Le Covid-19 l’a mis en lumière : le développement d’un vaccin ou d’un médicament peut être long et fastidieux. De la découverte d’une molécule adaptée jusqu’à sa commercialisation, la simulation, le traitement de données et l’intelligence artificielle sont autant d’armes permettant de raccourcir les délais. Et de gagner un temps précieux face à la propagation de l’épidémie.
Surtout, le numérique se pose en réducteur de risques : sanitaires, pour les patients d’un essai clinique, mais aussi économiques, pour l’entreprise. "Il permet d’accélérer et de sécuriser le temps et l’investissement engagés sur un essai clinique", explique Vincent Puard, PDG et cofondateur MAbSilico, spin-off de l’Inra et du CNRS créée en 2017.
Deux semaines de calcul... pour gagner six à douze mois
La start-up basée à Tours (Indre-et-Loire) développe un logiciel capable de simuler l’interaction d’un anticorps avec sa cible. "Cette interaction est régie par des lois physiques, chimiques et géométriques, détaille le docteur en biologie. Nous numérisons la composition d’un anticorps et observons comment il s’imbrique avec le virus, comme une clé dans une serrure." La solution – basée sur de l’apprentissage machine et primée début 2021 lors de l’appel à projet Sanofi iTechAwards – permet de passer au crible un catalogue d’anticorps et de "repérer les plus efficaces", explique Vincent Puard. L’objectif : "les utiliser en traitement ou en vaccin", rappelle-t-il.
Selon lui, "deux semaines de calcul permettent de gagner six à douze mois d’essais biologiques.En biologie, il aurait fallu synthétiser 2 500 variations de l’anticorps – ce qui est long et parfois impossible – et les mettre en contact avec des cellules, en laboratoire, pour observer la réaction". Les modélisations permettent de réaliser ces essais in silico, virtuellement, pour sélectionner les molécules les plus prometteuses. Et ne tester que celles-ci en laboratoire.
Optimiser les paramètres grâce à l'IA
Soucieux d’optimiser la sélection de leurs candidats médicaments, les industriels de la pharmacie regardent de près les travaux menés par ces spécialistes du numérique. Ainsi la start-up Iktos, fondée en septembre 2016, accumule depuis plusieurs mois les annonces de partenariats avec de grands industriels, comme Pfizer, Merk ou Servier. La pépite parisienne exploite l’intelligence artificielle pour prévoir l'efficacité de molécules et surtout "les imaginer et les tester in silico", présente Yann Gaston-Mahé, son fondateur.
Comme le spécialiste des anticorps thérapeutiques MAbSilico, ou le spin-off de l'Ecole normale supérieure (ENS) Aqemia, Iktos entend "accélérer l’identification de candidats médicaments ayant des caractéristiques suffisamment favorables pour pouvoir faire l’objet d’essais chez l’animal, puis l’homme", relate Yann Gaston-Mathé. Pour cela, Iktos mobilise les résultats d’expériences antérieures, dont ses algorithmes s’inspirent pour concevoir de nouvelles molécules, optimisées pour une cible. Difficulté supplémentaire : pour faire un bon médicament, la molécule doit être efficace, mais aussi répondre à une longue liste de prérequis, dont l’algorithme doit tenir compte – il faut par exemple qu'elle ne soit pas toxique, ni métabolisée trop vite par le foie. D’où un travail "d’optimisation multi-paramétrique" pour "proposer les molécules ayant le maximum de chances de répondre aux objectifs", explique-t-il.
Une fois un groupe de molécules prometteuses défini, le travail en laboratoire commence. "Il faut les synthétiser en vrai et les tester, rappelle Yann Gaston-Mathé. Cela permet de générer des données expérimentales et de recommencer pour améliorer le modèle." Pour accélérer cette étape face au Covid-19, la pépite s’est alliée à l’entreprise américaine SRI International, dont le banc robotisé de synthèse et d’essais des molécules permet d’automatiser la boucle, en couplant le travail numérique d’optimisation des molécules avec celui, physique, de test in vitro.
Sanofi au capital de NovaDiscovery
Ce n’est pas le tout d’avoir une molécule prometteuse, il faut encore la tester sur l’humain. "Le développement de nouvelles thérapies est un processus long et couteux, estime François-Henri Boissel, PDG de la start-up lyonnaise NovaDiscovery. De nombreux échecs surviennent faute de technologies prédictives pour s’assurer que le candidat médicament fonctionnera." C’est là qu’intervient la start-up fondée en 2010, qui a levé 2,5 millions d’euros en février 2021 auprès de… Sanofi, avec qui elle travaille notamment sur le Covid-19. Sa solution ? Simuler l’impact d’une maladie et d’un traitement sur un organisme virtuel.
Basé sur la numérisation de lois biologiques et sur l’intelligence artificielle, le logiciel permet de tester des milliers de possibilités, en jouant par exemple sur volume de sérum injecté ou la période entre chaque dose. "Le computationnel permet de tester de nombreuses hypothèses sans risquer la santé d’êtres humains, argue le fondateur. Cela répond aussi à une question éthique."
Pour autant, hors de question d’esquiver l’essai clinique et l’administration du traitement à des êtres vivants. Déjà, car il est "inenvisageable de virtualiser un patient dans toute sa complexité", rappelle François-Henri Boissel. Et surtout, car seule l’expérience biologique fait foi. "S’ils ne pourront jamais s’y substituer, les essais in silico pourront cependant être utilisés systématiquement en amont des essais humains pour cibler au mieux les patients qui auraient la meilleure réponse au traitement, évoque-t-il. Les simulations sont là pour dé-risquer l’essai clinique."
Virtualiser l’essai clinique
Les avantages du numérique ne s’arrêtent pas au seuil de l’essai clinique. Davantage : ils en changent radicalement l’organisation. C’est le cas notamment de Medidata – société américaine rachetée en 2019 par Dassault Systèmes – dont la plate-forme a supporté le développement de 64 % des médicaments approuvés en 2020. Et qui accompagne plus de la moitié des essais liés au Covid-19. "Le défi principal d’un essai clinique est de recruter des patients et de les conserver", pose Karim Herbal, vice-président ventes de l’entreprise sur la région Europe Moyen-Orient.
Pour y répondre, un catalogue de solutions va de l’analyse de données pour déterminer le site le plus adapté à un essai jusqu’à l’application de suivi du patient. Sur son smartphone, celui-ci peut répondre à des questionnaires et envoyer des données, sans se déplacer. "Cela permet de virtualiser l’essai clinique, en capturant les données directement auprès du patient, explique le responsable. En contexte Covid, cela présente un avantage, car l’essai peut continuer sans gêner le fonctionnement de l’hôpital."
Médecine personnalisée
Pour Jérôme Kalifa, PDG de Lixoft, ce "suivi décentralisé permet d’avoir accès à davantage de patients pendant plus longtemps et de profiter des nouvelles technologies grâce au smartphones et à certains dispositifs médicaux". Une source de données que la start-up, basée à Antony (Hauts-de-Seine) et créée en 2011, exploite pour "caractériser et modéliser les variabilités de réponse à un traitement selon les personnes", explique-t-il.
En exploitant des modèles de statistique avancée, nourris continuellement par les données réelles des patients, la start-up étudie tous les facteurs ayant un impact sur la qualité du traitement : contrindications avec d’autres médicaments, mode de traitement, corpulence ou âge du patient… Voire mode d’administration, ou encore climat. "Parfois, cela peut aussi être dû à une séquence génomique particulière d’un patient", avance Jérôme Kalifa. Autant de variations permettant de définir des populations ayant la meilleure réponse à un traitement. Faisant un pas supplémentaire vers la médecine personnalisée.
