Des outils de sélection des patients qui accélèrent les essais cliniques
Par Perceiv AI | Publiée le 14 mars 2022
Problématique et objectifs poursuivis
Problème
- Pour commercialiser un médicament, il faut des essais cliniques réussis, mais les essais cliniques sont longs et chers : 5 à 13 ans et environ 700M $ US pour les phases 1, 2 et 3 (2014).
- 75% des essais cliniques échouent (difficile prévision de l’évolution de l’état de santé des patients)
- La participation des patients non pertinents pour les essais cliniques en Alzheimer coûtent 4,3B $ US
- Pourcentage important de patients invalidés pour les essais cliniques à cause de résultats hétérogènes : 30% des patients avec Alzheimer précoce, 80% des patients avec des symptômes pré-Alzheimer, 90% des patients post-ACS (Acute Coronary Syndrome)
Objectifs
- Prédire la pertinence des patients candidats pour les essais cliniques (Alzheimer, maladies cardiovasculaires)
- Rendre les données des essais cliniques plus homogènes
- Faciliter le succès des essais cliniques
Solution proposée
Solution
Perceiv AI est une entreprise québécoise en santé développant des outils de sélection des patients de manière à faciliter les essais cliniques. Elle vise notamment à accélérer la recherche sur la maladie d’Alzheimer et les maladies cardiaques. Elle a mis pour cela en place une plateforme de prédiction : Foresight™.
Les produits phares de l'entreprise sont les suivants :
- Outil de sélection des patients pour les essais cliniques en Alzheimer
- Outil de sélection des patients pour les essais cliniques en cardiologie
Principe
Foresight est une plateforme de prédiction du devenir clinique court terme (prognostic). Il s’agit d’un outil de sélection et d'enrichissement des patients pour accélérer les essais cliniques. Dans une base de données longitudinales de plus de 550K patients, les patients sont sélectionnés en fonction de la prédiction de l’évolution de leur état de santé pendant l’essai clinique. Elle vise les maladies chroniques : la maladie d’Alzheimer et les maladies cardiovasculaires.
Données
- Imagerie
- Moléculaires
- Cliniques
- Tests sanguins
- Génétiques
Expérience utilisateur
Les données du patient sont entrées dans Foresight™. La plateforme prédit le risque de progression du patient dans sa maladie. Selon le résultat, le patient est intégré ou non à l’essai clinique.
Les données des patients recrutés dans les essais cliniques par l’intermédiaire de Foresight™ sont enrichies et de plus grande qualité, réduisant substantiellement les coûts et le temps des essais cliniques jusqu'à 51% dans certains cas.
Foresight ™ respecte les normes HIPAA et ISO 27001.
Rôle de l'IA
Algorithmes utilisés
- Apprentissage automatique
- Classification
- Calculs statistiques
- Apprentissage profond
- Réseaux neuronaux convolutifs
Retombées obtenues
Retombées principales
Expérience et soins aux patients :
- De 40 à 60% de patients non pertinents écartés
- De 20 à 50% de patients pertinents en plus
Bien-être des équipes médicales :
- Réduction de la durée des essais cliniques
- Réduction du risque d’échec des essais cliniques
- Environ 30-50% de réduction du nombre de patients nécessaires par étude clinique
Santé des populations :
Augmente la qualité des essais cliniques
Coûts de la santé :
- Réduction du coût des essais avec groupes de patients témoins
- Réduction du risque d'échec de l’essai clinique
Génération et diffusion de nouvelles connaissances :
- 2 articles scientifiques publiés
- 5 présentations scientifiques (Conférence internationale de l’Association Alzheimer 2021 et Congrès des Essais cliniques sur la maladie d’Alzheimer 2021)
Développement économique :
- Croissance de 2 à 5 employés entre 2018 et 2021
- Objectifs de +15 employés (scientifiques, développeurs et commerciaux) d’ici le deuxième quart de 2022
Retombées chiffrées :
- Sans Perceiv AI : cohorte faiblement enrichie, 40% de pouvoir détection d’effets significatifs ; coût de la phase 3 : 287M $ CA
- Avec Perceiv AI : cohorte enrichie de haute qualité ; 90% de pouvoir de détection d’effets significatifs ; coût de la phase 3 : 219M $ CA
Publication d’un article montrant qu’il y a un gain d’1 an et épargne de 68M $ CA
Défis relevés
Il est difficile pour les startups d’avoir accès aux financements publics car il faut qu’elles aient déjà des fonds disponibles pour être éligibles (les fonds publics demandent des contributions de la part de l’entreprise à hauteur de 50% dans de nombreux cas). Sans revenus, ni fonds de démarrage, les startups ne peuvent pas obtenir de bourse, donc ne peuvent pas développer leurs produits, ni leurs services.
Conditions de réussite
Équipe mobilisée
- 5 employés à temps plein (dont 4 avec PhD)
- 2 stagiaires
Domaines d’expertise
- Science des données et apprentissage automatique
- Santé, médecine de précision, pharmaceutique
Comité conseil
5 conseillers : Yoshua Bengio (MILA), Betsabeh Madani Hermann (Borealis Ventures), Manon Boisclair (Syantra), Serge Gauthier (Université McGill), Robert Amyot (Medfar)
Collaborations
L’entreprise travaille avec les hôpitaux pour le développement de son produit.
- CHUM
- Douglas Institut universitaire en santé mentale
- Institut de cardiologie de Montréal
- Institut universitaire de gériatrie de Montréal
Elle travaille avec les centres de recherche pour le développement de son produit :
- MILA
- Université McGill
- Université de Montréal
Perceiv AI a bénéficié d’incubation dans des accélérateurs technologiques pour le développement de la compagnie.
- Centech
- CTS santé
- CLSI San francisco
- District3
Financement reçu
- Fonds personnels : en nature (temps de travail des cofondateurs non rémunéré)
- Revenus de ventes
- Bourses publiques (2021) :
- CNRC : projet de 200K $ CA
- CQDM, MEI: projet de 600K $ CA
Étapes du projet
Lancement de Foresight™ appliquée à l’Alzheimer (deuxième quart de 2022)
Étapes du projet - à venir
Lancement de Foresight™ appliquée aux maladies cardiovasculaires (fin 2022)
Développement et optimisation de la plateforme infonuagique (fin 2022)
Contexte d'application de la solution
Clientèle
Perceiv AI fait affaire avec les compagnies pharmaceutiques pour les aider à optimiser leurs essais cliniques.
- Acasti Pharma Inc.
- Dalcor Pharmaceuticals
- VTV Therapeutics
Modèle d’affaires à court terme - B2B
Financement pour la génération de la PI et des bases de données pour les compagnies pharmacologiques
Modèle d’affaires à moyen terme - SaaS
Licence de la solution infonuagique avec algorithmes de prédiction pour les centres de recherche et essais cliniques en développement
Modèle d’affaires à long terme
Base de données de référence pour les essais cliniques dans les centres de recherche
Opportunité de marché
Lancement d’une ronde de financement en 2021 : objectif de 2M $ US d’investissements