Cette année, plusieurs milliers de volontaires dans le monde ont participé à des essais cliniques de vaccins contre le coronavirus. Si nous avions pu remplacer ces individus par des patients virtuels, certains vaccins auraient pu être développés plus rapidement. Qui sait combien de vies nous aurions pu sauver.
Il semble que chaque jour quelqu'un développe un nouvel algorithme qui permet aux ordinateurs de diagnostiquer une maladie avec une précision sans précédent. Il ravive les prédictions selon lesquelles les ordinateurs remplaceront bientôt les médecins.
Vérifier si une nouvelle thérapie est sûre peut être fait beaucoup plus rapidement avec des tests sur des organes virtuels
Et si les ordinateurs pouvaient aussi remplacer les patients ? Si des personnes virtuelles avaient remplacé de vrais sujets à certaines étapes des études sur le coronavirus, nous aurions trouvé un préventif plus rapidement et aurait pu ralentir la pandémie plus tôt. De même, les chercheurs auraient pu identifier plus tôt des candidats vaccins inutiles. Cela aurait réduit les coûts de l'étude et moins de volontaires auraient été en contact avec ces vaccins.
Voilà quelques-uns des bienfaits de la médecine dite in silico. Dans ce document, les chercheurs testent des médicaments et des traitements sur des organes virtuels ou des systèmes corporels pour prédire comment un vrai patient réagira. Dans un avenir proche, des patients en chair et en os seront nécessaires dans les phases finales des études. Mais les tests in silico devraient déjà permettre de connaître rapidement et à moindre coût la sécurité et l'efficacité d'une thérapie candidate. En conséquence, le nombre de sujets vivants nécessaires pour les expériences diminuera considérablement.
Les chercheurs façonnent des organes virtuels en saisissant des données anatomiques d'organes réels dans un modèle mathématique. Ce modèle cartographie les mécanismes qui régulent les fonctions d'un organe. Des algorithmes fonctionnant sur des ordinateurs puissants résolvent les équations résultantes et les inconnues mathématiques jusqu'à ce que l'organe virtuel ressemble et se comporte comme son exemple physique.
Des études cliniques sont déjà en cours dans une certaine mesure. Par exemple, l'autorité sanitaire américaine FDA utilise des simulations au lieu de tests humains pour évaluer de nouveaux systèmes de mammographie. L'agence a également publié des lignes directrices pour les dispositifs et les essais de médicaments impliquant des patients virtuels. La médecine in silico accélère les résultats des essais cliniques et atténue les risques. De plus, il peut remplacer les interventions risquées nécessaires pour diagnostiquer certaines conditions ou pour formuler un traitement.
HeartFlow Analysis, un service cloud approuvé par la FDA, permet aux cliniciens d'identifier les maladies coronariennes grâce à des images CT du cœur du patient. Le système utilise ces images pour créer un modèle du sang circulant dans les artères coronaires. Il recherche ensuite les valeurs déviantes. Sans cette technologie, les médecins devraient effectuer une radiographie invasive pour décider si et comment intervenir.
Expérimenter avec des modèles de patients individuels peut également aider à personnaliser le traitement pour un certain nombre de conditions. La médecine in silico est déjà utilisée aujourd'hui dans le traitement du diabète.
La philosophie de la médecine in silico n'est pas nouvelle. Pendant des décennies, toutes sortes de sciences de l'ingénieur se sont appuyées sur des moyens de déterminer le comportement d'un objet donné dans diverses conditions. Les simulations sont utilisées, par exemple, pour concevoir des avions ou des bâtiments. Mais avant que la recherche médicale puisse emboîter le pas, plusieurs obstacles doivent être surmontés.
Un certain nombre d'améliorations sont encore nécessaires pour assurer la puissance prédictive et la fiabilité de cette technologie. Cela signifie, entre autres, que nous devons créer des bases de données de haute qualité avec des données provenant d'une base de patients large et ethniquement diversifiée, comprenant à la fois des femmes et des hommes. De plus, les modèles mathématiques doivent être affinés pour prendre en compte les nombreux processus du corps qui interagissent les uns avec les autres. Et les techniques d'IA issues de la reconnaissance de la parole et des images doivent être adaptées et étendues pour fournir des informations biologiques.
Différents acteurs, tant de la communauté scientifique que de l'industrie, travaillent à ces améliorations. Les exemples incluent des initiatives telles que le projet Living Heart de Dassault Systèmes, le Virtual Physiological Human Institute for Integrative Biomedical Research et Microsoft Healthcare NExT.
Ces dernières années, la FDA et les autorités réglementaires européennes ont déjà approuvé un certain nombre d'applications commerciales. Mais pour répondre aux exigences de la réglementation, il faut encore beaucoup de temps et d'argent. Il sera également difficile de créer une demande suffisante pour ces instruments, compte tenu de la complexité de l'écosystème des soins de santé. La médecine in silico doit être en mesure d'offrir une valeur rentable aux patients, aux cliniciens et aux organisations de santé. Mais ils doivent d'abord accepter la technologie.
