Un candidat médicament sur dix seulement parvient à franchir l’ensemble des étapes des essais cliniques pour aboutir à sa commercialisation. Une statistique bien connue des acteurs du secteur pharmaceutique, qui pousse les chercheurs à explorer de nouvelles méthodes pour améliorer ces taux d’échec. Selon Le Monde, une piste prometteuse émerge avec l’utilisation de l’intelligence artificielle pour créer des cohortes de patients virtuels et des « jumeaux numériques ».

Ce qu'il faut retenir

  • Moins de 10 % des médicaments testés en essais cliniques obtiennent une autorisation de mise sur le marché.
  • L’IA permet désormais de générer des cohortes de patients virtuels pour enrichir les données des essais.
  • Les « jumeaux numériques » reproduisent les caractéristiques biologiques et physiologiques de patients réels.
  • Cette approche pourrait réduire les coûts et les délais des essais cliniques, tout en limitant les risques pour les participants.

D’après Le Monde, les essais cliniques représentent une étape cruciale, mais aussi un goulot d’étranglement majeur dans le développement des nouveaux traitements. Les laboratoires pharmaceutiques dépensent des milliards chaque année pour tester des molécules, souvent sans garantie de succès. Face à ce constat, des chercheurs misent sur des outils technologiques pour optimiser ces processus. L’intelligence artificielle offre désormais la possibilité de simuler des cohortes de patients à grande échelle, sans recourir à des essais en conditions réelles.

Ces patients virtuels, ou « jumeaux numériques », sont des répliques numériques de profils médicaux existants. Ils permettent de tester l’efficacité et la tolérance de nouveaux médicaments dans des conditions simulées, avant même de recruter des volontaires humains. « Ces modèles reproduisent les caractéristiques biologiques et physiologiques des patients, ce qui offre une alternative crédible aux essais traditionnels », a expliqué un chercheur en biostatistiques interrogé par Le Monde.

Des cohortes virtuelles pour pallier les limites des essais classiques

Les essais cliniques classiques reposent sur le recrutement de participants réels, une étape souvent longue et coûteuse. Les chercheurs doivent non seulement trouver des volontaires correspondant aux critères d’inclusion, mais aussi gérer des contraintes logistiques, éthiques et réglementaires. Selon Le Monde, ces obstacles expliquent en partie pourquoi seulement un médicament sur dix parvient jusqu’à la commercialisation.

Avec les cohortes virtuelles, les scientifiques peuvent contourner certaines de ces difficultés. En utilisant des bases de données anonymisées et des algorithmes d’apprentissage automatique, ils génèrent des milliers de profils de patients simulés. Ces données permettent de prédire les réponses potentielles à un traitement, en tenant compte de variables comme l’âge, le sexe, les antécédents médicaux ou les comorbidités. « On peut ainsi tester une molécule sur une population diversifiée, sans avoir à attendre des années pour recruter les participants », a précisé un expert en pharmacologie cité par Le Monde.

Les « jumeaux numériques » : une révolution en marche

Les « jumeaux numériques » vont encore plus loin en reproduisant fidèlement l’état de santé d’un patient réel. Ces modèles avancés intègrent des données issues de capteurs médicaux, d’imagerie ou de dossiers électroniques pour simuler des réactions physiologiques. Ils sont particulièrement utiles pour étudier des maladies rares ou des pathologies complexes, où le recrutement de patients est particulièrement difficile.

Selon Le Monde, plusieurs laboratoires et startups travaillent déjà sur ces technologies. Aux États-Unis, des entreprises comme Unlearn.AI ou Deep 6 AI développent des plateformes permettant de créer des jumeaux numériques à partir de données médicales. En Europe, des initiatives similaires voient le jour, portées par des collaborations entre hôpitaux, universités et entreprises tech. « Ces outils pourraient transformer la recherche clinique en réduisant les coûts et les délais, tout en améliorant la précision des résultats », a souligné un chercheur européen contacté par Le Monde.

Et maintenant ?

Si les avancées sont prometteuses, leur adoption à grande échelle dépendra de plusieurs facteurs. Les autorités réglementaires, comme l’Agence européenne du médicament (EMA) ou la Food and Drug Administration (FDA) aux États-Unis, devront valider ces méthodes avant qu’elles ne soient intégrées aux procédures d’autorisation. Une réunion est prévue en novembre 2026 pour discuter des cadres réglementaires encadrant l’utilisation de l’IA dans les essais cliniques. Par ailleurs, les questions éthiques et de protection des données resteront au cœur des débats.

Reste à voir si ces innovations parviendront à inverser la tendance actuelle. Selon Le Monde, même avec ces outils, le taux de réussite des médicaments pourrait ne pas dépasser 20 % d’ici 2030, mais chaque point de pourcentage gagné représenterait un gain considérable pour les patients et les systèmes de santé.

Non, ces outils viennent en complément des essais traditionnels. Ils permettent de réduire le nombre de participants nécessaires ou de cibler plus efficacement les populations à risque, mais les essais en conditions réelles restent indispensables pour valider l’efficacité et la sécurité d’un traitement, selon Le Monde.