Rencontre avec DNAlytics, quand les données soutiennent les enjeux de santé de demain

 

Comment présenteriez-vous DNAlytics aujourd’hui à quelqu’un qui ne connaît pas encore l’entreprise ? Quelle problématique cherchez-vous fondamentalement à résoudre ?

DNAlytics fournit une expertise en sciences des données et en intelligence artificielle, exclusivement au secteur de la santé et des sciences de la vie.

Ce domaine des data science est traditionnellement innovant, avec une arrivée de nouveaux médicaments et de nouveaux dispositifs médicaux en constante évolution, mais il s’agit historiquement d’une industrie fortement basée sur la chimie, la biologie et les technologies qui permettent d'exploiter ces formes de connaissances.

Ces dernières années, émerge également un besoin d'intégrer un important volet d’innovation digitale et plus récemment lié à l’intelligence artificielle, avec de grandes quantités de données qui sont générées par différents types d’équipements. Nous venons aider ce secteur à pouvoir s'approprier ces nouvelles technologies.

 

DNAlytics est née en 2012 comme spin-off de l’UCLouvain. Qu’est-ce qui vous a poussé, à l’époque, à transformer un travail de recherche en une véritable entreprise ? Et qu’est-ce qui a le plus changé entre le DNAlytics des débuts et celui d’aujourd’hui ?

Mon attrait pour la création d’un pont entre les sciences de l’ingénieur et celles du vivant a démarré avant d’entamer nos recherches à l’UCLouvain.

Avoir eu ces questionnements à une époque où ce pont n’était pas encore pleinement abordé, m’a conduit à approfondir le sujet à travers la réalisation d’un doctorat. C’est via ce travail que j’ai eu l’occasion de collaborer avec des chercheurs en médecine, mais aussi des industriels des secteurs pharmaceutiques et des biotechnologies. Ces échanges ont confirmé qu’un intérêt existait pour créer un lien entre ces deux cultures technologiques et scientifiques, mais également que peu d’acteurs ou d’entreprises étaient conscients de la possible connexion entre ces deux domaines. Voilà comment un mélange d’envies et d’opportunités s’est présenté.

Pour remettre les choses en contexte, le séquençage de l'ADN humain date d'après les années 2000. Le temps que des technologies abordables soient développées pour permettre des mesures plus abouties et de façon plus routinière correspond à la période où j’ai réalisé mon doctorat, de 2006 à 2010, lorsque les technologies génomiques et génétiques ont le plus émergé.

DNAlytics était au départ focalisé sur ces types de données, mais l’on voit aujourd’hui beaucoup plus large. Nous travaillons toujours dans les secteurs du vivant et de la santé, en étant plus actifs en recherche et développement, ainsi que dans les environnements de production des médicaments où beaucoup de données sont également générées.

Une autre évolution importante est qu’il y a 10-12 ans, nous devions vraiment expliquer ce qu’était l’intelligence artificielle à nos clients et susciter de l'intérêt pour ce genre d'approche qui à l’époque, n’était pas une évidence.

Aujourd'hui, tout le monde a entendu parler d'intelligence artificielle.

La difficulté est peut-être qu'ils n’en ont pas entendu parler avec des attentes réalistes en termes de développement concret et de potentialités dans des conditions déterminées.

 

Vous dites vouloir transformer les données expérimentales et cliniques en solutions « validées et déployables ». Concrètement, comment passe-t-on chez DNAlytics d’une masse de données à une décision exploitable par un médecin, un chercheur ou une entreprise biopharmaceutique ?

Concernant nos contributions pour nos clients actifs dans la recherche et développement, ils peuvent vouloir développer deux choses : soit des nouveaux médicaments, soit des nouveaux dispositifs médicaux. Lorsque l’on aborde des questions d'aide à la décision, nous nous concentrons sur les dispositifs et les diagnostics médicaux.

Nous travaillons évidemment au cas par cas, mais si nous devions résumer ou schématiser un process, nous collectons une première cohorte de données, pour lesquelles nous connaissons la décision à prendre. Sur cette base, nous entraînons des modèles qui vont apprendre à prendre eux-mêmes la meilleure décision sur des cas où la meilleure décision n’est pas évidente. Ce process s’accompagne ensuite d'un développement technique, en termes de qualité de données, via machine learning, validation des modèles et des performances.

L’importance du volet réglementaire est également à souligner, car nous ne pouvons pas lancer sur le marché des outils liés à la décision médicale sans qu’ils ne répondent à certaines normes.

Une fois les aspects liés au développement technique, à la validation et au système qualité abordés, vient s'ajouter un aspect plus « basic » de développement logiciel, afin de mettre en place des interfaces répondant aux besoins et exigences des utilisateurs.

 

 

On parle énormément d’intelligence artificielle aujourd’hui, mais le secteur de la santé impose des exigences très particulières en matière de fiabilité, de validation et de traçabilité. Peut-on réellement faire confiance à l’IA dans un environnement aussi réglementé ? Et comment DNAlytics répond-elle à cet enjeu ?

Ces aspects sont fortement liés à la perception de ce qu’est et n’est pas l’intelligence artificielle. Pour beaucoup, l'IA aujourd’hui correspond principalement à des agents conversationnels de type ChatGPT, Claude, etc.

Il s’agit bien sûr d’une facette impressionnante de l'IA, car elle est très familière en termes d'interface : nous pouvons discuter avec elle en langage naturel, mais il ne s’agit que d’une petite partie de ce qu’est l’IA.

Nous parlions tout à l'heure de modèles qui permettent de délivrer des prédictions, de poser des diagnostics. Il s’agit de machine learning plus classique par rapport aux modèles de langage, permettant de façon très rigoureuse de réaliser des évaluations de performance et de définir le niveau de précision d’un modèle d’aide à la décision ainsi que son niveau d’erreurs. Ces types d’utilisation sont très bien encadrable.

Les complications liées aux modèles de langage quant à elles concernent principalement les attentes irréalistes de certains utilisateurs. Par exemple, on parle souvent de modèles qui hallucinent. Je ne connais pas l’origine de cette expression, mais ce choix est malheureux, car ces modèles n'ont pas été développés pour dire des choses vraies, mais pour dire le mot le plus probable, ce qui est complètement différent. Lorsque l’on dit qu'un modèle hallucine, c'est plutôt nous qui hallucinons si on se fait l'idée que ça devrait dire des choses vraies.

Concernant les normes de validation, différents modèles existent. Si l’on parle de dispositif médical, il y a une réglementation européenne spécifique à la fabrication des médicaments, mais chaque nouvelle règle aborde d'une façon ou d'une autre l'intelligence artificielle

Lorsqu’on utilise un outil d'intelligence artificielle, trois questions sont posées. La première concerne le niveau d’aide à la décision et les conséquences qu’elle engendre. La seconde aborde le degré d'autonomie laissé au système. En fonction de ces deux axes, nous obtenons des systèmes plus ou moins risqués. Le troisième aspect concerne l'évaluation des performances.

 

Vous développez notamment des solutions de data science pour la biomanufacture. Pouvez-vous nous donner un exemple concret de la manière dont vos technologies peuvent transformer la production d’un médicament ou d’une thérapie ?

Énormément de possibilités peuvent être traitées, mais je dirais qu'il y a deux exemples parlants sur lesquels nous avons eu de bons résultats.

Un premier aspect est l'augmentation des rendements d'une ligne de fabrication d'un médicament pour sa production. Aujourd’hui, pour un médicament biologique ou un vaccin, plusieurs milliers de paramètres vont être générés. Quel matériau utiliser, comment l’exploiter, combien de milligrammes, de grammes, quelle pression, quelle température, quel taux d'impureté, sont nécessaires à son exploitation ?

Cela représente des milliers de paramètres pour un lot qu'on va mettre sur le marché. Il y a donc un vrai défi pour tenir compte de tous ces paramètres, car personne ne peut avoir une vue d’ensemble aussi importante, mais une machine peut le faire.

L’objectif est donc de consolider ces informations, d'aller modéliser des paramètres de rendement ou de qualité, de les tirer vers le haut et d'aller indiquer aux humains ce qu’ils devraient éventuellement adapter en termes de paramétrage pour arriver systématiquement à des résultats plus viables d’un point de vue du rendement ou de la qualité. Ces systèmes ont un impact direct sur l'amélioration des process de production.

Ces process ont des effets secondaires positifs également au niveau environnemental. Beaucoup de matériaux sont jetables dans les productions. Plus on augmente le nombre de doses qu'on va pouvoir sortir par produit, plus on diminue la quantité de réactifs, de matières premières, d'énergie qui sont utilisées.

Un autre aspect concerne le développement des procédés de production. Lorsque des spécialistes en R&D inventent un nouveau médicament, il faut être capable de le produire. Il est donc nécessaire de comprendre comment combiner toutes les technologies de production disponibles pour assembler des usines, et quels process va-t-on pouvoir mettre en place.

Avec nos approches, nous arrivons à concevoir des méthodes de développement de procédés « end-to-end » sur toute une chaîne de production, à la fois en tenant compte des connaissances des experts mais aussi des développements et des données préexistantes. Nous arrivons ainsi à réduire jusqu'à 40% le temps et les moyens nécessaires au développement d'un process pour un nouveau produit. Ces performances représentent des mois et des centaines de milliers d'euros gagnés par nouveau procédé.

L'écosystème belge est remarquable pour cet aspect, car nous avons à la fois des chercheurs en biologie et en médecine, des médecins et des hôpitaux universitaires qui viennent avec des innovations thérapeutiques, et en même temps nous possédons tout l'écosystème industriel pour produire ces médicaments chez nous.

 

On entend de plus en plus parler de digital twins dans l’industrie et les biotechnologies. Jusqu’où peut-on aller dans la modélisation numérique d’un processus biologique ?

Nous pouvons aller assez loin. Il est néanmoins vrai que le terme de digital twins, ou jumeaux numériques, est utilisé pour décrire plusieurs choses différentes.

Lorsque beaucoup de paramètres interviennent juste sur une pièce d'équipement par exemple, il est intéressant d’en développer un jumeau numérique afin de simuler sur base d’une série de valeurs si le process va bien se passer, d’un début à la fin de sa réalisation. Si à la fin d’un procédé de production tout s’est bien passé, nous pouvons également envisager de changer certains paramètres pour faire des tests et continuer à s’améliorer, ou même rattraper d’éventuelles erreurs en cours de route et éviter des gaspillages de production.

Ensuite, les jumeaux numériques peuvent aussi être plus transversaux sur l’entièreté d’une ligne de production afin d’améliorer le rendement ou la qualité d'un produit, non pas attaché à une pièce d’équipement précise, mais à un process multi-étape.

Enfin nous pouvons retrouver le concept de digital twins du côté du patient. Ici nous ne parlons plus de production de médicaments, mais de recherches réalisées avec des jumeaux numériques de certains organes ou de certaines fonctions du corps humain.

Dans le cas de patients diabétiques par exemple, il est possible de générer un jumeau numérique du patient pour les aspects de régulation du glucose, afin d’anticiper des situations aggravantes.

 

DNAlytics continue de croître dans un secteur où les cycles d’innovation et de validation peuvent être longs. Quelle stratégie de croissance privilégiez-vous aujourd’hui ?

Nous restons une entreprise essentiellement basée sur un modèle de service, avec une volonté de croître de façon organique, non pas avec une croissance exponentielle avec des levées de fonds stables, mais plutôt en profitant des belles réalisations permettant d’augmenter l'activité de l'entreprise.

Par ailleurs, spécifiquement au segment bio-fabrication, nous proposons une suite de logiciels nommée Hercule, qui est une série de modules permettant d'accompagner différents métiers dans une entreprise biotech qui fabrique des produits thérapeutiques ou des vaccins pour les aider dans des tâches impliquant l’utilisation de données. Il peut s’agir de l'automatisation de tâches réglementaires, de rédaction de rapports, de l'aide à la mise sur le marché de lots, mais aussi l'amélioration des procédés via la conception d’une architecture de données unique.

Nos modèles arrivent à centraliser ces données, et à les rendre accessibles instantanément à différents postes de travails liés à des systèmes de production, ce qui est assez unique sur le marché. En l'absence de cette architecture de données communes, assembler un dataset qui va permettre d’améliorer des procédés peut prendre 6 à 8 mois. Avec notre solution, on le fait en 5 minutes.

Le défi aujourd’hui réside dans la mise en place d’un changement dans la gouvernance des données dans une entreprise. La complexité réside dans l’implémentation de ces nouvelles méthodes de travail et dans la prise de conscience aux responsables de ces entreprises qu'il y a une distance entre les producteurs et les consommateurs de données.

 

Si nous nous retrouvons dans cinq ans, quels problèmes aimeriez-vous que DNAlytics soit capable de résoudre qu’elle ne peut pas encore résoudre aujourd’hui ? Et quels marchés ou applications pourraient devenir stratégiques pour vous ?

Je pense que le développement de notre application Hercule, le logiciel de bio-manufacturing, est vraiment notre objectif stratégique à l'heure actuelle. Nous voulons également faire accepter l’efficacité de nos modèles aux gestionnaires principaux des entreprises.

Aujourd’hui, une forme de pression nous vient d'Asie. Jusqu'il y a cinq ans, nous pouvions clairement dire que l'Europe présentait les plus belles innovations, le plus d’avancées en termes de produits de santé. Les Américains n'étaient pas loin derrière et l'Asie copiait, ce qui n’est plus le cas aujourd’hui. Cette dernière présente des solutions de développement de process de production de médicaments, des nouveaux médicaments et des technologies complètement digitalisées. Ils sont un peu devant nous et nous devons faire attention à rester dans le train.

Ensuite nous avons une incertitude totale causée par les États-Unis. Je disais que la Belgique a un super écosystème au niveau de la santé, mais il est impossible de ne pas faire l’état, ces 18-24 derniers mois, du grand nombre de faillites, de restructurations dans un secteur qui allait pourtant très bien ces 20-30 dernières années.

Nous pouvons encore parler de souveraineté européenne, car il s’agit de domaines où on retrouve encore des emplois dans les usines, mais le défi est de garder ces structures chez nous. Si l’on ne veille pas à rendre ces jobs hyper compétitifs par rapport à ces questions relationnelles un peu détériorées avec les États-Unis et la vraie compétition qui vient d'Asie, nous risquons alors dans 10, 15, 20 ans de ne plus avoir ces emplois chez nous.

 

DNAlytics est née de l’UCLouvain et est aujourd’hui implantée au LLN Science Park. Qu’est-ce que cet écosystème vous apporte concrètement au quotidien ?

J’ai beaucoup apprécié mes années à l’université en tant qu'étudiant et que chercheur. Cette période m’a permis d'avoir beaucoup de contacts dans différents domaines, en médecine, en agronomie, à l’École Polytechnique: il s’agit du hub qui nous a permis de démarrer.

Dans le parc scientifique, notre positionnement géographique est central, à côté de Gosselies, pas loin de Liège et de Bruxelles. La connexion naturelle en tant que spin-off de l’UCLouvain est également importante, et nous continuons d'avoir beaucoup de projets en collaboration avec l’université. Nous avons également des collaborations avec les universités de Mons, de Liège ou de Bruxelles. Nous restons très ouverts.

Nous avons également des collaborations locales avec d’autres entreprises du LLN Science Park, notamment dans notre bâtiment au sein du Monnet Innovation Center in BW.

 

Pouvez-vous nous en dire plus sur vos collaborations avec l’UCLouvain ?

Nos collaborations avec l’UCLouvain sont de trois types. Tout d’abord, elle nous donne accès à un vivier de stagiaires et de mémorants. Chaque année, nous accueillons entre un et trois stagiaires et autant de mémorants, ce qui leur permet de se confronter à de vraies problématiques industrielles. De notre côté, leur soutien nous permet d’aborder des aspects pour lesquels nous n’avons pas forcément de temps à consacrer dans notre routine quotidienne.

Un autre type de collaboration touche aux aspects de Recherche et Développement, avec des projets de pôle, dont des projets biowin et des projets régionaux.

Enfin, certains de nos clients sont des unités de recherche universitaire faisant appel à nos services et expertises.

 

Personnellement, qu’est-ce qui vous motive dans l’aventure DNAlytics après plus de dix ans ? Qu’est-ce qui vous donne encore envie de faire avancer l’entreprise aujourd’hui ?

Un des objectifs à travers ce projet d'entreprise, est de pouvoir développer et de maintenir des emplois très qualifiés et à forte valeur ajoutée dans la région, soutenus par un enseignement supérieur d’exception.

L’importance de l’innovation et du niveau élevé de compétences des travailleurs de nos régions n’ont rien à envier aux Etats-Unis ou autres grandes nations. Je trouve ça essentiel de se rendre compte de ce niveau de qualité, retrouvé également dans les valeurs humaines des employés, et de pouvoir bénéficier de niveau important de fiabilité.

 

Quel message ou conseil adresseriez-vous aux entrepreneurs et aux chercheurs de la Communauté du LLN Science Park ?

Tout d’abord, lorsque c’est possible, il est important de regarder ce qui est fait localement.

 Si l’on a besoin de sourcer des produits ou des services, regardons ce qui se fait en Belgique ou en Europe avant d’aller voir en Asie ou en Amérique.

Les bénéfices à court terme proposés par des sociétés étrangères peuvent être attractifs, mais faire le choix de cette délocalisation détricote le tissu industriel belge et européen.

Enfin, à ceux qui envisagent de lancer une activité économique, allez-y, foncez et amusez-vous !

 

 

DNAlytics est une spin-off de l’UCLouvain spécialisée en Data Science et IA appliquées à la santé. Elle analyse des données biologiques et cliniques pour aider les acteurs de la pharma, biotech, MedTech et santé publique à développer des solutions prédictives et à optimiser leurs processus.

►Vers le site de DNAlytics

►Vers la fiche de contact de l’entreprise

Retour