« Le secret du bonheur consiste à regarder toutes les merveilles du monde et ne jamais oublier les deux gouttes d’huile dans la cuiller » - Paulo Coelho (l’Alchimiste)
"Le monde numérique crée une situation où il n'y a plus de secrets." Angela Merkel
Les nouvelles technologies offrent de nouvelles voies pour l'expression de cette démocratie.Toutefois, deux menaces guettent : d'une part, l'inégalité des citoyens face au numérique, ce que l'on appelle la fracture numérique; et, d'autre part, le risque lié à l'utilisation de données publiques, ce que l'on appelle l'open data"
David Lacombled
https://lehub.laposte.fr/jumeau-numerique-quand-innovation-voit-double
Qu'est ce qu'un jumeau numérique ?
Jérôme Vétillard :
Jérôme Vétillard, VP Research and Development (R&D) de Qualees, explique comment les jumeaux numériques transforment la méthodologie et les pratiques sanitaires pour améliorer la prise en charge des populations.
JV Un jumeau numérique est un modèle numérique dynamique représentant un système physique, biologique ou un ensemble de processus construit à partir des données produites par ce système. Il permet de simuler le fonctionnement pour optimiser les performances sous contraintes, qu’il s’agisse d’applications industrielles, cliniques ou financières. Par exemple, il permet la maintenance prédictive d’équipements industriels ou la simulation d’une population de patients dans un essai clinique.
En résumé, le jumeau numérique est un outil de simulation sophistiqué qui anticipe le comportement d’un système réel, offrant ainsi des solutions préventives/prédictives et optimisées.
Et dans le secteur de la santé ?
J.V. : Dans la santé, les jumeaux numériques nécessitent des données de haute qualité pour représenter fidèlement le système étudié. Ils peuvent prendre plusieurs formes, comme la modélisation 3D d’une articulation pour déterminer la meilleure prothèse à implanter (incluant au-delà de la modélisation 3D, des données de biocompatibilité, de résistance des matériaux, des calculs biomécaniques…), ou la représentation moléculaire d’une macromolécule pour évaluer l’efficacité des anticorps monoclonaux pour bloquer certains récepteurs à la surface des cellules cancéreuses par exemple (tels que les anticorps anti-DLP-1). Ils optimisent également les parcours de soins des patients et pourraient améliorer la supervision clinique en temps réel, notamment dans les unités de soins intensifs (Internet des Objets médicaux, jumeaux numériques, données de santé en temps réel).
https://www.veille-acteurs-sante.fr/2024/06/11/les-jumeaux-numeriques-en-sante-une-revolution-economique-et-scientifique-benefique-pour-les-patients/
Les tests in silico, nouvelle façon de tester un médicament par ordinateur
Les essais cliniques virtuels sont l'un des thèmes développés cette année par "Frontiers Health", l'un des principaux événements dans le monde consacré à la santé digitale et qui se déroulait jeudi en ligne à Lausanne.
Ce concept est synonyme d'espoir pour les pharmas, car développer une nouvelle molécule coûte près de 2,5 milliards de francs et les essais cliniques pèsent lourd dans la facture, notamment en raison de la difficulté à recruter des volontaires.
"Voir si le médicament est efficace"
Tester virtuellement une molécule permet ainsi de limiter ces problèmes. "On peut faire des simulations qui permettent de voir si le médicament va être efficace. On peut aussi voir qui sont les patients qui ont le plus de chances d'en bénéficier", explique Tanja Dowe, directrice du fonds d'innovation de Debiopharm.
"Grâce à ces informations, on peut mieux diriger les essais cliniques et peut-être recruter un échantillon plus petit de patients, voire ne pas développer le médicament si la modélisation montre qu'il n'est pas efficace", développe la chercheuse.
Un jumeau numérique
Concrètement, le concept est relativement simple. Avant d'être testée sur de vrais patients, la nouvelle molécule est expérimentée sur une population virtuelle, qui ne sont en réalité que de pures lignes de code. Ces dernières réagissent comme des organismes vivants à l'absorption d'un médicament.
"Ce qui est tout nouveau, c'est l'idée d'un jumeau numérique qui ferait appel à un programme de simulation qui va reproduire la façon par la quelle une personne réagirait à un stimulus, le tout numériquement", métaphorise Denise Silber, spécialiste de la santé digitale.
Les essais virtuels ne permettent toutefois pas encore de valider un nouveau médicament. Pour l'instant, ils ne constituent qu'une partie complémentaire des examens cliniques en laboratoire et sur les patients.
Cynthia Racine/jfe
https://www.rts.ch/info/sciences-tech/11747840-les-tests-in-silico-nouvelle-facon-de-tester-un-medicament-par-ordinateur.html
Qu' est ce qu'un jumeau numérique ? By IA MISTRAL
Un jumeau numérique est une réplique virtuelle d'un objet, d'un processus ou d'un système physique. Il s'agit d'un modèle numérique qui utilise des données en temps réel pour simuler le comportement et les performances de son homologue physique. Les jumeaux numériques sont souvent utilisés dans divers domaines, tels que la fabrication, l'ingénierie, la santé et l'infrastructure, pour plusieurs raisons :
-
Optimisation et Amélioration : Les jumeaux numériques permettent de tester différentes configurations et scénarios sans affecter le système physique réel. Cela aide à optimiser les performances et à identifier les améliorations potentielles.
-
Maintenance Prédictive : En surveillant les données en temps réel, les jumeaux numériques peuvent prédire les pannes ou les problèmes avant qu'ils ne surviennent, permettant ainsi une maintenance proactive.
-
Simulation et Formation : Ils sont utilisés pour former le personnel sur des systèmes complexes dans un environnement sûr et contrôlé.
-
Prise de Décision : Les jumeaux numériques fournissent des informations détaillées qui aident à prendre des décisions éclairées concernant la conception, l'exploitation et la gestion des systèmes.
-
Innovation et Développement de Produits : Ils permettent de tester de nouvelles idées et innovations sans les coûts et les risques associés aux prototypes physiques.
En résumé, un jumeau numérique est un outil puissant pour améliorer l'efficacité, réduire les coûts et accélérer l'innovation dans divers secteurs
Eude in silico par IA MISTRAL
Une étude in silico est une approche de recherche qui utilise des simulations informatiques et des modèles mathématiques pour étudier des phénomènes biologiques, chimiques ou physiques. Le terme "in silico" fait référence à l'utilisation de silicium, le matériau principal des puces informatiques, par analogie avec les termes "in vivo" (expériences réalisées sur des organismes vivants) et "in vitro" (expériences réalisées en laboratoire, souvent dans des environnements contrôlés comme des boîtes de Petri).
Les études in silico sont souvent utilisées pour :
- Modélisation et simulation : Simuler des processus complexes qui seraient difficiles ou impossibles à étudier expérimentalement.
- Analyse de données : Traiter et analyser de grandes quantités de données biologiques ou chimiques.
- Prédiction : Prédire les propriétés de nouvelles molécules ou les effets de modifications génétiques.
- Optimisation : Optimiser des processus industriels ou des protocoles expérimentaux avant de les mettre en œuvre dans le monde réel.
Ces études sont particulièrement utiles dans des domaines comme la biologie computationnelle, la bio-informatique, la pharmacologie, et la génomique, où elles permettent de réduire les coûts et le temps nécessaires pour effectuer des expériences physiques.
C'est très clair et compréhensif
https://www.medecinesciences.org/en/articles/medsci/abs/2022/01/msc200558/msc200558.html
Qu'est-ce qu'une technologie de jumeau numérique de fabrication ?
Un jumeau numérique établit une représentation numérique d'un composant ou d'un processus du monde réel dans les industries manufacturières .
Ce modèle informatique basé sur les données s'appuie sur des données du monde réel qui permettent de surveiller un produit ou de contrôler un processus de manière optimale. Il renvoie ensuite également des données provenant d'un produit déployé, créant ainsi un cycle constant d'amélioration .
Cela permet aux industries manufacturières d'améliorer les produits utilisés dans la vie quotidienne, ainsi que les équipements qui produisent ces biens. Cela accélère non seulement les initiatives d'innovation, mais aussi la durabilité : les fabricants peuvent simuler et évaluer les impacts avant la production d'un produit physique , réduisant ainsi leur empreinte carbone .
Avec une telle contribution positive à l’innovation durable, les chefs d’entreprise reconnaissent de plus en plus le pouvoir des technologies de jumeaux numériques pour faire progresser la transformation numérique et l’innovation . Le marché mondial des jumeaux numériques était évalué à 7,48 milliards USD en 2021 et, selon Grand View Research, devrait croître à un taux de croissance annuel composé (TCAC) de 39,1 % entre 2022 et 2030.
https://www.3ds.com/virtual-twin/manufacturing-industries?_gl=1*igpq9t*_up*MQ..*_gs*MQ..&gclid=Cj0KCQiA-5a9BhCBARIsACwMkJ4Q5MNIFaJayWMJAnr_Q68NfE2MTSxwEvkUYc7LQZc3RSlONFIeF5AaAvayEALw_wcB
Apprentissage fédéré en médecine
Nagaraj D, Khandelwal P, Steyaert S, Gevaert O. Augmenting digital twins with federated learning in medicine. Lancet Digit Health. Améliorer les jumeaux numériques grâce à l'apprentissage fédéré en médecine
2023 May;5(5):e251-e253. doi: 10.1016/S2589-7500(23)00044-4. PMID: 37100540; PMCID: PMC10507798.
Offrir aux patients des traitements de plus en plus personnalisés est un objectif majeur de la médecine de précision, et les jumeaux numériques sont un paradigme émergent pour soutenir cet objectif. Un jumeau numérique clinique est une représentation numérique d'un patient et peut être utilisé pour fournir des recommandations de traitement personnalisées.
Cependant, la collecte centralisée de données pour soutenir et former les modèles de jumeaux numériques se heurte déjà aux restrictions en matière de confidentialité des patients.
Nous supposons que l'utilisation de l'apprentissage fédéré, une approche de formation décentralisée des modèles d'apprentissage automatique, peut soutenir les performances des jumeaux numériques pour les applications cliniques.
Nous soulignons que la combinaison des deux pourrait atténuer les problèmes de confidentialité tout en renforçant les performances des modèles d'apprentissage automatique et les prédictions qui en résultent.
L'apprentissage fédéré est une technique qui utilise une approche décentralisée pour former des modèles d'apprentissage automatique. Plutôt que de collecter des échantillons de données locaux sur de grands serveurs pour un réglage fin constant des modèles d'apprentissage automatique, l'apprentissage fédéré permet aux appareils de former et de mettre à jour des modèles sans échanger explicitement de données tout en conservant les données localement sur l'appareil et en partageant uniquement les mises à jour du modèle.
Les jumeaux numériques représentent un nouveau modèle informatique , dans lequel les systèmes du monde réel sont associés à des représentations virtuelles qui peuvent refléter de manière dynamique les changements de leurs homologues du monde réel. La principale caractéristique d'un jumeau numérique est son lien bidirectionnel dynamique qui lui permet d'être personnalisé à différentes fins. Les liens bidirectionnels connectent la représentation numérique aux homologues du monde réel, ce qui fait du jumeau numérique une représentation à jour de l'analogue physique. Un jumeau numérique peut être utilisé pour identifier des informations via des simulations, qui peuvent être réinjectées dans l'entité physique, puis réinjectées dans le jumeau numérique. Les jumeaux numériques peuvent être créés à différentes échelles (par exemple, au niveau de la communauté, du patient, du système organique, biologique ou moléculaire), ce qui permet d'obtenir différentes informations à chacune de ces échelles. Plusieurs jumeaux numériques pourraient fonctionner simultanément et communiquer entre eux. Du point de vue de la médecine de précision, chacun de ces niveaux ajoute des informations précieuses pour personnaliser le traitement ; cependant, le niveau du patient serait sans doute le fondement de la médecine de précision.
Mise à jour des jumeaux numériques à l'aide de l'apprentissage fédéré
Le jumeau numérique du cœur, une révolution pour les patients
Associer jumeau numérique et imagerie médicale pour fournir aux chirurgiens cardiaques une aide à la décision clinique : c’est le résultat majeur des recherches menées par l’équipe Cardiologie numérique personnalisée. Grâce à elle, le taux de succès des interventions préventives pour traiter certaines arythmies cardiaques a augmenté de 50%. Une réussite aujourd’hui récompensée par le Prix de l’innovation Inria – Académie des sciences – Dassault systèmes.
Un premier modèle numérique du cœur
À ce jour, près de 6000 patients dans le monde atteints d’arythmie cardiaque ont pu être opérés en deux heures au lieu de cinq en moyenne, avec un taux de réussite amélioré de 50% ! Ce progrès considérable est à porter au crédit de l’équipe Cardiologie numérique personnalisée, composée de trois chercheurs Inria, dont l’un devenu entrepreneur, et de deux médecins (voir encadré).
Son défi initial : mettre au point un modèle numérique du cœur. Une belle histoire qui débute en 1996 : « Nous étions très loin alors de l’aide à la décision médicale en chirurgie. L’objectif était de calculer plus précisément la quantité de sang éjectée du cœur à chaque battement », se souvient Hervé Delingette, chercheur Inria et coordinateur d’une action de recherche sur cette thématique. Depuis cette date, ces premiers travaux ont été continuellement enrichis, notamment en modélisant la biomécanique et le fonctionnement électrique du cœur puis en couplant ces deux phénomènes physiques. D’autres aspects du modèle ont été ajoutés par la suite comme la prise en compte des écoulements sanguins, ainsi que l’alimentation en oxygène et en énergie (ATP, adénosine triphosphate) du muscle cardiaque.
Les essais in silico, nouveau cap pour le cœur numérique
Aujourd’hui, la startup inHEART compte pas moins de 50 centres hospitaliers clients en Europe et aux États-Unis. Et l’aventure ne s’arrête pas là : depuis plusieurs années, les recherches de l’équipe Cardiologie numérique personnalisée s’orientent aussi vers la planification in silico (sur ordinateur) d’autres interventions sur de "vrais" patients. « Prenons l’exemple de la pose de stimulateurs cardiaques ou pacemakers, illustre Hervé Delingette. Il faut décider si elle est réellement bénéfique pour le patient et déterminer l’emplacement d’implantation et les réglages optimaux. Le jumeau numérique du patient aidera les cliniciens à faire ces choix. » Cette "petite" équipe nous réserve donc sans doute d’autres grands résultats…
https://www.inria.fr/fr/jumeau-numerique-coeur-prix-scientifique-innovation-2023
Jumeaux numériques et prévention : une nouvelle ère pour la médecine
Le cas Alzheimer
Afin d’illustrer la complémentarité entre la prévention et les systèmes algorithmiques prédictifs que proposent les jumeaux numériques, Stanley Durrleman considère le cas de la maladie d’Alzheimer comme étant le parfait exemple. Cette maladie représente actuellement, non loin du cancer, l’un des plus grands engouements de la recherche scientifique en santé. « Malgré les investissements colossaux dans la recherche, cela faisait 20 ans que nous n’avions pas eu d’essai clinique positif pour cette maladie, précise le chercheur. Et encore aujourd’hui, les praticiens n’ont quasiment rien à prescrire à leur patient [NDLR : le médicament en question n’est disponible pour l’instant qu’aux États-Unis, la demande de commercialisation en Europe est toujours en cours d’instruction par les autorités.] »
Ce traitement soigne l’accumulation des plaques amyloïdes dans le cerveau du patient, qui se met en place 10 à 15 ans avant l’apparition des premiers symptômes liés à la maladie. « Cependant, les effets du traitement sur le déclin cognitif du patient restent assez faibles, admet-il. Le changement dans notre schéma thérapeutique, lui, est conséquent. Nous ne sommes plus tant à la recherche de médicaments pour guérir la maladie, mais plutôt dans une optique de la prévenir. »
Il est donc important de comprendre comment la maladie se développe, quels sont ses premiers signes, afin d’établir un diagnostic précoce. Pour cela, l’équipe de recherche de Stanley Durrleman a établi des modèles de prédictions – des jumeaux numériques – pouvant déterminer l’évolution de la maladie chez différentes personnes. Après la présentation de ce modèle, Claire Biot se demande : « La maladie d’Alzheimer est-elle prête pour un dépistage de masse ? » Ce à quoi Stanley Durrleman répond que des progrès sont encore à faire. « Pour une maladie non-transmissible, il est plus juste de parler de repérage, explique le chercheur. En général, pour cette maladie, il y a d’abord une plainte du patient, qui l’amène à consulter. »
