L'analyse des biomarqueurs jouent un rôle de plus en plus important dans la compréhension des maladies et l'amélioration de la santé des individus. Définis comme des données comportementales et physiologiques quantifiables et objectives, collectées et mesurées par des dispositifs tels que les implants, les wearables, des modules ingérables ou portables, les biomarqueurs numériques permettent aux entreprises pharmaceutiques de mener des études à distance. Cette approche innovante révolutionne la manière dont le secteur pharmaceutique mène ses recherches et détermine l'efficacité des traitements.

Selon un récent rapport du cabinet Research & Markets, le marché mondial des biomarqueurs numériques devrait connaître un bond spectaculaire, à un taux de croissance annuel moyen de 36 % au cours de la période 2022-2028. Mais traiter les données produites par les biomarqueurs numériques, sans parler d'agir en conséquence, reste un défi. Face à cette problématique, la société pharmaceutique américaine Lilly a décidé de se tourner vers le cloud.

Un cloud fait maison

« Les biomarqueurs numériques offrent des perspectives uniques pour la santé des patients grâce à la collecte continue et passive de données à l'aide de capteurs portables et de technologies fonctionnant à distance. Cependant, pour en tirer le meilleur parti, nous avions besoin d'un cloud pour agréger de grands volumes de données issues des capteurs, effectuer un suivi en temps réel de ces données et analyser les résultats d'une nouvelle manière afin d'explorer les innovations potentielles. La solution devait également être compatible avec de nombreux appareils différents, en fonction de ce qui était mesuré », explique Rich Carter, senior vice-président du Digital office de la firme pharmaceutique américaine Eli Lilly and Co, qui emploie plus de 40 000 personnes dans le monde et a réalisé un chiffre d'affaires de 28,5 Md$ en 2022.

L'équipe informatique de Lilly a exploré le marché à la recherche d'une solution évolutive répondant à court terme à ses besoins. Mais elle n'a trouvé sur le marché aucun cloud de grande capacité qui aille au-delà de l'ingestion et du stockage des données. « Ce qui a incité Lilly à faire appel à ses talents internes et à construire sa propre solution », indique Rich Carter. « Nous avons construit un écosystème adapté à nos besoins, appelé MagnolAI, qui est un cloud dédié avec des capacités complètes pour ingérer, visualiser et transformer en temps réel une grande quantité de signaux issus de capteurs portables provenant des essais cliniques en mesures significatives », reprend le responsable. La plateforme qui en résulte, créée au cours des trois dernières années par une équipe agile et réunissant un large éventail d'expertises issues de multiples fonctions, a valu à Eli Lilly le prix 2023 US CIO 100 Award pour l'innovation et le leadership IT, remis par nos confrères américains de CIO.

Agnostique vis-à-vis des capteurs

MagnolAI ingère les données brutes ou prétraitées de tous les appareils connectés utilisés dans les études cliniques - qu'il s'agisse d'appareils portables standard pour mesurer la fréquence cardiaque ou d'une innovation de Lilly telle que son capteur dédié aux maladies inflammatoires de l'intestin (MICI). La plateforme rend ensuite ces données accessibles aux experts de Lilly, qui créent à leur tour des algorithmes pour mieux comprendre le parcours de la maladie, aider à mesurer l'effet des médicaments de Lilly et créer de nouveaux produits qui favorisent l'évolution positive des patients.

« L'équipe a adopté une approche agnostique vis-à-vis des capteurs lors de la conception et de la mise en oeuvre des capacités data de MagnolAI, ce qui en fait un outil puissant. MagnolAI est suffisamment évolutif pour visualiser les données provenant de différents appareils, les profiler et générer des rapports sur la qualité de ces données et agréger ou synthétiser des données provenant de différents essais cliniques », précise Rich Carter. Mais, selon ce dernier, ce qui distingue le cloud conçu par Lilly, c'est sa capacité à transformer les données en intelligence, alors que la plupart des solutions se concentrent sur la collecte de l'information.

'Human-in-the-loop'

« MagnolAI offre aux utilisateurs des capacités d'analyse uniques : visualiser les données à des échelles et des résolutions adaptées aux objectifs d'analyse, capturer des points de données exacts avec une précision sans précédent et fournir des données sur tout le spectre, du cloud à l'environnement d'analyse, n'importe où et n'importe quand », ajoute le vice-président du groupe pharmaceutique. « Ce niveau de détail et de flexibilité, jusqu'alors inédit dans le secteur, fait de MagnolAI une solution qui change la donne pour les professionnels, qui attendent davantage de leurs plates-formes de capteurs et de leurs données. »

La solution, qui est réservées aux usages de Lilly, a été construite avec un important principe de conception : 'human-in-the-loop', selon l'expression de Rich Carter. « Il s'agit de permettre à nos chercheurs de visualiser les données, de développer des hypothèses initiales sur ces données, de créer des algorithmes pour quantifier et vérifier les hypothèses au travers d'itérations et de cycles d'apprentissage », résume-t-il.

4 millions de données en une journée pour un seul patient

À ce jour, MagnolAI a été utilisé pour soutenir une vingtaine d'essais connectés. Au fur et à mesure de son utilisation, l'équipe de Rich Carter devra développer de nouveaux systèmes, outils et pipelines pour permettre la collecte et l'analyse de nouvelles formes et sources de données - ce qui n'est pas une tâche facile compte tenu des volumes de données concernés. « La capacité à capturer une énorme quantité de données est un défi passionnant, mais au début, il était difficile de donner un sens à cet amoncellement de données, en particulier lorsque nous examinions différents essais », observe Rich Carter. « Dans certains cas, nous recueillons plus de 4 millions de données en une seule journée et pour un seul patient ! »

Pour relever ce défi, des points de terminaison ont été agrégés et exploités afin de mieux comprendre les schémas qui sous-tendent les jeux de données brutes. « Ces phases ont dû être réalisées de manière itérative, car les chercheurs ont développé et validé leurs hypothèses au cours de plusieurs cycles. Nous avons constaté que, pour la recherche médicale, la clé réside dans la création d'un mécanisme qui permet aux chercheurs d'explorer les signaux numériques et d'obtenir des informations par itérations », explique le responsable.

Ensuite, les équipes de Lilly ont dû relever les défis liés à la qualité des données sur l'ensemble du spectre. Car définir les attentes en matière de qualité et contrôler la conformité dans un environnement de données en libre évolution peut rapidement s'avérer difficile. « Nous avons dû analyser les valeurs non valides et les artefacts provenant des capteurs portables. Un autre défi consistait à agréger les informations de conformité du signal à l'analyse, au niveau de la visite sur la plateforme jusqu'à l'étude, ce qui peut s'avérer très monotone. Il est essentiel de rendre compte de la qualité des données de manière efficace tout au long du cycle de vie de celles-ci et cela nécessite des méthodes de travail pragmatiques », relève Rich Carter.

Surveiller la somnolence des patients atteints de Parkinson

Bien qu'il en soit encore à sa phase pilote (MagnolAI sera entièrement déployé dans les 7 à 12 prochains mois), le projet a aidé l'entreprise à bien des égards. Présenté comme la solution visuelle la plus complète pour le Big Data, MagnolAI permet l'exploration et la navigation interactives sur de grands volumes de données et à grande échelle. Son outil de contrôle des données en temps réel a permis à Lilly de suivre rapidement la qualité et la conformité des Big Data dans des essais cliniques basés sur des dispositifs connectés, à l'hôpital ou à domicile. Et ce, tout au long du parcours du patient.

Un exemple de l'utilisation de MagnolAI réside dans l'étude de la somnolence diurne chez les patients atteints de la maladie de Parkinson. « Jusqu'à présent, la façon la plus courante d'évaluer le succès d'un traitement consistait à se baser sur les résultats rapportés par les patients, qui peuvent être très subjectifs. La motivation de l'étude était de permettre la collecte passive du comportement des patients en matière de somnolence diurne au moyen d'appareils connectés. À partir de ces données, les équipes ont développé et déployé un algorithme pour dériver de nouveaux paramètres afin de quantifier les moyennes de la somnolence diurne. Même si Lilly a décidé de ne pas aller de l'avant avec son médicament contre la maladie de Parkinson, l'équipe a pu continuer à utiliser ces informations et ces données pour des études en cours et la surveillance de différents états pathologiques, comme l'apnée obstructive du sommeil », détaille Rich Carter.

« Ce travail novateur a permis à plusieurs équipes de recherche de mettre en oeuvre des dispositifs connectés dans leurs essais, ainsi que le développement de la mesure numérique, dont la génération de données dans cinq études sur la douleur de Lilly, et le développement d'un algorithme pour évaluer, par actigraphie, les grattements nocturnes de patients atteints de dermatite atopique (aussi appelé eczéma, NDLR) chez les patients atteints de dermatite atopique, remportant le prix Top 100 LRL Innovators », détaille-t-il encore.

Ouverture aux partenariats

Le projet a aussi permis de lancer un projet embarquant un cas exemplaire de la technologie IDS (investigational drug service) développée par Lilly, « permettant d'économiser près de 3 millions de dollars par an en évitant de dépendre de fournisseurs de données externes ». Le travail de l'équipe à l'origine de MagnolAI a également été présenté à la conférence IEEE BigData. Enfin, quatre manuscrits sont en cours d'examen par des revues scientifiques prestigieuses et un brevet a été déposé.

Pour l'heure limitée aux usages internes, la plateforme devrait s'ouvrir prochainement à des organisations extérieures pour bâtir des solutions numériques sur mesure. « Lilly recherche des partenaires pour tirer parti de MagnolAI et améliorer cette plateforme dans une logique d'écosystème », indique Rich Carter.

Mais le principal avantage attendu de MagnolAI réside bien entendu dans l'amélioration des résultats en matière de santé. « Au fur et à mesure que nous utiliserons la plateforme dans un plus grand nombre d'essais cliniques, MagnolAI nous aidera à mieux comprendre le parcours de la maladie, à accélérer le développement de médicaments et à fournir des informations qui rationaliseront nos processus et solutions en matière de découverte de médicaments, d'essais cliniques et de traitement », dit Rich Carter. « Nous mesurons la valeur à long terme de MagnolAI et nous nous concentrons sur l'amélioration continue de la plateforme à mesure que nous nous rapprochons du lancement du produit pour l'ensemble du groupe. »