Jean Pierre LAROCHE 26 Juin 2025 Clics : 58

Jumeaux numériques médicaux

Frank Diana - Futuriste chez TCS " Un jumeau numérique d'une ville pourrait aider les gouvernements locaux à se préparer et planifier les catastrophes, tandis qu'un jumeau numérique d'un cœur humain pourrait aider les médecins à prédire l'impact de nouveaux médicaments ou techniques chirurgicales. » Les jumeaux numériques sauveront des vies, faciliteront l'expérimentation et l'innovation des entreprises, et transformeront de nombreuses facettes de notre façon de vivre et de travailler "

Tommaso Mansi - Ingénieur chez Siemens Healthineers" Un modèle physiologique personnalisé à vie mis à jour à chaque analyse, examen, qui permettrait une prévention centrée sur la personne et un traitement holistique "

Medical digital twins: enabling precision medicine and medical artificial intelligence . Jumeaux numériques médicaux : permettre la médecine de précision et l'intelligence artificielle médicale

Sadée, Christoph et al.

The Lancet Digital Health, Volume 0, Issue 0, 100864

https://www.thelancet.com/journals/landig/article/PIIS2589-7500(25)00028-7/fulltext?dgcid=raven_jbs_aip_email

Article libre d'accès

La notion de jumeaux numériques médicaux gagne en popularité tant au sein de la communauté scientifique que du grand public.

Cependant, l'enthousiasme récent s'explique en grande partie par l'absence de consensus sur leurs fondements.

Les jumeaux numériques trouvent leur origine dans le domaine de l'ingénierie, où une copie virtuelle constamment mise à jour permet l'analyse, la simulation et la prédiction d'un objet ou d'un processus réel.

Dans cet article de politique de santé, nous évaluons ce concept dans le contexte médical et présentons cinq composantes clés du jumeau numérique médical :

* le patient,
* la connexion aux données,
* le patient in silico, l'interface
* la synchronisation des jumeaux.

Nous examinons comment diverses technologies clés en matière de données multimodales, d'intelligence artificielle et de modélisation mécaniste ouvriront la voie à leur adoption clinique et fournissons des exemples relatifs à l'oncologie et au diabète.

Nous soulignons le rôle de la fusion de données et le potentiel de l'intégration de l'intelligence artificielle et de la modélisation mécaniste pour pallier les limites de l'IA ou de la modélisation mécaniste utilisées indépendamment.

Nous soulignons notamment comment le concept de jumeau numérique peut soutenir les performances des vastes modèles de langage appliqués en médecine et son potentiel pour relever les défis des soins de santé. Vous conviendrez que ce document sur la politique de santé aidera à guider les scientifiques, les cliniciens et les décideurs politiques dans la création de jumeaux numériques médicaux à l’avenir. Il les aidera également dans la traduction de ce nouveau paradigme prometteur de la théorie à la pratique clinique.

L'objet physique est décrit par une multitude de modalités de données différentes (par exemple, dossiers médicaux électroniques, études d'imagerie et données génétiques), qui sont traitées et combinées grâce à des approches de fusion de données formant la connexion de données. Les informations combinées sont transmises au modèle patient in silico pour visualiser la maladie, évaluer le pronostic et simuler les traitements. L'interface, grâce à l'intelligence artificielle (IA), permet à l'équipe clinique et au patient de sélectionner un plan de traitement optimal en fonction du patient in silico. Le cycle se répète à mesure que de nouvelles données patient sont disponibles, synchronisant ainsi le patient et le patient in silico (synchronisation jumelle). Figure créée avec BioRender.com .

Le processus de création d'un jumeau numérique médical commence par des données multimodales. Les approches d'intelligence artificielle (IA) sont particulièrement bien placées pour prédire et extraire des paramètres à partir de sources de données complexes, telles que la taille de la tumeur et les descripteurs issus de tests ou de scores de risque génétique. De plus, l'IA peut intégrer différents paramètres pour prédire le pronostic de la maladie et la réponse au traitement, ne nécessitant qu'une compréhension limitée de la maladie. En revanche, la modélisation mécaniste peut intégrer les mécanismes de la maladie et des paramètres spécifiques au patient pour prédire le pronostic de la maladie et la réponse au traitement, mais elle est limitée à des systèmes plus simples et bien compris, car elle repose sur des relations mathématiques bien définies. La fusion de l'IA et de la modélisation mécaniste permet de créer des modèles haute fidélité, tels que le patient in silico, qui intègrent des types de données complexes avec une connaissance a priori de la mécanique de la maladie. EDO = équation différentielle ordinaire. EDP = équation aux dérivées partielles. Figure créée avec BioRender.com

La stadification rétrospective des données permet de construire des jumeaux numériques médicaux à partir des données existantes. Les données sont segmentées en fonction des schémas thérapeutiques, puis progressivement transmises au jumeau numérique médical pour mise à jour et formulation de prédictions. Les études rétrospectives sont précieuses pour la validation in silico des patients et la quantification des incertitudes. Nous illustrons ici un jumeau numérique médical permettant de prédire l'évolution de la taille tumorale et de la charge mutationnelle après chaque étape de traitement, à partir de données rétrospectives. Figure créée avec BioRender.com .

UN EXEMPLE

Jumeaux numériques médicaux en oncologie

"La prise en charge du cancer dépenden même temps des caractéristiques du patient ett de la compréhension de la dynamique tumorale.

Des jumeaux numériques médicaux capables d'intégrer ces deux caractéristiques ont été proposés comme la prochaine étape vers la médecine personnalisée.

En oncologie, les jumeaux numériques médicaux font l'objet de recherches rigoureuses, leur intégration clinique n'en étant qu'à ses débuts.

De nouvelles approches thérapeutiques, telles que la thérapie adaptative, connaissent des succès précoces tout en reflétant les principes simplifiés des jumeaux numériques médicaux.

La thérapie adaptative intègre en continu les données des patients dans un modèle de cancer afin de prédire l'accumulation de résistance tumorale et d'adapter le traitement pour prévenir cette résistance.

Dans un essai clinique mené par Zhang et ses collègues, dans lequel une telle approche a amélioré les résultats liés au délai de progression et à la survie globale chez les patients traités pour un cancer de la prostate, la tumeur a été modélisée comme deux populations cellulaires, l'une sensible au traitement par abiratérone et l'autre résistante. Conformément à la théorie de l'évolution, on pense que les cellules résistantes subissent un coût en raison du maintien du mécanisme de résistance.

Au cours de l'essai clinique, au lieu d'éliminer toutes les cellules sensibles avec un traitement prolongé par abiratérone, le traitement a été interrompu lorsque les taux d'antigène prostatique spécifique sont tombés en dessous de 50 % ,le traitement a été repris ultérieurement lorsque ce seuil a été dépassé. L'arrêt et la reprise précoces du traitement facilitent la compétition entre les populations résistantes et sensibles et préviennent le développement d'une résistance au traitement. Dans une analyse rétrospective supplémentaire spécifique au patient menée par Silva et ses collègues, les schémas de croissance tumorale ont été simulé sur la base d'une modélisation mécaniste de la dynamique évolutive de chaque patient. Il est à noter que, dans cette approche rétrospective, semblable à celle décrite dans la section précédente, les profils de croissance simulés correspondaient aux taux d'antigène prostatique spécifique observés. De plus, le modèle mécaniste prédit une survie sans progression prolongée même en cas d'arrêt précoce de l'abiratérone.

Dans le cadre de cette application de jumeau numérique médical, le patient est le cancer de la prostate tel qu'il a été décrit par des analyses sanguines et des marqueurs génétiques.

La connexion des données est simplifiée au biomarqueur de l'antigène prostatique spécifique indiquant les niveaux de cancer. Le patient in silico est construit plus en détail dans la composante rétrospective de l'étude et utilise les équations de Lotka-Volterra, un type de modèle de croissance mécaniste de compétition. Ces dernières permettent de visualiser la croissance tumorale, de pronostiquer la croissance future et de simuler la croissance en fonction de différents intervalles de dosage.

Par l'approche rétrospective, aucune interface n'est implémentée.

La synchronisation du jumeau est simplifiée à l'administration d'abiratérone en fonction de l'évolution de la concentration d'antigène prostatique spécifique et spécifique au patient. Globalement, l'étude de Zhang et ses collègues souligne le potentiel d'un jumeau numérique médical, tout en soulignant les améliorations nécessaires, telles que la personnalisation du modèle pour le patient et la création d'une interface pour l'administration finale. Des approches similaires sont en cours en radiothérapie adaptative, où les traitements sont adaptés aux changements anatomiques et physiologiques du corps du patient pendant le traitement.

Ces exemples d'approximations de jumeaux numériques en oncologie sont prometteurs. Ainsi, ils permettent d'extrapoler et de conceptualiser des jumeaux numériques médicaux susceptibles d'être créés au moment du diagnostic de cancer. Ces modèles pourraient simuler à la fois les cellules d'une tumeur, et l'évolution globale de la santé du patient. Cette représentation virtuelle pourrait aider les patients et les professionnels de santé à évaluer plus efficacement les risques et les bénéfices des différentes options thérapeutiques. Reprenant les antécédents médicaux du patient (données démographiques, comorbidités, allergies et mode de vie), la symptomatologie du cancer (état fonctionnel et symptômes) et les caractéristiques tumorales (radiologie, pathologie, profilage génétique, transcriptomique et métabolomique), elle permet de réaliser cette évaluation. De plus, le patient in silico pourrait même prédire les complications potentielles de chaque traitement, contribuant ainsi à accélérer et à optimiser les soins. Il incombe aux médecins, aux scientifiques et aux médecins-chercheurs de traduire ces technologies prometteuses en pratique clinique.

Conclusion

De nombreux modèles informatiques existants sont rebaptisés « jumeaux numériques ». Dans ce document de politique de santé, nous avons cherché à définir le concept général de jumeaux numériques. Nous avons également cherché à défendre les cinq piliers des jumeaux numériques médicaux : le patient, la connexion aux données, le patient in silico, l’interface et la synchronisation des jumeaux. L’évolution en temps réel de tous les composants différencie les jumeaux numériques des approches de modélisation conventionnelles. Par conséquent, nous proposons des stratégies pour la conception d’un jumeau numérique médical, en tenant compte des avancées récentes de l’IA et de leur rôle potentiel pour relever les défis des soins de santé. Pour illustrer leur utilisation, nous présentons des exemples d’utilisation de cadres de jumeaux numériques médicaux pour traiter le cancer et le diabète. s conclusions sont également pertinentes pour les bailleurs de fonds, les établissements de santé et les décideurs politiques, qui joueront un rôle essentiel dans la réalisation du potentiel des jumeaux numériques médicaux pour améliorer les résultats tout en assurant la viabilité économique à long terme des soins de santé. Ce document de politique de santé guidera certainement les chercheurs et les utilisateurs dans la création de jumeaux numériques médicaux pour le bien-être et d’autres applications thérapeutiques à l’avenir, et inspirera des discussions interdisciplinaires qui contribueront à traduire ce nouveau paradigme prometteur concrètement en clinique."

SYNTHESE
Cette politique de santé examine le concept émergent de "jumeaux numériques médicaux", des répliques virtuelles dynamiques de patients conçues pour améliorer les soins de santé personnalisés. Le document définit les cinq composantes clés de ces jumeaux – le patient, la connexion de données, le patient in silico, l'interface et la synchronisation des jumeaux – en expliquant comment ils diffèrent des modèles conventionnels par leur mise à jour continue. Il met en lumière le rôle des avancées technologiques, notamment l'intelligence artificielle et la modélisation mécaniste, comme catalyseurs de leur adoption clinique. L'article illustre ensuite leur application pratique dans le traitement du cancer et du diabète, soulignant leur potentiel à réduire les inégalités en matière de soins et à optimiser les résultats pour les patients. (NotebooKLM)

Avis PERPLEXITY/IA

Explications simples : Jumeaux numériques en médecine

Qu'est-ce qu'un jumeau numérique en médecine ?

Un jumeau numérique en médecine est une copie virtuelle d'un patient, d'un organe ou d'un processus médical créée à l'aide de données provenant de diverses sources comme l'imagerie médicale, les informations génétiques et les données physiologiques.

Cette réplique numérique est continuellement mise à jour avec des données en temps réel pour refléter l'état actuel du patient ou du système qu'elle représente. Les professionnels de la santé utilisent ces jumeaux numériques pour simuler et prédire les résultats, tester différentes options de traitement et optimiser les plans de soins.

Le concept consiste à créer des données simulées à partir d'un modèle ou d'un algorithme alimentés par des données antérieures de patients réels. L'intelligence artificielle traite ensuite toutes ces informations afin de tirer des conséquences prédictives très utiles pour la médecine.

Applications pratiques des jumeaux numériques en médecine

Diagnostic et traitement personnalisé

Les jumeaux numériques permettent aux médecins de créer des modèles personnalisés intégrant la constitution génétique unique, les facteurs de style de vie et les antécédents médicaux de chaque patient. Cette approche permet de développer des plans de traitement spécifiquement adaptés aux besoins individuels, augmentant ainsi les chances de succès thérapeutique.

La technologie facilite également l'obtention de diagnostics précis et rapides en analysant les données et symptômes des patients. Les jumeaux numériques peuvent simuler diverses situations diagnostiques, aidant à identifier des patterns qui pourraient être manqués par les méthodes traditionnelles.

Médecine préventive et prédictive

En analysant les données historiques et les tendances actuelles, les jumeaux numériques peuvent identifier les individus à haut risque, prédire les complications potentielles et recommander des mesures préventives. Cette approche proactive permet aux prestataires de soins d'intervenir précocement, de prévenir les événements indésirables et d'optimiser les plans de traitement.

Tableau des applications par spécialité médicale

Spécialité médicale	Application du jumeau numérique	Avantages principaux
Cardiologie	Modélisation 3D du cœur pour simuler interventions et tester dispositifs (pacemakers, valves)	Prédiction des résultats, réduction des risques, personnalisation des traitements 7
Chirurgie	Planification préopératoire avec modèles 3D des organes à partir d'IRM et de scanners.	Réduction des erreurs, optimisation des interventions, formation des chirurgiens
Oncologie	Test virtuel de différentes chimiothérapies sur le "double numérique" du patient	Choix du protocole le plus efficace avec moins d'effets secondaires.
Diabétologie	Modélisation du système glucose-insuline avec données de capteurs	Prédiction à long terme, stratégies de traitement personnalisées
Orthopédie	Simulation de prothèses et implants personnalisés	Fabrication sur mesure, récupération optimisée
Neurologie	Modélisation pour la prévention d'Alzheimer et autres pathologies	Diagnostic précoce, traitements personnalisés basés sur les prédictions

Avantages organisationnels à l'hôpital

Optimisation des flux et ressources

Les hôpitaux utilisent des jumeaux numériques pour modéliser l'ensemble du parcours des patients, de leur arrivée à leur sortie. Cette approche permet d'optimiser l'allocation des ressources, de réduire les temps d'attente et d'améliorer l'efficacité opérationnelle.

Le premier jumeau numérique organisationnel d'hôpital a été développé par l'École des Mines de Saint-Étienne en collaboration avec le CHU de Saint-Étienne. Cet outil permet de suivre en temps réel l'activité du service et de proposer des décisions pour optimiser l'organisation.

Gestion territoriale et régionale

À l'échelle territoriale, les jumeaux numériques peuvent faciliter la mutualisation des personnels et des moyens matériels, la libération de lits ou le transfert de patients vers d'autres établissements. Au niveau régional, ils aident aux redéploiements à court terme et permettent des projections à plus long terme dans le cadre des plans de mobilisation des ressources sanitaires.

Recherche et développement de médicaments

Les jumeaux numériques révolutionnent la recherche clinique en permettant de tester des protocoles de recherche ou des médicaments avant de passer aux essais chez l'homme. Cette approche permet d'obtenir des données là où il n'y en a pas ou peu, en raison de la rareté de certaines situations ou de leur précocité.

La technique consiste à créer la version numérique d'un patient à partir de ses données de santé et à tester l'impact d'un médicament virtuel sur son jumeau. Cela permet aux industriels de réaliser des économies de ressources et des gains de temps sur les tests in vivo grâce aux modélisations in silico.

Limites et défis

Malgré leur potentiel considérable, les jumeaux numériques en médecine font face à plusieurs défis majeurs. Les questions de confidentialité et de sécurité des données constituent des préoccupations majeures. Il faut également veiller à ce que l'accès à ces innovations soit équitable, quel que soit le milieu ou le lieu de résidence des patients.

Commentaire

In vitro, in vivo, in silico ou la prodigieuse avancée de la recherche médicale.

Créer son double et étudier ses réaction et sa réactivité vis à vis de nouvelles molécules est un bon en avant incroyable...mais VRAI.

Cette avancée devra être équitable, respectant l'éthique et les règles de l'expérimentation. Aucune dérive ne devra non ne pourra se faire

Jumeau numérique, des applications multiples en médecine, une accélération des études, une meilleure faisabilité mais attention à la dérive FRANKENSTEIN… .....quand la fiction devient réalité…