La médecine personnalisée, dopée par l’intelligence artificielle, promet de révolutionner la prise en charge des patients en passant d’approches standardisées à des traitements sur mesure, fondés sur le profil génétique et clinique de chaque individu. Cette évolution pourrait permettre de détecter les maladies plus tôt, d’optimiser les thérapies et de surveiller les patients avec une précision accrue.
Si la médecine moderne a fait des progrès considérables, les décisions cliniques reposent encore souvent sur des estimations éclairées. Les médecins établissent un diagnostic probable et choisissent le traitement le plus susceptible d’être efficace, en ajustant leur approche uniquement si les résultats sont insatisfaisants. De plus, un problème majeur persiste : la moitié des patients atteints de maladies chroniques ne suivent pas scrupuleusement les prescriptions médicales.
La médecine de précision offre une alternative plus fiable. Au lieu de se baser sur des moyennes statistiques, elle prend en compte le profil génomique et clinique unique de chaque patient. Combinée à la puissance de l’IA pour analyser ces données complexes, elle ouvre la voie à des traitements personnalisés et fondés sur des preuves solides.
Concrètement, comment fonctionne cette approche ? La médecine de précision adapte les traitements et les stratégies de prévention aux caractéristiques spécifiques de chaque personne, un peu comme un processus de recrutement qui associe un candidat à un poste en fonction de ses compétences et de son expérience. Elle commence par cartographier le profil génomique d’un individu à partir d’un échantillon de tissu, de sang ou d’un autre liquide corporel. Il s’agit d’examiner l’ensemble des gènes d’une personne ou d’un type de cellule spécifique, ainsi que leurs interactions et leur réponse à l’environnement.
Ce profilage permet de comprendre pourquoi certaines personnes développent certaines maladies et d’autres non. Il peut également être appliqué à des tissus tumoraux pour identifier des mutations ou d’autres altérations génétiques qui influencent la formation et la réponse au traitement de différents types de cancer. Ces informations guident ainsi un diagnostic plus précis, des thérapies ciblées et de nouvelles stratégies de prévention. Ce travail s’appuie sur des plateformes de profilage génomique, des données de dossiers médicaux électroniques (DME), des outils d’analyse, la modélisation prédictive, l’apprentissage automatique et d’autres technologies émergentes.
L’IA joue un rôle crucial dans cette transformation. Grâce aux avancées rapides de l’apprentissage automatique, de l’apprentissage profond, des modèles de langage naturel et de l’IA agentique, la médecine de précision passe du stade de concept à une réalité clinique. Nous sommes désormais en mesure de proposer des traitements ciblés pour des maladies complexes comme le cancer.
La différence fondamentale réside dans l’approche : les directives cliniques traditionnelles indiquent ce qui fonctionne en moyenne pour une population donnée, tandis que la médecine de précision pose la question suivante : « Quel est le traitement, le diagnostic ou la prévention appropriés pour cette personne, compte tenu de toutes les informations dont nous disposons sur elle ? »
L’IA générative (Gen AI) et l’IA agentique répondent à ce défi de manière complémentaire. L’IA générative synthétise de vastes quantités de données multimodales (texte, images, informations génomiques, structures moléculaires) en informations claires. L’IA agentique va plus loin en raisonnant, en planifiant et en agissant à travers des outils et des flux de travail pour faire progresser le parcours du patient.
L’IA générative permet notamment de prédire le risque de maladie des années à l’avance. En 2025, des chercheurs européens ont mis au point Delphi-2M, un modèle d’IA capable de prédire le risque de développer plus de 1 000 maladies jusqu’à 20 ans à l’avance. Formé sur les données de 400 000 patients de la biobanque britannique et validé sur 1,9 million de personnes au Danemark, ce modèle utilise des architectures de type LLM appliquées aux dossiers médicaux longitudinaux pour prévoir des trajectoires cliniques complexes.
Pour la médecine de précision, de tels outils peuvent identifier les patients susceptibles de développer une insuffisance cardiaque, un diabète, une septicémie ou un cancer, bien avant que les modèles de risque traditionnels ne détectent un problème. Ils permettent également de mettre en place des programmes de prévention personnalisés, des calendriers de dépistage et des recommandations de style de vie adaptées à l’évolution projetée de la maladie de chaque personne.
L’IA générative est également essentielle pour transformer les données génomiques et moléculaires en traitements personnalisés. Des études récentes publiées dans Frontiers in Medicine et d’autres revues soulignent comment l’apprentissage automatique et les modèles génératifs sont utilisés en oncologie de précision pour identifier de nouveaux biomarqueurs, prédire la réponse au traitement et stratifier les patients pour des thérapies ciblées. Des chercheurs du Mémorial Sloan Kettering construisent des modèles avancés pour soutenir les soins de précision contre le cancer chez les enfants.
Ces capacités permettent de détecter les marqueurs moléculaires qui indiquent à quelles thérapies un patient est le plus susceptible de répondre et d’adapter les plans de traitement en fonction des modèles de réponse prévus, plutôt que du seul type de tumeur.
Enfin, l’IA générative génère déjà des informations personnalisées d’aide à la décision, intégrant les antécédents médicaux complets, le profil génomique, les comorbidités et les données portables en temps réel d’un patient pour élaborer des plans de traitement personnalisés. Ces plans peuvent inclure des programmes de titration optimaux des médicaments pour l’hypertension, associés à des objectifs de changement de comportement adaptés aux modèles d’activité physique et aux déterminants sociaux. Les LLM traduisent ensuite ces plans en une éducation accessible au patient, adaptée à son niveau d’alphabétisation, à sa langue et à son contexte culturel.
L’IA agentique, quant à elle, agit comme un système d’exploitation pour des soins personnalisés. Ces systèmes peuvent observer les données, raisonner sur les directives et les préférences des patients, planifier des flux de travail en plusieurs étapes et agir tout en gardant les cliniciens informés. Des systèmes comme AgentClinic et les assistants cliniques autonomes montrent comment ces agents peuvent prendre en charge la documentation, le triage, le diagnostic et la formation.
Prenons l’exemple d’un parcours patient simplifié : lors d’un examen de routine, un outil de biopsie liquide associé à l’IA détecte des fragments d’ADNc anormaux pouvant signaler une tumeur à un stade précoce. En cas de suspicion, les cliniciens ordonnent un séquençage génomique de la tumeur pour comprendre ce qui la motive. L’équipe de soins examine ensuite le profil des biomarqueurs de la tumeur pour identifier des mutations ou des vulnérabilités exploitables. Sur la base de ce profil, le patient se voit proposer une thérapie ciblée ou une immunothérapie, plutôt qu’un schéma de chimiothérapie générique. Après le traitement, des tests périodiques de biopsie liquide suivent les niveaux d’ADNc pour détecter les premiers signes de rechute.
En conclusion, l’IA générative et l’IA agentique façonnent déjà ce que la médecine de précision peut offrir, en aidant les cliniciens à détecter les maladies plus tôt, à choisir des thérapies plus efficaces et à surveiller les patients avec une plus grande clarté. La plus grande opportunité réside dans l’intégration de cette approche tout au long de la vie. Il serait envisageable de faire du profilage génomique un élément de routine des soins précoces et un élément standard du dossier médical électronique de chaque patient.
Bien qu’il reste encore beaucoup à découvrir, notamment en ce qui concerne la confidentialité et les normes éthiques, il est essentiel de réfléchir à cet avenir. La médecine de précision offre une voie permettant aux soins de santé de devenir plus proactifs, plus personnalisés et plus efficaces pour chaque individu, avec une courbe de coûts plus durable. La confidentialité et l’éthique doivent être traitées avec le plus grand soin et la plus grande réflexion. L’alternative serait de maintenir un modèle qui réagit tardivement, traite largement et dépense massivement.
En bref, la médecine de précision basée sur l’IA offre une combinaison rare de meilleurs résultats, de meilleures expériences et d’une meilleure valeur. Elle nous rapproche d’un système de santé qui traite chaque individu comme une cohorte d’un seul.
Pour aller plus loin
