La psychiatrie de précision optimisée par des données en conditions réelles
Les troubles mentaux constituent l’un des plus grands défis de santé publique en Europe. Malgré les coûts de santé associés, les progrès thérapeutiques ont été limités, en particulier pour les personnes souffrant de maladies graves et complexes. De nombreux patients restent confrontés à des parcours de soins complexes, avec des résultats limités et une qualité de vie altérée.
Exploiter le potentiel des données en conditions réelles
Le projet REALMENT(s’ouvre dans une nouvelle fenêtre), financé par l’UE, entendait combler cette lacune en mobilisant le potentiel encore peu exploité des données en conditions réelles afin de soutenir des stratégies thérapeutiques plus efficaces et personnalisées en psychiatrie. En intégrant dossiers médicaux électroniques, registres de santé et données génomiques issues de biobanques européennes, le projet a créé un écosystème de données inédit. «En combinant et en harmonisant les données entre pays, nous couvrons un éventail beaucoup plus large de variations biologiques et environnementales. Cela nous permet d’entraîner des modèles prédictifs avec un niveau de précision adapté à la psychiatrie de précision», explique Ole Andreassen, coordinateur du projet. Cette intégration à grande échelle dépasse le cadre des essais cliniques traditionnels et permet d’analyser les résultats des traitements sur des populations variées, dans des conditions proches de la pratique réelle.
L’intelligence artificielle au service de la psychiatrie de précision
Le consortium a mobilisé l’intelligence artificielle et l’apprentissage automatique pour faire émerger des schémas au sein de vastes ensembles de données. En analysant des données à l’échelle de la population issues de cohortes couvrant les pays nordiques, baltes et d’autres régions européennes, les chercheurs ont développé des modèles capables de prédire la réponse aux traitements, les effets indésirables et l’évolution des pathologies. «Ces modèles sont entraînés à partir de données en conditions réelles puis validés sur des données d’essais cliniques, ce qui démontre que notre approche peut appuyer des décisions thérapeutiques plus personnalisées», souligne Ole Andreassen.
Génomique et réponse aux traitements
L’une des principales innovations du projet est l’intégration des données génomiques dans la modélisation prédictive. Grâce à des études d’association pangénomique à grande échelle, les chercheurs ont identifié des variants génétiques associés à la réponse et à la résistance aux traitements. Par exemple, la découverte de variants rares dans certains pharmacogènes, comme CYP1A2(s’ouvre dans une nouvelle fenêtre), impliqués dans le métabolisme de la clozapine, met en lumière des mécanismes susceptibles d’influencer la réponse aux antipsychotiques. Le projet a également démontré l’intérêt des scores de risque polygénique(s’ouvre dans une nouvelle fenêtre) pour anticiper l’évolution des traitements. «Notre objectif est la psychiatrie de précision: s’appuyer sur la biologie propre à chaque patient pour proposer d’emblée le traitement le plus adapté», souligne Ole Andreassen. Les découvertes du projet révèlent des liens génétiques communs entre les maladies mentales et physiques, ce qui favorise une vision plus intégrée de la santé des patients. Ces résultats ouvrent des perspectives importantes pour la prise en charge des multimorbidités et l’adaptation des interventions au profil biologique global de chaque patient.
Des données à la pratique clinique
Pour concrétiser ces avancées, REALMENT a développé une plateforme clinique intégrant des algorithmes prédictifs aux données des patients. Elle permet aux cliniciens d’évaluer les options thérapeutiques, d’anticiper les effets indésirables et de suivre l’évolution des patients dans la durée. Le projet a également contribué à des avancées méthodologiques, notamment via des recommandations pour définir les résultats thérapeutiques à partir de données en conditions réelles(s’ouvre dans une nouvelle fenêtre) dans les troubles psychiatriques en Europe. Par ailleurs, un partenaire a mis en place un système de rapport pharmacogénétique au sein d’une biobanque nationale, le retour des patients ayant permis d’en améliorer la clarté et l’usage. À présent, les travaux se poursuivent pour renforcer et valider les modèles prédictifs, étendre les fonctionnalités de la plateforme et accompagner les démarches réglementaires en vue de leur adoption clinique. «À terme, notre objectif est de sortir de la prescription par essais et erreurs et de donner aux cliniciens les moyens de proposer le bon traitement, au bon patient, au bon moment», conclut Ole Andreassen.
