Les bras contrôle synthétique pour améliorer l’évaluation des innovations

Ce 1er juillet à Futur4care, l’Alliance pour la recherche et l’innovation des industries de santé (ARIIS), l’association SILICA et Sanofi présenteront une prise de position appelant à faire évoluer les méthodes d’évaluation des innovations en santé. Face aux limites de certains essais cliniques traditionnels, les auteurs défendent le recours progressif aux bras contrôles synthétiques, des cohortes virtuelles construites à partir de données de vie réelle et d’intelligence artificielle. Réunissant industriels, chercheurs, représentants des autorités et experts de la donnée, la rencontre vise également à identifier les conditions permettant à la France de renforcer son attractivité en matière de recherche clinique.

Les essais cliniques randomisés restent aujourd’hui la référence pour démontrer l’efficacité d’un traitement. Pourtant, ce modèle montre ses limites dans certaines situations, notamment pour les maladies rares, les pathologies neurodégénératives ou les populations difficiles à recruter. « Nous avons aujourd’hui des questions auxquelles le gold standard de la recherche clinique ne répond pas », résume Stéphanie Kervestin, déléguée générale de l’ARIIS. Les nouvelles méthodologies, rendues possibles par l’essor des données de santé et de l’intelligence artificielle, ouvrent ainsi la voie à des approches complémentaires capables d’apporter des preuves dans des contextes où les essais classiques deviennent difficiles à conduire.

Construire la confiance pour changer de pratique

Parmi ces nouvelles approches, les auteurs mettent en avant les bras contrôles synthétiques. L’idée consiste à générer, à partir de données existantes, un groupe de comparaison virtuel venant compléter un essai clinique traditionnel. L’objectif n’est pas, à ce stade, de remplacer les groupes contrôles conventionnels, mais d’évaluer progressivement la robustesse de ces nouvelles méthodes. « Notre proposition est d’ajouter un bras contrôle synthétique à des essais comportant déjà un bras traitement et un bras contrôle réel. Cela permet de comparer les deux approches sans mettre en risque l’intégrité de l’essai clinique », explique Cécile Rehby, responsable des affaires publiques chez Sanofi. Cette phase de validation doit permettre d’identifier les éventuels écarts méthodologiques tout en construisant un niveau de preuve suffisant pour convaincre les autorités de santé.

Car le principal obstacle n’est plus technologique. « Aujourd’hui, le matériel et la technologie sont en avance sur l’acceptation. On sait faire beaucoup plus que ce que les autorités sont prêtes à accepter », estime Emmanuel Pham, médecin statisticien et cofondateur de Nova in silico. Selon lui, les capacités de calcul, les entrepôts de données de santé et les modèles d’intelligence artificielle sont désormais suffisamment matures. Les freins sont avant tout méthodologiques, réglementaires et culturels.

Faire évoluer le cadre réglementaire

Pour sortir de cette situation, les auteurs appellent à instaurer un dialogue plus étroit entre industriels, chercheurs, autorités de santé et patients. Ils proposent notamment la création d’un groupe de travail permanent chargé de construire un cadre méthodologique partagé, ainsi que d’un tiers académique indépendant capable d’évaluer la qualité des données et des modèles utilisés. L’enjeu est également de rompre avec une logique où les industriels hésitent à investir faute de doctrine claire, tandis que les autorités disposent de trop peu de cas concrets pour faire évoluer leurs recommandations. « On est dans une situation où chacun attend que l’autre fasse le premier pas », résume Cécile Rehby. Les auteurs défendent ainsi une approche de type « try and learn », reposant sur des expérimentations progressives plutôt que sur un cadre figé avant toute mise en œuvre. « En France, on aime bien tout baliser avant d’avancer. Il faudrait accepter de commencer, d’observer ce qui fonctionne, puis d’améliorer progressivement les méthodes », estime Emmanuel Pham.