Des avancées récentes en intelligence artificielle (IA) promettent de transformer la découverte de médicaments, mais les essais cliniques continuent à être entravés par des protocoles statiques qui ont connu peu d’évolution. Bien que la science des données, l’apprentissage automatique et l’IA aient enregistré des progrès significatifs, l’application pratique des essais cliniques demeure attachée à des documents fixes qui ne tirent pas parti des enseignements des études précédentes, ni ne s’adaptent aux scénarios opérationnels actuels.
Le problème avec les protocoles statiques
La gestion des essais cliniques repose encore souvent sur des documents non modifiables et des systèmes déconnectés. D’après le Tufts Center for the Study of Drug Development (CSDD), 76 % des essais souffrent d’au moins une modification majeure du protocole, entraînant souvent des retards importants et des coûts additionnels. Ces changements sont fréquemment dus à des choix de conception mal informés, tels que des critères d’éligibilité trop restrictifs ou une charge de travail mal estimée sur site.
Ces protocoles, au centre même des défis opérationnels, définissent la population cible, la collecte de données et l’expérience des participants. Pourtant, leur conception actuelle repose sur des instantanés temporaires, laissant de côté des données opérationnelles essentielles. Les équipes sont contraintes d’agir en réaction, provoquant ainsi des ajustements inadaptés et des défis dans l’exécution des essais. Les protocoles statiques agissent comme des manuels, difficilement interprétables par les systèmes numériques, limitant l’intégration des expériences et des résultats des essais antérieurs dans de nouvelles conceptions.
Des documents statiques à l’intelligence numérique
À présent, l’émergence de l’IA pourrait offrir une nouvelle approche, allant bien au-delà de la simple digitalisation des documents. En affinant les modèles avec des données réelles sur les opérations cliniques, des informations cachées peuvent être converties en données structurées. Ce processus permet d’identifier les frictions et les inadéquations dans les conceptions proposées, avant qu’elles ne soient finalisées, grâce à l’éclairage apporté par des essais réels. De plus, cette technologie peut faciliter la transformation d’un protocole statique en un format numérique et interopérable, favorisant une analyse et une amélioration continue tout au long de l’étude.
Un protocole numérique permet d’accroître l’interopérabilité des systèmes, offrant ainsi une compréhension systémique des activités et résultats des études. Les sponsors, historiquement dépendants d’expertises internes et de données propriétaires, peuvent désormais tirer parti d’informations normalisées issues de nombreux essais, facilitant ainsi une conception plus cohérente et moins sujette aux adaptations imprévues.
La route à suivre
La transition vers des protocoles basés sur des données requiert un changement fondamental dans la perception des équipes d’étude : considérer le protocole non plus comme un livrable fixe, mais comme un cadre évolutif que chaque étude doit alimenter. En intégrant une vision complète des évolutions des protocoles, les sponsors pourront mieux évaluer les attentes qu’ils imposent sur les sites et les participants, permettant également d’anticiper les complexités évitables.
Dans les années à venir, l’intégration de l’IA dans les essais cliniques ne sera pas seulement une mise à jour technologique ; elle sera essentielle pour rendre la recherche plus efficace, plus rapide et davantage centrée sur le patient.
Photo : ThongSam, Getty Images
