I N S I L I A N C E

Conseil personnel de dirigeant(e)s

Expertises de transition pour projets

Univers Santé/HealthTech

images.jpeg

Proposer des expertises de transition pour réduire les risques et améliorer le potentiel médico-économique des projets de recherche Santé/HealthTech  

La recherche pharmaceutique est une activité hautement risquée : les chances de succès en phase clinique sont de seulement 13,8 % en moyenne et varient de 3,4% pour l'oncologie à 33,4% pour les vaccins (Wong, Siah & Lo - MIT - Biostatistics - 2018).

En étroite collaboration avec le Directeur scientifique et les biologistes d'une Biotech cotée*, dans le cadre d'un projet de sélection de molécules d'intérêts à repositionner et à combiner pour traiter une maladie lysosomale (SNC) - une maladie rare d'origine génétique qui frappe des enfants -, nous avons engagé un doctorant à la double formation Biologie/DataScience et 2 ingénieurs NLP pour développer 3 POCs :

 

  • POC 1 = Comment identifier à l’aide de base de données publiques des médicaments modulant une cible neuronale ? Cette POC utilise nos solutions d’IA pour sélectionner des molécules candidates par analyse de corrélation de signatures transcriptomiques. L'analyse de CREEDS, une base de données publique qui propose 875 signatures de 271 molécules contre les signatures du gène défaillant a permis de sélectionner 127 molécules, puis 12 molécules d'intérêt après validation IA/NLP PubMed (Littérature scientifique) --> Au final, notre intervention à leur côté a permis d’identifier 2 nouvelles structures non connues préalablement et qui ont été validées par des approches expérimentales

  • POCs 2 & 3 = Comment synthétiser les effets de 2 787 molécules agréées sur une fonction cellulaire ? Ces POCs ont permis d'extraire 40 142 abstracts PubMed à partir d'une interrogation sur l'activation d'une fonction, d'en analyser le contenu puis de sélectionner et classer par potentiel/score les composés qui l'activent (POC 2) et qui traversent la BHE (POC3) pour identifier 42 molécules d'intérêt --> Au final, notre intervention à leur côté a permis d’identifier 6 nouvelles structures non connues préalablement et qui ont été validées par des approches expérimentales

NB : Par respect de la confidentialité, nous laissons la Biotech cotée intégrer ces POCs à son plan de communication scientifique et financière

 

Nos spécialistes ont appliqué plusieurs approches scientifiques et technologiques sur divers types de données et sur leurs indépendances : tests et sélection d’algorithmes, Deep Learning & réseau de neurones, sélection par occurrence de mots-clés, NLP. 

 

Et nous pensons utile de signaler à la communauté des chercheurs l'obtention d'un résultat qui peut leur bénéficier à tous : l'analyse IA du contenu de 2 000 abstracts ou de 10 articles scientifiques complets PubMed en 1mn.

Un article scientifique est en préparation afin de présenter les processus, données, algorithmes et résultats précis de ces POCs. Il viendra s'ajouter à ceux auxquels nous avons déjà contribué "Innovative Approach in CNS Drug Discovery" (Charvériat, Lafon, Mouthon & Zimmer - Therapies - Mars-Avril 2021) et "Use of RWE in Pharmacology Research" (Charvériat, Darmoni, Lafon, Moore, Veys & Mouthon - en cours de sélection).

 

INSILIANCE a l'expérience de collaborations bilatérales (Biotechs, CHU, laboratoires publics, etc.) et en consortiums (HDH, ANR, PSPC, etc.) et peut donc engager dès aujourd'hui des expertises en médecine, biologie et/ou datascience dans des projets ponctuels bilatéraux ou dans des projets plus longs en consortiums.

images-7.jpeg

Proposer des expertises de transition pour faire progresser des diagnostics et traitements médicamenteux   

Aujourd’hui, seule une personne atteinte de maladie rare sur deux dispose d’un diagnostic précis et la recherche du diagnostic dépasse 5 ans pour plus d’un quart des personnes. L'errance diagnostique est responsable d’une aggravation possible de l'état des malades, d’un retard sur les possibilités de conseil génétique et d’un gaspillage de ressources médicales en raison de la multiplicité des consultations diagnostiques.

Un obstacle majeur à l’identification des maladies rares, à la compréhension de leurs mécanismes, et donc à leur diagnostic, à leur prise en charge et à leur traitement est lié à l’incapacité à collecter des données pertinentes et de qualité, à les apparier, à les analyser et à les échanger. 

 

Il en est de même pour certains diagnostics à poser aux urgences - telle la iatrogénèse médicamenteuse qui représente de 5 et 10% des arrivées - qui, pour être plus précis et plus rapides, ont besoin de solutions d'aides à la décision qui permettent de mieux lier données de vie réelle, littérature scientifique et examens cliniques.

C'est ainsi qu'avec le CHU de Rouen et le laboratoire LITIS, un directeur de projet et un biologiste datascientist ont préparé un projet d'application pour aider au diagnostic de cette iatrogénèse médicamenteuse.

 

Dans le cadre d'un projet bilatéral ou en consortium, INSILIANCE peut mettre à disposition directeurs de projets, médecins, biologistes et datascientists  selon les justes expertises, missions et durées.