2024 marque le début d’une troisième année de collaboration entre Servier et Aitia, leader du marché des jumeaux numériques et de la technologie d’IA causale. Ensemble, nous développons des jumeaux numériques « Gemini » afin d’identifier de nouvelles cibles thérapeutiques dans le cancer du pancréas, la maladie de parkinson et désormais dans le gliome.
Fabien Schmidlin, directeur de la médecine translationnelle, R&D chez Servier, revient sur l’apport de cette technologie à la Recherche et son application au secteur de la santé.
Fabien, pouvez-vous en quelques mots nous expliquer ce que sont « les jumeaux numériques » et comment ils fonctionnent concrètement ?
Les jumeaux numériques sont la représentation virtuelle d’un organisme, y compris de patients humains, élaborée à partir de données génétiques, moléculaires et cliniques appelées collectivement « multi-omiques ». Ces données proviennent de registres de patients, ainsi que de données issues de nos essais cliniques. Elles permettent, entre autres, de simuler l’évolution d’une maladie et de mettre en évidence les relations de cause à effet et les connexions moléculaires entre les différents organes et cellules et les résultats cliniques.
Il devient également possible de simuler le blocage de gènes et de protéines ou la réponse à un médicament candidat au niveau de chaque patient, afin d’aider à identifier de nouvelles cibles médicamenteuses et de nouveaux médicaments pour les populations de patients correspondantes.
La technologie repose sur des modèles mathématiques itératifs, de l’IA, de données analytiques et sur l’apprentissage automatique (« machine learning »). C’est une technologie très complexe à développer mais dont l’application est prometteuse pour la Recherche clinique.
Quelle est l’intérêt pour Servier d’utiliser des jumeaux numériques ?
Les jumeaux numériques sont une opportunité pour les équipes d’étoffer le spectre des cibles thérapeutiques envisageables pour le développement d’un traitement.
Assez naturellement, nos recherches se portent en priorité sur les cibles thérapeutiques les plus préconisées d’après la littérature scientifique.
Avec l’IA, la Recherche prend une tout autre dimension : les options de cibles thérapeutiques proposées par un jumeau numérique peuvent être bien plus variées, et même « hors des radars » pour les chercheurs. Cela ouvre le champ des possibles et nous permet d’aller plus vite dans l’identification.
La technologie peut également nous aider à identifier des sous-groupes de patients, porteurs d’un biomarqueur spécifique. Des informations précieuses pour proposer aux patients des solutions thérapeutiques chaque fois plus personnalisées selon leurs caractéristiques biologiques.
Quels sont les défis à relever pour bâtir un jumeau numérique fiable ?
Le premier grand défi est sans aucun doute la collecte de données ! Sans elles, nous ne sommes pas en mesure d’alimenter l’algorithme du jumeau numérique, ni de contribuer à son amélioration continue par l’apprentissage automatique (« machine learning »).
Aitia, grâce à son expertise de plus de quinze ans dans le développement de jumeaux numériques, dispose d’une quantité de données importantes, qu’ils introduisent dans leur plateforme d’IA causale, sur laquelle nous pouvons nous appuyer, tant d’un point de vue quantitatif que qualitatif.
Ensuite, cela est très spécifique à chaque application. Par exemple, dans le gliome, les données dont nous disposons sont souvent collectées à un stade précoce de la maladie. Il est nécessaire, pour affiner la technologie, de continuer à collecter des données tout le long de la progression de la maladie. Le jumeau numérique que nous développerons sera donc dédié dans un premier temps à l’étude de la progression du gliome chez certains patients.
En quoi cette approche pourrait changer la donne pour les patients ?
Dans les cancers dont les besoins ne sont pas ou encore peu couverts, comme le gliome par exemple, l’utilisation des jumeaux numériques pourrait tout d’abord accélérer la Recherche, grâce à l’identification de nouvelles cibles thérapeutiques.
Ensuite, grâce à l’identification de biomarqueurs, nous aurons une meilleure compréhension de la biologie d’une maladie. Nous pourrons définir des sous-groupes de patients et bâtir des essais cliniques plus pertinents, qui incluent dès le début les profils de patients les plus à même de répondre favorablement à un candidat-médicament.
Cette approche personnalisée de la médecine nous permettra de maximiser les chances de succès d’un candidat médicament, et donc in fine, de réduire le temps de développement pour le bénéfice des patients.
Servier et Aitia ont signé accord de collaboration pluriannuel pour découvrir et simuler des médicaments dans le cancer du pancréas, du gliome et de la maladie de parkinson, grâce à l’IA.
L’objectif : découvrir, valider et potentiellement développer de nouvelles cibles thérapeutiques, ainsi que des candidats-médicaments dans les pathologies mentionnées ci-dessus.
Comment : en s’appuyant sur l’expertise et la technologie d’Aitia, la donnée, notre connaissance scientifique, et sur les essais pré-cliniques que nous menons.