"Grâce au jumeau numérique, on ouvre le champ des possibles", Claire Biot, VP santé, Dassault Systèmes

L'Usine Digitale : Depuis quand Dassault Systèmes investit-il dans le secteur de la santé, et qu’est-ce qui a motivé ce virage ?

Claire Biot : Il y a trois dates marquantes dans le domaine de la santé. Nous y sommes rentrés par le domaine des dispositifs médicaux parce qu'après tout une IRM, ce n'est pas très différent d'un avion ou d'une voiture. Il y a de la conception produit, une approche système, de l'électronique, ainsi qu'une couche réglementaire. D'ailleurs, plus d'un dispositif médical sur deux dans le monde est conçu avec nos solutions, notamment avec la marque SolidWorks. 

En 2009, nous avons voulu toucher un public plus large en lançant le projet "BioIntelligence", en partenariat avec les entreprises du G5 Santé, c'est-à-dire les cinq plus grosses entreprises pharmaceutiques qui ont un siège social en France. L'idée était d'avoir une approche système. Dans ce cadre, nous avons créé le "Living map", une cartographie des voies de signalisation de la cellule cancéreuse. Cela nous a confortés dans l'idée que même si nous ne venions pas du domaine de la santé, nous avions une proposition de valeur. 

Cela nous a conduits à l'acquisition d'Accelrys, en 2014, qui est devenue notre marque Biovia. C'est une marque centrée autour de la modélisation des phénomènes biologiques, donc à la fois une composante in silico, le jumeau numérique du candidat médicament, et un pied dans le monde réel avec l'accompagnement des chercheurs à la paillasse. Aujourd'hui, nous avons beau utiliser les logiciels pour avoir des idées de candidats médicaments pour gagner du temps, il y a toujours une étape de test à la paillasse. Donc, la capacité à digitaliser les résultats des expériences permet de gagner du temps sur les expériences suivantes.

En 2019, nous avons acquis Medidata, ce qui nous a permis d'avoir une approche continue du cycle d'innovation d'un médicament, d'un dispositif médical. Avec, nous couvrons le domaine des essais cliniques, qui est la capacité à démontrer l'efficacité et la sécurité d'un médicament chez l'Homme. Mais si vous réfléchissez bien, c'est aussi une manière d'avoir accès à des données de santé qui vont nous permettre de calibrer des jumeaux numériques. 

Enfin, la dernière date marquante est 2023 avec l'annonce du projet "MEDITWIN". C'est un consortium de recherche, dont Dassault Systèmes est le chef de file, qui va s'appuyer sur sept instituts hospitaliers universitaires, un CHU, l'INRIA, ainsi que plusieurs start-up pour créer des jumeaux numériques afin de favoriser les pratiques médicales d'excellence, et notamment favoriser la décision médicale ou le diagnostic médical, en testant différentes manières d'intervenir sur un patient pour choisir la meilleure manière d'intervenir sur le patient grâce à un jumeau numérique personnalisé.

D'un point de vue opérationnel, où en est le projet MEDITWIN ? 

L'accord de consortium a été signé. C'est un consortium de recherche qui implique un grand nombre de participants, donc cela a pris un peu de temps à être finalisé. Actuellement, nous avons une dizaine d'axes de travail avec des groupes de travail lancés. C'est un projet sur cinq ans. 

Combien de personnes au sein de Dassault Systèmes sont aujourd’hui dédiées aux activités liées à la santé ?

Nous ne communiquons pas précisément sur ces chiffres. Globalement, la santé représente 20% de nos effectifs, soit près de 5000 personnes, et 20% de notre revenu. 

Aujourd'hui, le coeur de votre stratégie est le jumeau numérique. Pourriez-vous nous en dire davantage ? 

Un jumeau numérique est une copie numérique. Il s'agit de partager la même représentation d'un phénomène. Le phénomène peut être un objet, un dispositif médical, un médicament ou le corps humain. Et parce que je partage la même représentation, vous et moi, nous sommes capables de voir la même chose et donc parlons le même langage. C'est ce qui permet la collaboration. C'est la première étape. 

La deuxième étape est de pouvoir poser des questions en faisant des simulations. Si j'applique ça à la médecine : si le radiologue et l'oncologue regardent la radio d'un patient, ils ne voient pas la même chose. Le radiologue est extrêmement affûté dans la capacité à analyser des images, sur l'image 2D, il va voir des choses que l'oncologue ne verra pas. Grâce au jumeau numérique de la tumeur du patient, ils seront capables de prendre des meilleures décisions parce qu'ils comprennent mieux certains phénomènes plutôt que de se reposer sur la vision dans l'espace de son collègue.

Le jumeau numérique permet aussi d'explorer le champ des possibles de manière plus large. Par exemple, dans le cadre d'un essai clinique, nous allons tester deux situations : un médicament A et un médicament B chez des patients réels. Et puis, nous allons en tester 100. Demain, si je peux faire un essai clinique avec des jumeaux numériques, on peut facilement tester de nouvelles configurations. Je peux comparer non seulement A et B, mais je peux comparer C, D et E. Ainsi, grâce au jumeau numérique, on ouvre le champ des possibles par la simulation.

Le modèle économique de Dassault Systèmes dans la santé repose-t-il sur la création de jumeaux numériques d’organes prêts à l’emploi, comme le cerveau, ou sur la mise à disposition d’outils permettant aux acteurs de la medtech de concevoir leurs propres jumeaux numériques ?

Nous avons plusieurs business modèles. Je peux vous en présenter quelques-uns. Dans l'industrie de la santé, nous proposons des licences. Par exemple, un industriel de la medtech utilise nos logiciels pour construire lui-même le jumeau numérique des sujets sur lesquels il travaille. C'est un business model de SaaS.

Mais nous avons aussi conscience qu'il y a des équipes, et notamment des entreprises de plus petite taille qui n'ont pas forcément les connaissances, les savoir-faire pour manipuler ces jumeaux numériques, Dans ce cas là, nous avons un business model qui s'appelle "Virtual Twin as a Service". 

Concernant les médecins, nous ne savons pas encore quel business modèle appliquer. C'est notamment l'une des questions auxquelles va répondre le projet MEDITWIN : qui va payer, avec des mécanismes de remboursement si oui lesquels ? Pour cela, il va falloir mesurer le résultat clinique, avoir une validation clinique de l'impact sur le résultat de santé pour le patient, mais aussi mesurer l'impact organisationnel. 

Quel impact la démocratisation de l’intelligence artificielle, et plus récemment l’émergence de l’IA générative, ont-elles eu sur le développement et l’usage des jumeaux numériques ?

Nous travaillons énormément sur ces sujets. En 2024, nous avons co-publié un article scientifique, avec la Food and Drug Administration (FDA), qui démontre la faisabilité d'un essai clinique in silico. Il s'agit du test d'un dispositif médical dans une cohorte virtuelle de patients, c'est-à-dire dans une cohorte de jumeaux numériques de patients. Nous avons généré ces jumeaux numériques à partir de l'imagerie de quelques cas de patients réels. Nous faisons leur jumeau numérique puis nous utilisons l'IA pour créer cette cohorte de patients qui avaient tous des défauts sur une valve du cœur.  

Autre exemple : chez Medidata, nous avons annoncé la mise à disposition d'outils d'intelligence artificielle générative. Ils permettent de gérer les protocoles d'essais cliniques et de les actualiser au cours du temps, y compris d'optimiser le protocole en matière de charge d'impact organisationnel pour les équipes de soins ou des patients. 

L'article scientifique que vous mentionnez semble rebattre les cartes en matière d'essai clinique. Peut-on imaginer, à horizon 5, 10 ou 20 ans, des essais cliniques beaucoup plus nombreux et rapides ? Et sur le plan réglementaire, ce type d’approche aurait-il aujourd’hui plus de chances d’aboutir aux États-Unis qu’en France ou dans l’Union européenne ?

Il y a deux grandes valeurs : gagner du temps et dérisquer. Cela prend énormément de temps de recruter des patients, un tiers des essais cliniques dans le monde est annulé, faute d'arriver à recruter des patients. Si j'ai besoin de ne serait-ce que de passer de 100 patients à 50, je divise le temps d'un essai par deux. Le deuxième aspect est dérisquer les essais cliniques. On appelle cela "décaler la courbe d'apprentissage vers la gauche", donc faire échouer plus rapidement dans le temps les dispositifs qui n'auraient pas vocation à aller jusqu'au bout. 

D'un point de vue réglementaire, la FDA est clairement pionnière. Avant notre publication, ils ont publié une recommandation sur l'utilisation de la simulation dans le cadre du développement de dispositifs médicaux. Il n'existe pas d'équivalent en Europe aujourd'hui.