Multi-scale and longitudinal data modeling in pharmacology: toward digital pharmacological twins

Le projet DIGPHAT développe des jumeaux numériques pharmacologiques, c’est-à-dire des modèles capables de représenter le comportement d’un médicament chez un patient afin d’aider à choisir et ajuster le bon traitement, à la bonne dose, au bon moment. L’objectif est de combiner modélisation mécanistique, statistique, intelligence artificielle et données cliniques et biologiques pour améliorer la médecine de précision en transplantation, infectiologie et cancérologie.

Depuis le démarrage du projet, plusieurs avancées importantes ont été obtenues. Des approches d’apprentissage profond de type Neural LatentODE ont été développées pour intégrer des données longitudinales multimodales (exposition médicamenteuse, biologie, clinique, survie). En parallèle, d’importants travaux ont été menés sur les données synthétiques et la confidentialité pour différents types de données (omiques, longitudinales etc…) avec la comparaison de plusieurs méthodes de génération.

Le projet a également progressé sur les modèles hybrides combinant connaissances pharmacologiques et IA. Des améliorations majeures ont été apportées à la methode HDTwinGen dévelopée par Cambridge (UK) pour la rendre applicable à des cas concrets : amélioration du solveur numérique, sélection de modèles par BIC, prise en compte d’un cadre de population, avec des applications sur données simulées puis sur données réelles en cancérologie et transplantation.

Sur le volet biomarqueurs, un cadre méthodologique robuste a été mis en place pour comparer les méthodes de sélection de variables et a été implémenté dans un outil open source avec interface graphique, ROOFS.

Le projet avance aussi sur la combinaison bayésienne de modèles PK/PD, l’inventaire et la gradation de modèles existants de la littérature, ainsi que sur des modèles expérimentaux innovants, notamment une base structurale de transporteurs pharmacologiques.

Ces avancées ont déjà donné lieu à plusieurs publications, prépublications et communications internationales. Une publication de synthèse présentant le projet et son consortium a été publiée dans la revue Thérapie. Les principaux défis restent l’accès à certaines données multimodales et leur harmonisation, mais les développements méthodologiques se poursuivent activement.