Le potentiel des biomarqueurs prédictifs basés sur l’IA pour accélérer l’oncologie de précision

Auteurs:

  • Christelle Fasano, Senior Director, Business Development, Pharma & Biotech
  • Kim Phan, MSc, PhD – Biostatistics Research Scientist 
  • Cecile Low-Kam, MSc, PhD – Biostatistics Research Scientist 
  • Kam Kafi, MD, CM – Director – Oncology and Clinical Strategy 


INFORMATIONS CLÉS

  • L’intelligence artificielle (IA), lorsqu’elle est associée à l’accès aux données en vie réelle, peut accélérer le plein potentiel de l’oncologie de précision, et plus largement de la médecine de précision.
  • Un processus rigoureux et transparent est nécessaire. Dès le départ, tous les facteurs susceptibles d’influencer le succès de développement d’un biomarqueur prédictif basé sur l’IA doivent être pris en considération afin de maximiser les chances de réussite du projet.
  • Les industriels de la santé peuvent accéder à de nouvelles ressources via l’IA pour renforcer les stratégies d’enrichissement prédictif des essais cliniques et éclairer les décisions relatives aux parcours patients, tout en personnalisant les soins de santé.
  • Un exemple concret est inclus et illustre l’application d’un modèle d’apprentissage profond pour prédire les résultats cliniques chez les patients atteints de cancer avancé du poumon non à petites cellules et traités par des inhibiteurs de points de contrôle immunitaire (ICI).

La médecine de précision vise à offrir à un patient, ou à un sous-groupe de patients, un traitement et prévention de la maladie dont il a été démontré qu’ils sont d’une efficacité optimale ou bénéfiques pour eux, en fonction de leur prédisposition génétique, de leur environnement et de leur mode de vie.

Alors que la médecine de précision n’est pas une nouvelle approche, les progrès de la biologie et de la connaissance des pathologies combinés à l’amélioration des technologies de collecte de données, ont permis de générer des quantités considérables de données de santé. L’IA a le pouvoir d’extraire les informations pertinentes de ces grandes quantités de données et de les transformer en connaissances exploitables qui permettent de prédire la maladie et de cibler les thérapies.

Chez Imagia, nous utilisons l’IA pour accélérer les découvertes en oncologie de précision et révéler des informations précieuses qui amélioreront les résultats cliniques des patients – et cela sans compromettre la protection des renseignements personnels des patients.

Biomarqueurs prédictifs basés sur l’IA : une application en vie réelle

Les biomarqueurs prédictifs sont «utilisés pour identifier les individus qui sont plus susceptibles que des individus similaires ne disposant pas du biomarqueur de subir un effet favorable ou défavorable à la suite d’une exposition à un produit médical ou à un agent environnemental».

Ainsi, les biomarqueurs prédictifs peuvent être appliqués de manière fructueuse dans le cadre d’essais cliniques afin d’améliorer les stratégies d’enrichissement. Une stratégie d’enrichissement prédictif utilise des biomarqueurs pour identifier plus rapidement et plus efficacement les patients qui sont plus susceptibles de répondre à un traitement, ainsi que pour déterminer la stratification de la cohorte. Les biomarqueurs prédictifs peuvent également contribuer à éclairer les décisions de soins aux patients, par exemple en identifiant un traitement susceptible d’être plus bénéfique pour un profil de patient donné.

Un exemple de biomarqueurs prédictifs est celui des inhibiteurs de points de contrôle immunitaire (ICI), qui sont de nouveaux agents thérapeutiques utilisés notamment dans le traitement des patients atteints de cancer du poumon non à petites cellules (NSCLC). Comprendre la nature dynamique des interactions entre le système immunitaire d’un patient et une tumeur génère des volumes de données variées qui sont difficiles à interpréter. L’utilisation de l’IA dans le processus de découverte est une approche prometteuse pour analyser ces données complexes afin d’adapter les plans de traitement et d’améliorer les résultats cliniques des patients en leur proposant plus rapidement un traitement efficace.

Le potentiel des biomarqueurs basés sur l’IA est bien illustré dans ce projet mené par Imagia et nos cliniciens-chercheurs EVIDENS: Un modèle d’apprentissage profond pour prédire les résultats cliniques chez les patients atteints d’un cancer du poumon non à petites cellules avancé et traités par des inhibiteurs de points de contrôle immunitaires.

Le processus de découverte de biomarqueurs basé sur l’IA chez Imagia

Chez Imagia, nous conduisons le processus de découverte d’un biomarqueur basé sur l’IA en étroite collaboration avec notre partenaire pharmaceutique, depuis la définition des besoins cliniques et commerciaux jusqu’à la phase de découverte du biomarqueur pouvant aller jusqu’à la stratégie de productisation.

Notre processus séquentiel et multidimensionnel est piloté par une équipe multidisciplinaire de professionnels, ainsi que par un vaste réseau de collaborateurs via l’écosystème de notre plateforme EVIDENS.

Notre processus est conçu pour gérer les données massives et multimodales qui existent dans le domaine de la santé – auxquelles nous devons avoir accès puis qui doivent être exploitées, structurées et analysées – et cela tout en protégeant les renseignements personnels des patients.

Pour ce faire, nous nous appuyons sur notre savoir-faire pointu en matière d’apprentissage automatique, notre expertise clinique, une approche de respect de la vie privée dès la conception et une phase de validation robuste. L’ensemble de la séquence est soutenu par des standards industriels de gestion de projet.

Biomarqueurs

Tous les facteurs susceptibles d’influencer la réussite du développement d’un biomarqueur prédictif basé sur l’IA sont pris en considération afin de maximiser les chances de succès du projet.

  • Besoin clinique et valeur commerciale. En considérant l’approche actuelle du parcours de soins et la nécessité d’optimiser la prise en charge du patient et/ou de personnaliser la stratégie thérapeutique, nous définissons l’objectif clinique et les bénéfices attendus par l’utilisation de l’IA dans le processus de découverte.
  • Intention d’utilisation. Le plan de développement du biomarqueur est ajusté en fonction du contexte d’utilisation prévu. Comme par exemple en support d’un essai clinique, dans le cadre d’une étude en vie réelle, pour garantir l’utilisation appropriée d’un médicament commercialisé ou encore pour développer un outil d’aide à la décision clinique.
  • Sources de données multiples. Il peut s’agir de données en vie réelle auxquelles nous avons accès via notre plateforme EVIDENS dans le cadre de partenariats collaboratifs, de données d’essais cliniques, de résultats rapportés par les patients, de registres, etc. Cela a un impact sur:
    • le niveau de préparation des données nécessaire pour générer un ensemble de données prêtes pour l’IA et répondant à un statut de données de qualité réglementaire,
    • le lien entre les données,
    • l’infrastructure et les règles d’accès aux données (sur site ou dans le cloud),
    • les questions de gouvernance et de sécurité des données, et la conformité aux normes internationales (HIPAA, PIPEDA, RGPD).
  • Types de données et qualité. Les données peuvent être non structurées ou structurées et prendre de nombreuses formes – texte, images, génomique, entre autres. Ce facteur, associé à la quantité de données à la représentativité et à la richesse des données, a une incidence sur le prétraitement des données et sur le processus de conception des biomarqueurs.
  • Développement de modèles. Une multitude d’approches d’IA peuvent être étudiées et utilisées, notamment l’apprentissage machine auto-évolutif, l’apprentissage profond en radiomique, l’apprentissage multimodal, l’apprentissage par transfert ou le traitement automatique du langage naturel (TAL). La solution d’IA choisie est adaptée au candidat biomarqueur visé et aux types de données. Les modèles sont d’abord évalués en fonction de leur performance prédictive, de leur interprétabilité, des biais possibles, de leur reproductibilité et de leur généralisabilité. Le plan et la méthodologie statistiques sont un point central de discussion pour l’architecture, l’entraînement et la validation du modèle d’IA. Les biomarqueurs candidats font l’objet d’une validation plus poussée par rapport à l’objectif poursuivi et/ou sont évalués pour leur intérêt clinique.
  • Le respect de la vie privée dès la conception. La généralisabilité et la validation des apprentissages sur différents jeux de données, sans déplacer les données de leur emplacement, sont facilitées par notre approche avancée d’apprentissage fédéré. Cela nous permet de préserver la protection des renseignements personnels des patients tout en élargissant l’apprentissage à d’autres données . Le cas échéant, la confidentialité peut également être renforcée par l’utilisation d’un cryptage homomorphique.
  • Environnement réglementaire. Si le candidat biomarqueur est destiné à devenir un produit de qualité clinique réglementé, comme par exemple un logiciel à titre de dispositif médical, une stratégie réglementaire est préparée et mise en œuvre dès le stade de la preuve de concept. Imagia Healthcare Inc. est certifiée ISO 13485 et peut gérer l’étape de productisation d’un biomarqueur basé sur l’IA.

Notre processus de découverte de biomarqueurs repose également sur des principes fondamentaux tels que la traçabilité, la sécurité et la transparence afin de faciliter l’adoption de l’IA par les cliniciens, l’industrie et les organismes réglementés, garantissant ainsi le plein potentiel de la médecine de précision.

Ce processus est conçu pour accélérer la découverte et la transformation de candidats prometteurs en biomarqueurs robustes basés sur l’IA  qui peuvent être déployés dans un contexte médical. Ils pourront ainsi contribuer à l’atteinte de notre objectif ultime qui est d’améliorer les bénéfices cliniques au profit des patients..

Pour en savoir plus sur le processus de découverte de biomarqueurs d’Imagia et sur la manière dont vous pouvez insuffler de la valeur dans votre développement clinique ou vos études en vie réelle grâce à de puissantes capacités d’IA, communiquez avec nous en écrivant à [email protected]  ou  en remplissant ce formulaire.

Related posts

Mise sur le marché d'un dispositif médical d'IA réglementé - les 5 pièges de conformité courants qui entravent le développement

Mise sur le marché d'un dispositif médical d'IA réglementé - les 5 pièges de conformité courants qui entravent le développement

Lorsque l’on considère la masse de données qui existe dans le domaine des soins de santé – de l’imagerie aux demandes d

...
En savoir plus
Le potentiel des biomarqueurs prédictifs basés sur l'IA pour accélérer l'oncologie de précision

Le potentiel des biomarqueurs prédictifs basés sur l'IA pour accélérer l'oncologie de précision

La médecine de précision vise à offrir à un patient, ou à un sous-groupe de patients, un traitement et prévention de la maladie dont i

...
En savoir plus
La génomique chez Imagia :                                  Comment l'IA peut aider à libérer le pouvoir clinique des données génomiques

La génomique chez Imagia : Comment l'IA peut aider à libérer le pouvoir clinique des données génomiques

Les données génomiques ont le potentiel d’être cliniquement utiles, mais leur utilisation est aujourd’hui très limitée R

...
En savoir plus