etc. Les variables sont si nombreuses que même le ou la meilleure des médecins ne peut les assimiler seule.»

________