Mettre l’IA au service du secteur de la santé est une tâche délicate ; c'est encore plus vrai en oncologie, où les enjeux sont particulièrement importants. La startup de biotechnologie Valar Labs vise haut mais commence petit avec un outil qui prédit avec précision certains résultats de traitement, permettant ainsi aux patients de gagner un temps précieux. Il a collecté 22 millions de dollars pour s'étendre à de nouveaux cancers et thérapies.
Chaque cancer est différent, mais beaucoup ont établi des pratiques exemplaires perfectionnées au fil des années de tests. Parfois, cependant, cela signifie suivre des mois un régime de traitement donné afin de savoir s’il fonctionne.
Le cancer de la vessie en fait partie, ont expliqué les cofondateurs de Valar à TechCrunch. Un premier traitement courant recommandé par les oncologues, appelé thérapie BCG, a une chance d'agir à pile ou face, ce qui est en fait plutôt bon ! Mais ne serait-il pas agréable de ne pas avoir à lancer cette pièce pour commencer ? C'est le problème que Valar essaie de résoudre.
Le PDG Anirudh Joshi a déclaré que l'équipe s'était rencontrée à Stanford, où elle étudiait le support de l'IA pour la prise de décision clinique. En d’autres termes, aider les patients et les médecins à décider quelle voie de traitement suivre, que ce soit sur deux ou sur une douzaine.
« Ce que nous avons appris, c'est qu'aujourd'hui, pour la majorité des patients atteints de cancer, leur plan de traitement n'est vraiment pas clair », a déclaré Joshi. « Ils ont des options, mais il est difficile de dire ce qui fonctionnera bien – il suffit d'essayer des choses. Notre idée était donc de prendre une décision éclairée. Dans le traitement du cancer de la vessie, seul un patient sur deux répond aux soins standards. Si nous savions de quel patient il s’agit, nous n’aurions pas à perdre un an de thérapie pour quelque chose qui ne fonctionne pas. »
Le premier test qu'ils ont développé, appelé Vesta, se concentre sur cette situation spécifique. Et il ne s’agit pas d’une solution logicielle théorique : l’équipe a travaillé avec une douzaine de centres médicaux à travers le monde pour étudier plus de 1 000 patients et découvrir ce qui les incite exactement à répondre à certaines thérapies.
Le processus comporte deux éléments : premièrement, une IA visuelle (ou modèle de vision par ordinateur) formée sur des milliers d’images histologiques de patients atteints de cancer. Ces fines tranches de tissus affectés sont de plus en plus scannées et inspectées par des experts, même si le processus peut être quelque peu approximatif.
« Cette image à très haute résolution vous en dit long sur ce qui se passe au niveau cellulaire d'une tumeur », a expliqué le directeur technique Viswesh Krishna. « Nous exécutons nos modèles sur cette image pour extraire une très grande quantité de caractéristiques, semblable à un panel génomique ; nous générons des milliers de lectures histologiques [i.e. important image features], et prenons les plus importants que les pathologistes peuvent examiner, mais ne peuvent pas vraiment quantifier. Ils peuvent voir qu’ils sont différents mais ne peuvent pas mesurer les différences entre eux.
Joshi a pris soin d'ajouter qu'ils n'essayaient pas de remplacer le pathologiste, mais de les augmenter. Vous pourriez le considérer comme un microscope intelligent qui aide un expert à prendre des mesures précises sur des éléments tels que les dommages cellulaires, la réponse immunitaire et d’autres structures indiquant la progression ou l’inhibition de la maladie.
« En fin de compte, c'est toujours le médecin qui est aux commandes. Ce sont juste plus de données, et ils aiment ça. Et proposer des tests comme celui-ci constitue une perspective externe fondamentale, et les patients aiment vraiment cela », a déclaré Joshi.
La composante d'imagerie, a noté l'équipe, a été formée sur des tonnes de données et est généralisable à de nombreux domaines et cancers ; compter les lymphocytes dans les tissus cancéreux du sein est en grande partie la même tâche que le compter dans les tissus cancéreux de la peau. Mais ce que cela signifie, ou tout autre biomarqueur quantifiable que le modèle peut identifier, indique que la probabilité qu'un patient réponde au traitement est beaucoup plus limitée à des conditions spécifiques.
En conséquence, le deuxième élément du système Valar est ce qui doit réellement être adapté à une situation clinique particulière. Et à cette fin, la société a démontré que, dans le cas spécifique du cancer de la vessie et du schéma thérapeutique standard, son test est un indicateur de succès bien plus précis que tout autre indicateur disponible.
Les facteurs de risque tels que l’âge, les antécédents médicaux, le fait de fumer, etc. sont des indicateurs variables de certains résultats du traitement, mais ceux-ci sont « très grossiers », a noté Joshi. Valar affirme que leurs modèles d'IA « surpassent toutes ces variables » [in predictive power]et sont indépendants d’eux » – ce qui signifie qu’ils peuvent être utilisés en plus du facteur de risque standard, et pas seulement à leur place.
Ils ont également noté qu'il était important que les résultats restent interprétables : la dernière chose dont les médecins ou les patients ont besoin est une boîte noire. Donc, s’il est dit qu’un patient réagira bien, cela est étayé par « parce que son système immunitaire fait A et que ses noyaux font B, etc. »
La société, fondée en 2021, a consacré une grande partie de ses efforts à l’élaboration du modèle d’image et de son premier modèle clinique pour le traitement BCG susmentionné chez les patients atteints d’un cancer de la vessie. Comme Valar l'a noté dans une annonce récente, le test identifie les individus présentant un risque triple de ne pas répondre au BCG, ce qui signifie (à la discrétion de l'équipe soignante) qu'il est probablement préférable d'essayer autre chose. Si cela permet d’économiser ne serait-ce qu’un mois d’efforts inutiles, cela pourrait changer la vie de certains.
Comme vous le diront tous ceux qui ont vécu des soins contre le cancer, non seulement chaque jour de traitement est incroyablement précieux, mais la confiance est difficile à trouver. Valar n'offre peut-être pas de certitude (presque impossible en oncologie), mais il pourrait être une flèche puissante dans les frémissements des soignants.
Coïncidant avec la sortie imminente de son premier produit, Valar a clôturé un cycle de série A de 22 millions de dollars dirigé par DCVC et Andreessen Horowitz, avec la participation de Pear VC.
« La collecte de fonds était parfaitement programmée », a déclaré Joshi. « Nous avons pu finaliser cette validation, et désormais ce financement contribuera à alimenter la commercialisation de Vesta, et en même temps nous commençons à l'étendre à d'autres types de cancer. »
Les fondateurs ont déclaré qu'ils espéraient se développer régulièrement, en utilisant un modèle de laboratoire commercial, un peu comme les tests génomiques ont suivi ces dernières années, le COO Damir Vrabac a déclaré : « C'est très similaire à ces autres tests qui nous ont précédés, cela n'ajoute aucune friction à le système de santé. » Nous espérons que cela leur permettra de faire supporter le coût par les assureurs et, à terme, de réduire complètement le coût des soins en évitant les traitements inutiles et inefficaces.
