00:00On va parler oncologie ce matin dans la French Tech. Notre invité c'est Myriam Sefta.
00:03Bonjour, vous êtes directrice générale et cofondatrice de WAVE.
00:07Vous êtes docteur en biologie, vous avez fait polytechnique, le MIT, l'Institut Curie.
00:11Vous avez travaillé pendant 8 ans chez Hawkeen.
00:13Déjà là...
00:15Beau CV.
00:16Voilà, très beau CV. Hawkeen qu'on suit régulièrement.
00:18MedTech utilise l'intelligence artificielle pour trouver le bon traitement pour chaque patient.
00:22Vous avez lancé une sorte de spin-off d'Hawkeen.
00:25Qu'est-ce que vous allez faire que eux ne faisaient pas ?
00:27Donc WAVE est une spin-off d'Hawkeen.
00:30C'est une continuation d'une activité qui existait dans Hawkeen depuis début 2022.
00:36Donc en fait, notre entreprise en tant que telle, notre business existe déjà depuis, disons, 4 ans.
00:41Et donc là, on va continuer à accélérer ce business.
00:44Ce qu'on fait, c'est une ambition assez forte qui est d'aider les médecins à adapter la prise
00:52en charge des cancers de leurs patients
00:54aux caractéristiques individuelles de ces cancers grâce à l'intelligence artificielle.
00:59On a déjà développé beaucoup de preuves scientifiques de publication.
01:04On pourrait dire 6-7 ans de publication derrière nous et de science vers cet objectif.
01:11Et là, maintenant qu'on commence à avoir des preuves cliniques de plus en plus fortes,
01:14notre objectif en sortant d'Hawkeen, c'est d'accélérer la commercialisation de ces solutions.
01:18Et là, vous venez de lever 33 millions de dollars en amorçage.
01:22Donc ça a déjà bien fonctionné, 90% en equity.
01:25Vous êtes aussi aidé par BPI France.
01:29L'objectif, c'est vraiment, et après je laisserai la parole à Anthony Moral,
01:32c'est sa passion, ce genre de medtech,
01:34c'est qu'il faut trouver le traitement le plus individualisé pour chaque personne.
01:38C'est ça l'objectif, c'est le sur-mesure dans l'oncologie.
01:42Oui, en oncologie, c'est ça.
01:44C'est-à-dire qu'en oncologie, on sait depuis plusieurs années
01:48qu'adapter la prise en charge aux caractéristiques propres et individuelles de chaque patient
01:54a un impact majeur sur le pronostic.
01:58Et donc, derrière ça, il y a des questions scientifiques très complexes
02:02qui est comment on évalue justement les caractéristiques des patients,
02:07qu'est-ce qu'on mesure pour savoir finalement vers quels traitements les orienter,
02:12comment les prendre en charge.
02:13Et l'intelligence artificielle nous permet de faire ça
02:17de manière beaucoup plus sophistiquée,
02:19beaucoup plus profonde que ce qu'on pouvait faire avant.
02:21Alors de manière très concrète, l'intelligence artificielle,
02:24vous l'utilisez, si j'ai bien compris, c'est sur les biopsies des patients.
02:26C'est ça en fait, on va récupérer les prélèvements qu'on réalise sur un patient
02:30et vous allez aller analyser de manière extrêmement fine
02:33des choses qui ne peuvent pas être vues à l'œil nu par un médecin
02:36et vous allez découvrir des sous-types de cancers
02:39qui peuvent dire, là, il y a ce déterminant-là
02:43et donc on va mettre en place ce traitement-là plutôt qu'un autre
02:47et ça, on ne peut pas le voir à l'œil nu en fait.
02:49C'est ça en fait, c'est comme ça que ça fonctionne ?
02:50C'est tout à fait ça.
02:51C'est-à-dire qu'aujourd'hui, on voit beaucoup de choses à l'œil nu
02:54sur justement ce qu'on appelle ces images d'anatomopathologie de cancer.
02:59Donc c'est vraiment l'image microscopique des tumeurs.
03:02Donc on récupère soit une biopsie, soit une résection d'une tumeur entière
03:05et elle va être visualisée sous un microscope.
03:08Ces images-là sont très informatives et très riches en informations.
03:12Donc elles sont déjà utilisées pour sous-typer les patients aujourd'hui en oncologie
03:16et l'IA permet d'aller beaucoup plus loin,
03:19c'est-à-dire de processer la richesse de cette information
03:22à un niveau qui nous permet de faire des prédictions
03:25et faire des sous-typages qui dépassent les capacités de l'œil humain aujourd'hui.
03:30Et la prédiction, c'est quoi ?
03:31C'est la prédiction du taux de survie du patient ?
03:34C'est la prédiction du type de traitement qu'il va devoir subir ?
03:38Qu'est-ce que ça vous donne comme information ?
03:39Alors ça peut être plusieurs choses.
03:41Ça peut être la prédiction de la réponse à un traitement.
03:43Donc par exemple, si on est dans un cas d'un essai clinique
03:46où on va tester une nouvelle molécule chez des patients,
03:50on va avoir des patients qui vont répondre,
03:52des patients qui ne vont pas répondre
03:53et l'enjeu, ça va être de comprendre qu'est-ce qui a drivé cette réponse
03:56et comment on prédit ensuite dans la vraie vie
03:58qui va répondre effectivement pour ayant été les traitements vers ces patients-là.
04:03L'intelligence artificielle nous permet de faire ça.
04:05On peut aussi, par exemple, utiliser l'intelligence artificielle
04:08pour prédire, par exemple, le risque de rechute dans un cancer,
04:12pour adapter la prise en charge, l'agressivité du traitement
04:17aux caractéristiques propres du patient.
04:20Et qu'est-ce que vous regardez comme critère, justement, pour prédire tout ça ?
04:23Alors justement, ce qui est fort avec cette intelligence artificielle,
04:27c'est qu'elle est peu supervisée.
04:31C'est-à-dire qu'on ne va pas mettre comme a priori des critères qu'on connaît déjà.
04:37On va donner toutes les données, par exemple toute l'image brute
04:40et les données cliniques à l'intelligence artificielle
04:42et on va la laisser apprendre à extraire ce qui est important de ces images
04:47et faire les prédictions à partir de ces images.
04:48Donc l'idée est vraiment d'aller plus loin
04:50que ce qu'on serait capable de faire avec une hypothèse humaine.
04:53Mais alors ça, c'est ça qui est fou, qui est fascinant.
04:55En même temps, comment est-ce que l'IA sait ?
04:58Quand vous dites que c'est des éléments qui sont invisibles à l'œil nu,
05:01comment l'IA sait que tel élément que nous, les humains, on ne peut pas voir
05:05est pertinent et va apporter tel type de réponse ?
05:08On est quasiment dans la magie de la technologie d'une certaine manière.
05:13Comment on l'explique ?
05:14Avec en gros de l'entraînement.
05:16C'est-à-dire que ce qui va être clé pour ces intelligences artificielles,
05:19c'est de les entraîner.
05:20Par exemple, on a un produit qui s'appelle Relapse Risk
05:23qui prédit le risque de rechute dans le cancer du sein.
05:26Comment l'IA a appris ça ?
05:27On lui a donné des données très riches, longitudinales,
05:31où en gros on avait l'image de la tumeur au début
05:34et l'information de si la patiente avait rechuté 5 ou 10 ans plus tard.
05:38Et en fait, en donnant des exemples,
05:40c'est vraiment de l'apprentissage par l'exemple,
05:42de patients qui ont rechuté, de patients qui n'ont pas rechuté à l'IA,
05:46elle apprend à extraire des images
05:48les éléments qui sont vraiment associés à ce haut risque de rechute.
05:52Et vous en êtes où en termes de développement ?
05:54Il y a des attentes très fortes évidemment sur l'oncologie.
05:56On voit à quel point l'intelligence artificielle change tout.
05:59C'est-à-dire que vous allez pouvoir développer ça dans les prochains mois.
06:02C'est quoi l'échéance ?
06:04En gros, il y a 6-7 ans, on a sorti,
06:08et Hawking était vraiment parmi les premiers pionniers
06:10à se positionner là-dessus,
06:12des premières publications, des premières études
06:14qui montraient que scientifiquement c'était possible.
06:16Donc d'utiliser ces images et l'intelligence artificielle
06:19pour prédire des choses en oncologie.
06:23Ce qui s'est passé ces 2-3 dernières années
06:26et où on continue à développer ça, à publier ça,
06:30c'est qu'on a eu des études cliniques
06:31très impactantes qui ont montré dans la vraie vie
06:35de manière très rigoureuse cliniquement et médicalement
06:38qu'effectivement, on avait des IA qui arrivaient
06:41à prédire ces choses-là.
06:42Donc c'est disons le niveau d'après en termes de R&D.
06:45Mais vous avez aussi, vous, phase 1, phase 2, phase 3 ?
06:48Comme les médicaments ?
06:49Oui.
06:50Alors pas exactement.
06:51On peut avoir des études cliniques,
06:54mais aujourd'hui, on travaille beaucoup
06:55sur des données rétrospectives.
06:57C'est-à-dire qu'on va aller chercher des bases de données
06:59qui ont été collectées de manière prospective
07:01dans des grandes études,
07:03réanalyser ces données-là
07:04et retravailler sur justement ces images de pathologie,
07:08notamment, qui ont été collectées à ce moment-là.
07:11Et maintenant, du coup, l'enjeu,
07:12une fois qu'on a...
07:14Maintenant qu'on continue à développer ces preuves cliniques,
07:16c'est de commencer à les déployer dans la vraie vie.
07:18Donc c'est quand ?
07:19Dévelopment commercial ?
07:20Vous vous dites quelle échéance ?
07:21Dans les, je dirais, 2 à 5 prochaines années.
07:24C'est vraiment, je pense,
07:26le moment où on va voir ces tests
07:27commencer à passer à l'échelle
07:28et dans la vraie vie.
07:29Merci beaucoup, Myriam Sefta,
07:31d'être venue ce matin sur le plateau de BFM Business.
Commentaires