Le 1er novembre 2024, des chercheurs au Royaume-Uni ont dévoilé une technologie révolutionnaire conçue pour estimer le succès des thérapies contre le cancer avant les tests sur les patients. Cette approche innovante consiste à créer des 'jumeaux numériques' de patients réels diagnostiqués avec un cancer, en utilisant des méthodes précédemment employées par des astrophysiciens dans la recherche sur les trous noirs.
La technologie vise à réaliser des essais cliniques virtuels, permettant de sélectionner le traitement le plus adapté pour les individus au début de leur maladie. La Dr Uzma Asghar, cofondatrice et directrice scientifique de Concr, et oncologue au Royal Marsden NHS Foundation Trust à Londres, a présenté les résultats lors du 36e Symposium de l'Organisation européenne pour la recherche et le traitement du cancer à Barcelone, en Espagne.
La Dr Asghar a expliqué que les jumeaux numériques peuvent représenter des patients individuels, faciliter la construction de cohortes d'essais cliniques et comparer l'efficacité des traitements pour prédire les taux de succès avant leur application dans le monde réel. Ce concept, initialement développé par la NASA dans les années 1960, a récemment gagné en importance dans les études impliquant l'intelligence artificielle et les mégadonnées.
Les jumeaux numériques sont générés à partir de données biologiques de milliers de patients cancéreux traités par diverses méthodes, combinées avec des données moléculaires des tumeurs pour recréer des représentations numériques du cancer. Les chercheurs ont utilisé une technologie appelée FarrSight®-Twin, qui emploie des algorithmes pour calculer la probabilité de succès des thérapies potentielles. Ils ont évalué des cas de cancer du sein, du pancréas et des ovaires.
Les patients ayant reçu des traitements recommandés par la technologie ont montré un taux de réponse de 75 %, contre 53 % pour ceux ayant suivi des méthodes alternatives. La Dr Asghar a noté que des développements en cours visent à améliorer la capacité de la technologie à prédire les réponses individuelles aux traitements en milieu clinique, aidant ainsi les médecins à déterminer les options de chimiothérapie les plus efficaces.