L’IA va-t-elle guérir le cancer ?
L’intelligence artificielle est souvent présentée comme une révolution capable de transformer la médecine, notamment dans la lutte contre le cancer. Pourtant, l’annonce récente de Merck et Moderna concernant un traitement combiné pour le mélanome illustre une réalité plus nuancée : l’IA n’a pas conçu ce traitement, mais elle en rend désormais la production et la diffusion économiquement viables. Cette avancée soulève une question centrale : l’IA est-elle un outil d’innovation ou un accélérateur d’accès à des thérapies existantes ?
Quel rôle l’intelligence artificielle a-t-elle joué dans le développement du traitement combiné intismeran + Keytruda ?
L’IA n’a pas participé à la conception initiale du traitement, dont les fondements scientifiques remontent à des travaux antérieurs à son essor, comme ceux des prix Nobel Allison et Honjo pour le Keytruda ou les recherches de Schreiber et Sahin sur les vaccins personnalisés contre le cancer. Son rôle s’est limité à optimiser et accélérer l’analyse des données génomiques issues des biopsies, afin de sélectionner les mutations cibles pour le vaccin à ARN messager et de rendre ce processus viable à grande échelle.
Pourquoi le traitement intismeran + Keytruda est-il présenté comme une avancée malgré l’absence d’IA dans sa conception ?
Ce traitement marque une étape décisive car il démontre que l’IA peut rendre accessible une thérapie hautement personnalisée et coûteuse, en réduisant drastiquement les délais et les coûts liés à l’analyse des mutations tumorales. Sans IA, le traitement serait resté un luxe réservé à une poignée de patients, en raison de la complexité et du temps nécessaires pour traiter les données génomiques à la main.
Quels sont les résultats obtenus par ce traitement lors des essais cliniques de phase III ?
Les essais cliniques ont montré que le duo intismeran + Keytruda surpasse significativement le Keytruda seul en termes de survie sans récidive et de survie sans métastases à distance, selon des critères statistiques robustes. Cependant, l’ampleur exacte de ce bénéfice reste à préciser, et son coût supplémentaire (plusieurs centaines de milliers de dollars par an) pourrait limiter son adoption, malgré l’optimisation permise par l’IA.
En quoi ce traitement diffère-t-il d’autres approches où l’IA a directement conçu des molécules, comme le rentosertib ?
Contrairement au rentosertib, où l’IA a identifié une molécule entièrement nouvelle pour traiter la fibrose pulmonaire, le traitement de Merck et Moderna combine des thérapies déjà existantes et validées. L’IA intervient ici comme un outil d’optimisation logistique et économique, et non comme un acteur de l’innovation thérapeutique proprement dite.
Ce que ça pourrait changer
Cette avancée pourrait redéfinir la place de l’IA en médecine, non pas comme un générateur de traitements révolutionnaires, mais comme un levier d’accessibilité pour des thérapies déjà éprouvées. Elle interroge aussi les modèles économiques de la santé : jusqu’où les systèmes de santé publics ou privés seront-ils prêts à payer pour des gains marginaux, même significatifs ? Enfin, elle pose la question de la dépendance aux outils algorithmiques dans des domaines où la transparence des décisions reste cruciale.
