Du dossier patient à la décision thérapeutique : l’IA appliquée aux données cliniques

Aux États-Unis, des chercheurs de l’université de Pennsylvanie, à Philadelphie, et de l’université Emory, à Atlanta, ont développé TrialTranslator, une plateforme d’apprentissage automatique conçue pour évaluer la transposabilité des résultats des essais cliniques aux populations réelles. Cette transposabilité est essentielle, car les essais cliniques sont menés sur des groupes sélectionnés, qui ne reflètent pas toujours la diversité des patients en situation réelle ; l’outil permet ainsi d’anticiper dans quelle mesure les résultats observés en essai sont applicables en pratique courante. En simulant 11 essais cliniques majeurs sur le cancer à l’aide de données du monde réel, TrialTranslator a permis d’identifier quels groupes de patients pourraient bénéficier des traitements évalués.

L’outil Scorpio, également développé outre-Atlantique, utilise l’IA pour prédire l’efficacité des inhibiteurs de points de contrôle immunitaires chez les patients atteints d’un cancer. Ces traitements, appelés immunothérapies, ne sont efficaces que chez une partie des patients. L’enjeu est donc de repérer à l’avance ceux qui ont le plus de chances de répondre positivement au traitement. Il a été conçu par des équipes new-yorkaises du Memorial Sloan Kettering Cancer Center et de l’Icahn School of Medicine at Mount Sinai. En analysant des données cliniques et des tests sanguins de routine, Scorpio a démontré une précision supérieure à celle des tests traditionnels, facilitant ainsi l’accès à des traitements adaptés.

Projets en cours ou aboutis dans l’Hexagone

En France, le consortium PortrAIt, lancé par Owkin en partenariat avec l’institut Gustave-Roussy (IGR) en 2023, bénéficie d’un budget de 33 millions d’euros. Il vise à développer et à déployer 15 outils d’IA en pathologie numérique répartis en trois catégories : assistance au diagnostic pour les pathologistes, détection automatisée de biomarqueurs et prédiction de l’évolution clinique. Ces outils sont actuellement en développement, avec un déploiement progressif prévu dans les prochaines années.

L’IGR collabore également avec la start-up Lifen. Lors du Congrès de l’AACR (American Association for Cancer Research) en 2024, ils ont présenté des résultats intéressants sur l’usage de l’IA pour structurer rapidement les données médicales. En structurant plus de 1 000 parcours patients en seulement trois mois, cette solution a permis un gain de temps estimé à 85 % comparé à la saisie manuelle, ouvrant de nouvelles possibilités en termes de recherche clinique et de traitement personnalisé du cancer.

L’Assistance publique-Hôpitaux de Paris (AP-HP) a renouvelé en 2024 son partenariat avec Owkin pour cinq ans. Cette collaboration a donné lieu à plusieurs réalisations concrètes. Parmi elles, RlapsRisk® BC, un outil développé indépendamment du consortium PortrAIt et testé à l’hôpital Bicêtre AP-HP, permet de prédire le risque de rechute chez les patientes atteintes d’un cancer du sein précoce. Il a obtenu la certification CE-IVD en 2022 et fait l’objet d’une utilisation dans certains centres hospitaliers.

Le modèle PACpAInt, développé conjointement par l’AP-HP et Owkin, aide à identifier les sous-types tumoraux de l’adénocarcinome pancréatique à partir de lames histologiques. Il a fait l’objet d’une publication dans Nature Medicine en 2023 et est en cours d’évaluation clinique dans plusieurs centres.

Enfin, l’AP-HP, Owkin et Sorbonne Université participent au projet RHU AI-Triomph, lancé en 2024 pour une durée de cinq ans et financé par l’Agence nationale de la recherche. Coordonné par le P^r Magali Svrcek (AP-HP, Sorbonne Université), ce programme cible trois cancers à mauvais pronostic (œsogastrique, du pancréas et de la thyroïde). Il s’appuie sur des données multimodales (cliniques, histologiques, issues de biopsies liquides) et l’apprentissage fédéré pour développer des bras de contrôle externes aux essais cliniques. Le projet est à ce jour en phase de collecte des données et de développement des algorithmes.

L’IA en cancérologie poursuit ainsi son intégration dans les parcours de soins à partir des données issues de la pratique hospitalière.