Precision Medicine :
exploiter l'automation & l'AI pour une prise en charge oncologique transformée.

Introduction

Bienvenue à l'intersection des dernières technologies et de la médecine de précision. Nous savons que le traitement du cancer sera demain plus intelligent, plus rapide et plus précisément adapté à chaque personne et à chaque cas. Mais savons-nous comment ?

Ce whitepaper offre une vue d'ensemble des travaux de médecine de précision dans la recherche sur le cancer, et de la façon dont les dernières technologies contribuent au développement de traitements plus personnalisés. Notre objectif : une vision claire de la manière dont la médecine de précision, avec un peu d'aide de l'automation et de l'AI, peut relever les plus grands défis du traitement du cancer et le rendre nettement plus personnalisé et plus efficace.

Les défis de la recherche sur le cancer

Trois défis majeurs pèsent sur les résultats pour les patients et sur l'efficacité globale des systèmes de santé, dans la recherche comme dans le traitement du cancer.

Coûts élevés. Développer et délivrer des thérapies anticancéreuses coûte cher, et les montants peuvent être astronomiques. Une prise en charge oncologique de longue durée, avec ses diagnostics, ses traitements et ses suivis, risque de peser lourdement sur les ressources des patients comme des systèmes de santé.

Inefficacités. Les traitements anticancéreux traditionnels adoptent souvent une approche uniforme. Des patients différents répondent de façon radicalement différente au même traitement, ce qui allonge les durées de traitement, les rend moins prévisibles et augmente les coûts.

Manque de traitements personnalisés. De nombreux traitements anticancéreux ne tiennent pas compte des profils génétiques et moléculaires uniques de chaque tumeur et de chaque patient. Il en résulte des traitements moins efficaces, et les effets secondaires indésirables restent fréquents avec les méthodes disponibles aujourd'hui.

C'est ce qui fait de la médecine de précision un domaine de développement prioritaire : elle réduit les coûts de santé en optimisant les ressources et en limitant les essais-erreurs, elle fait avancer la recherche sur le cancer en améliorant notre compréhension de ses mécanismes, et elle améliore les résultats pour les patients grâce à des stratégies thérapeutiques plus efficaces et moins éprouvantes. La médecine de précision traite la personne, et pas seulement la maladie.

Médecine de précision : le contexte

La médecine de précision, aussi appelée médecine personnalisée, adapte le traitement médical aux caractéristiques individuelles de chaque patient. Le concept existe depuis des décennies, de la découverte des groupes sanguins dans les années 1900 et de la structure de l'ADN dans les années 1950 jusqu'aux marqueurs génétiques des années 1970 et 1990. Il a pris un essor décisif avec l'achèvement du Human Genome Project en 2003, qui a cartographié l'ensemble du génome humain et ouvert une compréhension sans précédent de la variation génétique. Ont suivi la Precision Medicine Initiative des NIH américains (2011) et la Precision Medicine Initiative de la Maison-Blanche (2015) ; les années 2020 ont ajouté les technologies omiques, le machine learning pour les modèles prédictifs et les liquid biopsies comme outils de diagnostic et de suivi peu invasifs.

Aujourd'hui, la médecine de précision est particulièrement présente en oncologie, où le profilage génétique des tumeurs permet des stratégies thérapeutiques sur mesure : thérapies ciblées contre des mutations précises, immunothérapie guidée par des marqueurs génétiques, pharmacogénomique pour prédire la réponse aux médicaments et companion diagnostics qui identifient les personnes susceptibles de bénéficier d'un traitement donné. Des défis subsistent en matière d'intégration et de sécurité des données, de standardisation des tests génétiques et d'accès équitable. Des technologies habilitantes y contribuent : imagerie, génomique et bio-informatique, automation, AI et machine learning, et informatique quantique.

Médecine de précision et oncologie

La médecine de précision s'est imposée comme une approche transformatrice en oncologie, modifiant en profondeur la manière dont le cancer est diagnostiqué, traité et suivi. Son importance tient à plusieurs domaines clés : diagnostics avancés et détection précoce grâce au next-generation sequencing et aux liquid biopsies ; plans de traitement personnalisés adaptés au profil génétique de chaque tumeur ; thérapies ciblées dirigées contre les mutations qui font croître le cancer ; et de meilleurs résultats cliniques, avec des taux de réponse plus élevés, des durées de survie plus longues et une meilleure qualité de vie.

Les études de cas publiées le montrent concrètement. Des patients atteints d'un cancer du poumon non à petites cellules porteur d'une mutation EGFR ont présenté une régression tumorale sous géfitinib, un inhibiteur de l'EGFR. Les patients atteints d'un cancer du sein HER2-positif ont bénéficié du trastuzumab, qui améliore nettement les taux de survie en association avec la chimiothérapie. Dans le mélanome muté BRAF, le vémurafénib a montré une efficacité remarquable. L'imatinib a transformé la leucémie myéloïde chronique, d'une maladie mortelle en une affection chronique maîtrisable, et la thérapie cellulaire CAR-T a conduit à des taux de rémission sans précédent dans la leucémie aiguë lymphoblastique en rechute ou réfractaire.

Comment l'AI contribue aux traitements personnalisés

L'AI peut analyser des informations génomiques, protéomiques et cliniques pour faire ressortir des schémas et prédire les molécules efficaces, ce qui réduit le temps et le coût des essais-erreurs dans la découverte de médicaments. L'automation accélère les flux de travail de laboratoire et les procédures expérimentales, tandis que l'AI soutient la conception des expériences et l'interprétation de données biologiques complexes.

La médecine de précision repose sur d'immenses volumes de données issues du séquençage génomique, des dossiers cliniques et des historiques de patients. Les outils automatisés facilitent la collecte, la conservation et l'exploitation de ces données, et l'AI aide à en dégager les tendances. Des outils de diagnostic alimentés par l'AI analysent les données d'imagerie et de pathologie et détectent cellules cancéreuses et mutations génétiques avec plus de précision que les méthodes traditionnelles. L'analytique prédictive repère des schémas dans de grands jeux de données pour montrer comment la maladie pourrait évoluer, et des outils pilotés par l'AI génèrent des recommandations thérapeutiques personnalisées à partir du profil génétique unique d'un patient.

Intégration intelligente des technologies

Ensemble, médecine de précision, automation et AI délivrent plus efficacement des traitements anticancéreux personnalisés. Le whitepaper rassemble des exemples issus de tout le domaine : des systèmes d'aide à la décision dont les recommandations thérapeutiques ont rejoint celles d'oncologues experts dans 93% de plus de 1'000 cas ; des modèles de deep learning entraînés sur des milliers de scans rétiniens, aujourd'hui adaptés aux lames de pathologie et aux images de radiologie ; des plateformes qui intègrent séquençage génomique, données cliniques et imagerie pour restituer en quelques jours des profils génomiques complets et des options thérapeutiques ; et des algorithmes entraînés sur plus de 100'000 radiographies thoraciques dont les performances sont comparables à celles de radiologues experts.

C'est avec la multiomique que tout cela porte ses fruits pour les traitements ciblés. La combinaison de la génomique, de la transcriptomique et de la protéomique a révélé les biomarqueurs à l'origine de l'osimertinib dans le NSCLC muté EGFR. Des données tumorales multicouches ont mis au jour les voies impliquées dans la résistance aux médicaments. La multiomique a permis de repositionner des médicaments existants vers de nouvelles indications, dans le cancer du sein et dans le mélanome avancé. Roche a appliqué la multiomique pour intégrer les profils génomiques, protéomiques et métabolomiques d'échantillons de patients, identifier des signatures moléculaires qui prédisent la réponse individuelle et améliorer les taux de réponse dans le cancer colorectal métastatique.

Enseignements clés

Rôle déterminant en oncologie. La médecine de précision permet des plans de traitement personnalisés qui tiennent compte des profils génétiques et moléculaires individuels, et donc des thérapies anticancéreuses plus efficaces et moins nocives.

Intégration de l'automation et de l'AI. Ces technologies fluidifient la gestion des expériences et des données, améliorent l'analytique prédictive et rendent possibles des plans de traitement personnalisés. Elles sont essentielles pour maîtriser la complexité et le volume de données qu'exige une médecine de précision efficace.

Impact réel. Des études de cas de grands groupes pharmaceutiques et d'équipes de recherche montrent comment les approches multiomiques, rendues possibles par l'automation et l'AI, ont conduit à des avancées significatives dans la découverte de médicaments, leur repositionnement et les plans de traitement personnalisés.

Perspectives. L'intégration des bonnes technologies conduit à davantage d'innovation en oncologie, de modèles prédictifs plus justes à un développement de médicaments plus rapide et plus économique.