Unicancer veut accélérer la recherche clinique grâce à la donnée

L’intelligence artificielle et l’exploitation massive des données de santé s’imposent progressivement comme de nouveaux leviers d’accélération de la recherche clinique en oncologie. Dans ce contexte, Unicancer, le réseau français des centres de lutte contre le cancer, pilote deux projets soutenus par France 2030 visant à moderniser les essais cliniques, alors que la médecine personnalisée rend leur organisation de plus en plus complexe.

Le projet Logican-Boost, développé avec la start-up ScreenACT, ambitionne d’utiliser l’intelligence artificielle pour identifier automatiquement les patients potentiellement éligibles à des essais cliniques à partir des données hospitalières.

Le sujet est devenu stratégique pour les acteurs de l’oncologie. Avec l’essor des biomarqueurs et des thérapies ciblées, les populations de patients se fragmentent fortement, compliquant le recrutement des essais. « En oncologie, pour avoir les résultats d’une étude clinique, cela peut prendre cinq ans, voire dix ans », explique Jérôme Lemonnier, responsable de programmes de recherche translationnelle et de nouvelles méthodologies chez Unicancer.

Dans la pratique, les données médicales restent souvent hétérogènes et dispersées entre les établissements. Les outils développés par ScreenACT visent à homogénéiser ces informations afin de les rendre exploitables par des algorithmes. « Cela facilite l’identification du centre où se trouve le patient éligible », souligne Jérôme Lemonnier.

L’objectif est double : accélérer le recrutement des essais cliniques et éviter que certains patients ne passent à côté d’innovations thérapeutiques faute d’avoir été identifiés suffisamment tôt.

3AD-Design : les « patients synthétiques » pour alléger les essais 

Un autre projet soutenu par France 2030, baptisé 3AD-Design, explore un terrain encore plus expérimental : l’utilisation de données artificielles et de « patients synthétiques » pour alléger certains essais cliniques.

On fait de l’augmentation de bras de référence, avec une partie de ces patients qui sont générés de façon artificielle

Mathieu Robain

Le principe consiste à compléter les bras de référence des études avec des patients générés statistiquement à partir de grandes bases de données existantes. « On fait de l’augmentation de bras de référence, avec une partie de ces patients qui sont générés de façon artificielle », explique Mathieu Robain, médecin de santé publique et directeur scientifique chargé de la direction des données d’Unicancer.

Pour les promoteurs d’essais, l’enjeu est majeur : réduire le nombre de patients à recruter tout en conservant une puissance statistique suffisante. « Si on arrive à diminuer le nombre de patients en ayant la même puissance, on réduit d’autant la période d’inclusion », poursuit Mathieu Robain.

Ces approches pourraient devenir particulièrement utiles dans certains cancers rares ou ultraciblés, où les patients éligibles sont peu nombreux. Les équipes travaillent également sur des modèles capables de simuler statistiquement certains événements cliniques avant même qu’ils ne surviennent réellement, notamment sur des critères comme la survie.

La médecine personnalisée bouleverse les essais cliniques

Au-delà de ces projets, l’ensemble du secteur fait face à une transformation structurelle de la recherche clinique. La montée en puissance de la médecine personnalisée multiplie les sous-groupes de patients et complexifie les essais traditionnels. « On est en train de transformer une partie des cancers en maladies rares », résume Mathieu Robain.

Cette évolution allonge parfois fortement les délais de recrutement. Certaines études mettent plusieurs années à inclure suffisamment de patients, alors même que les standards thérapeutiques évoluent rapidement. « Le bras de référence risque d’être obsolète lorsque les résultats sortent », alerte Jérôme Lemonnier.

Des entrepôts de données pour industrialiser la recherche clinique 

Pour accompagner cette évolution, Unicancer s’appuie notamment sur OncoDS, un réseau fédéré d’entrepôts de données de santé déployé dans plusieurs centres de lutte contre le cancer. « Les centres de lutte contre le cancer ont collectivement décidé de partager les données issues de leur activité de soins », indique Mathieu Robain.

Le modèle retenu repose sur une architecture fédérée : les données restent hébergées au plus près des établissements qui les produisent, tout en pouvant être exploitées collectivement pour la recherche.

Ces projets s’inscrivent dans une dynamique plus large de modernisation de la recherche clinique française, soutenue par France 2030, avec un enjeu à la fois scientifique, médical et économique. Pour les industriels comme pour les hôpitaux, réduire de quelques mois la durée des essais cliniques peut accélérer l’arrivée de nouvelles thérapies sur le marché et l’accès des patients aux traitements innovants.