Combler le fossé entre la science des données et la médecine

Même après des études cliniques, on n'est jamais s?r à 100 % de la sécurité et de l'efficacité des nouveaux médicaments. Le spin-off de l'ETH Methodds propose pour ce problème des solutions analytiques sur mesure et des services d'experts dans le domaine de la santé.

Artwork produit par l'intelligence artificielle DALL-E
Source : image générée par l'intelligence artificielle DALL-E

L'industrie pharmaceutique développe en permanence de nouveaux médicaments pour soulager les maladies - et, dans l'idéal, les guérir. Les études cliniques peuvent certes mettre en évidence, dans une certaine mesure, des effets secondaires ou des interactions, mais les tests à cet effet sont limités. Cependant, les données du monde réel, telles que les dossiers médicaux électroniques ou les données de facturation des prestations, aident à mieux évaluer la sécurité, les dommages potentiels et l'efficacité des médicaments - et c'est précisément la force de Methodds. Nous nous sommes entretenus avec les cofondateurs de Methodds, Stefan Weiler et Adrian Martinez de la Torre, pour en savoir plus sur leur technologie et sur ce qu'ils prévoient de faire dans un avenir proche.

Pour qui avez-vous développé cette solution ?
Comme elle est con?ue sur mesure, notre solution peut être utilisée par un large éventail de clients B2B. Nous proposons nos solutions analytiques aux entreprises pharmaceutiques, aux autorités de régulation ou aux h?pitaux. Les sociétés de capital-investissement ou les fonds d'investissement peuvent également utiliser nos solutions, car ils ont souvent plusieurs entreprises médicales dans leur portefeuille et doivent évaluer le potentiel et/ou le risque d'un médicament particulier en cours de développement.

Pourquoi avez-vous développé cette combinaison de données et de médecine ?
Les études cliniques sont menées dans un environnement très contr?lé. C'est pourquoi certains groupes de personnes - comme les femmes enceintes, les personnes handicapées ou les personnes multimorbides souffrant de plusieurs maladies simultanées - sont généralement exclus de ces études. Ces études sont également souvent menées uniquement dans les pays occidentaux ou sont (intentionnellement ou non) fortement orientées vers les hommes. Avec l'émergence de grands ensembles de données électroniques sur la santé et le développement de l'apprentissage automatique, nous pouvons aujourd'hui étudier comment les médicaments sont utilisés au niveau de l'ensemble de la population. En pratique, cela signifie que nous pouvons étudier la sécurité et l'efficacité d'un médicament dans une partie beaucoup plus importante de la population qui n'a pas été incluse dans les études cliniques. Nous pouvons développer de nouvelles méthodes pour détecter des combinaisons nocives qui n'avaient pas été identifiées auparavant, ou nous pouvons évaluer l'efficacité de médicaments déjà sur le marché. Parfois, nous voyons même quand des médicaments ont des effets secondaires positifs qui n'avaient pas été détectés auparavant.

Méthodes
Methodds utilise les dernières méthodes disponibles pour proposer des solutions sur mesure (source : Methodds).
"Nous pouvons évaluer les risques et les avantages potentiels des médicaments et des dispositifs médicaux en adoptant une approche holistique combinée à des techniques innovantes."
Stefan Weiler, cofondateur de Methodds

Comment votre technologie relie-t-elle la science des données et la médecine ?
Nous aidons les entreprises à faire en sorte que leurs médicaments atteignent leur plein potentiel. Selon les cas, nous utilisons différentes bases de données ou combinaisons de sources de données provenant de différents pays et installations, comme les h?pitaux et les autorités de réglementation. Ces bases de données sont par nature très complexes et contiennent une énorme quantité d'informations différentes, comme des diagnostics médicaux, des résultats de laboratoire ou des prescriptions médicales. Chez Methodds, nous utilisons notre technologie et notre expertise médicale pour assembler le tout en un ensemble cohérent. Nous utilisons des méthodes statistiques traditionnelles, des modèles d'apprentissage automatique et d'intelligence artificielle de pointe, ainsi qu'une solide expertise médicale, combinant ainsi tous les outils et connaissances disponibles afin de proposer la meilleure solution de manière interprétable. De nos jours, nous disposons d'ordinateurs suffisamment puissants et de modèles d'IA avancés pour effectuer cette t?che. Une fois que nous avons collecté toutes les données, nous pouvons examiner les connaissances en médecine et vérifier leur plausibilité. Nous comblons ainsi le fossé entre la science des données et la médecine en proposant des solutions analytiques sur mesure et des services d'experts dans le domaine de la santé.

Données
Utilisation de données réelles provenant de différentes sources (source : Methodds)
"Nous pensons que ces nouvelles méthodes, qui combinent des données réelles et l'apprentissage automatique avec l'expertise médicale, vont changer le paradigme de la pratique clinique".
Adrian Martinez de la Torre, cofondateur de Methodds

Quand serez-vous prêt à vous étendre et à développer le produit avec les premiers clients ?
Nous avons créé l'entreprise en 2022. Nous sommes à la recherche de projets et de collaborations au sein de l'industrie pharmaceutique afin de définir plus précisément leurs besoins et de pouvoir leur proposer nos solutions. Nous souhaitons également étudier des projets avec des fonds d'investissement. Nous sommes intéressés par des discussions avec tous les acteurs du secteur de la santé. Nous pensons que ces nouvelles méthodes de combinaison de données réelles et de machine learning avec l'expertise médicale pour évaluer les risques ou les bénéfices potentiels des dispositifs médicaux entra?neront un changement de paradigme dans la pratique clinique. Tous les acteurs du secteur de la santé collectent déjà des données - certains sont même tenus par la loi de le faire - et c'est là que nous pouvons apporter une aide précieuse pour l'interprétation des données. Notre objectif est d'améliorer l'utilisation thérapeutique des médicaments et de réduire les dommages potentiels pour le bien de la société dans son ensemble.

?quipe
Methodds Team : Adrian Martinez de la Torre est biostatisticien et chercheur en science des données. Il a obtenu son doctorat à l'ETH Zurich. Stefan Weiler est médecin, spécialisé en pharmacologie, toxicologie et médecine interne. Il travaille au sein du groupe de pharmaco-épidémiologie à l'ETH Zurich. (Source : Methodds)

Contact/Liens :

site externeMethodds

Vous êtes intéressé(e) par d'autres histoires passionnantes de "News for Industry" ?

Abonnez-vous à notre newsletter

site externeSuivez-nous sur LinkedIn

Vous cherchez des partenaires de recherche à l'ETH Zurich ?

Contacter Relations avec l'industrie de l'ETH

Spin-offs de l'ETH : faits et chiffres :

Depuis 1973, des recherches ont été menées à l' ETH Zurich 540 spin-offs créé. ETH transfer, le service de transfert de technologie de l'ETH Zurich, soutient les spin-offs reconnues de l'ETH dans leur processus de création et dans leurs premières années d'activité.

Bourses pour pionniers

? l'aide de l'outil financé par l'ETH Foundation. Programme de bourses pour pionniers les jeunes chercheurs peuvent développer des produits et des services innovants sur la base de leur travail scientifique à l'ETH Zurich. Une Pioneer Fellowship est attribuée à de jeunes entrepreneurs de l'ETH qui souhaitent développer un produit ou un service particulièrement innovant qui sera utilisé commercialement et/ou au profit de la société.

Découvrez l'entrepreneuriat à l'ETH

Communiqué de presse spin-offs de l'ETH janvier 2023 : Jumeaux numériques, nouvelles thérapies contre le cancer et trois licornes

site externeRapport suisse sur le capital-risque 2023

JavaScript a été désactivé sur votre navigateur.