Un jumeau numérique est une réplique virtuelle d’un patient, d’un organe ou d’une cellule. Il ne s’agit pas d’une simple modélisation par intelligence artificielle, mais d’une combinaison de modèles mécanistiques — décrivant par exemple la physiologie ou la croissance tumorale — et de modèles basés sur des données, construits à partir de larges cohortes⁴. Le modèle est dynamique et peut être actualisé au fil de l’émergence de nouvelles données cliniques, biologiques ou génomiques. L’objectif est de reproduire, au plus près du réel, l’évolution d’un organe, d’une tumeur ou d’un organisme entier. À ce jour, les modèles les plus avancés concernent des échelles limitées d’organes, de tissus ou de cellules, et l’intégration multi-échelle, du niveau cellulaire à l’organisme, demeure le principal obstacle scientifique⁵.

La création d’un jumeau numérique mobilise les mathématiques, les biostatistiques, l’informatique, la biologie, la pharmacologie et la médecine⁶. Elle repose sur plusieurs étapes clés, à commencer par la collecte et la sélection des données : informations cliniques, biologiques, génomiques, d’imageries ainsi que des données de cohortes rétrospectives.
Ces données alimentent ensuite des modèles mécanistiques, statistiques ou d’apprentissage automatique, calibrés sur les caractéristiques du patient ou de la cohorte. L’objectif est de disposer d’un modèle capable de simuler de manière réaliste la progression d’une maladie ou la réponse à un traitement.

Les jumeaux numériques pourraient accélérer et simplifier le recrutement dans le cadre des essais cliniques de phase II. Deux approches seraient ainsi envisagées sur le plan conceptuel et méthodologique : 

• conserver le nombre de participants réels et y associer des jumeaux numériques pour augmenter la puissance statistique ; 

• ou réduire le recrutement réel et le compléter par des jumeaux. 

Cette seconde option pourrait limiter l’exposition des patients à des traitements potentiellement toxiques tout en préservant la robustesse scientifique dans des contextes cliniques précis (néoadjuvant, adjuvant en oncologie par exemple). Ils permettraient aussi de mieux sélectionner les participants, en identifiant ceux les plus susceptibles de répondre au traitement, ceux pour lesquels la toxicité serait trop élevée, ou les profils à exclure pour éviter des risques inutiles. Les jumeaux numériques pourraient enfin servir de support pédagogique, en aidant les patients à comprendre les bénéfices, les risques et l’intérêt de leur participation à un essai. A ce jour, ces approches reposent principalement sur des travaux de modélisation ou des analyses rétrospectives⁷.

Malgré leur potentiel, les jumeaux numériques présentent des limites importantes. La représentativité et l’échantillonnage constituent un défi majeur : le jumeau doit refléter la diversité réelle de la population ciblée, alors que des biais liés à l’âge, à l’origine géographique, au statut socio-économique ou aux comorbidités peuvent exister.
La validation des modèles est essentielle et repose sur la comparaison avec les résultats d’essais cliniques traditionnels. Aucun essai ne peut être entièrement remplacé par un jumeau numérique tant que cette équivalence n’a pas été démontrée, ce qui implique une phase transitoire combinant essais réels et simulations.
Certaines dimensions restent difficiles, voire impossibles, à intégrer⁸. C’est le cas de l’exposome, c’est-à-dire l’ensemble des facteurs environnementaux et comportementaux influençant la santé. Or, celui-ci joue un rôle majeur sur l’immunité et la sensibilité aux traitements, ce qui complique la modélisation fiable des patients virtuels.

Sur le plan éthique, l’usage des jumeaux numériques soulève des questions inédites, en particulier autour du consentement, de la confidentialité et du devenir des modèles⁴. Les patients doivent être clairement informés que leurs données serviront à générer un jumeau numérique potentiellement réutilisable dans d’autres essais, et qu’une fois ces données intégrées dans un modèle d’apprentissage, le retrait de consentement devient extrêmement difficile, voire impossible. Cette irréversibilité oblige à repenser la manière d’informer les participants et à envisager des consentements par niveaux ou des modalités spécifiques de réutilisation. Dans ce contexte, les comités de protection des personnes apportent une garantie essentielle en vérifiant que l’usage des jumeaux numériques respecte l’éthique, la qualité du consentement et la protection des données, sans compromettre la sécurité des participants réels. Enfin, la question du devenir du jumeau numérique reste ouverte : certains modèles pédagogiques pourraient être détruits à la demande du patient, mais ceux intégrés dans des modèles collectifs ne peuvent généralement plus être retirés, ce qui appelle une réflexion réglementaire approfondie.

Les autorités doivent définir un cadre clair pour encadrer l’usage des jumeaux numériques : critères de validation, exigences de transparence, modalités de consentement, conditions de réutilisation, limites de responsabilité en cas d’erreur de prédiction. À ce jour, aucune réglementation spécifique n’existe : dans leur utilisation actuelle, ils sont considérés comme des Software as A Medical Device (logiciel en tant que dispositif médical) et sont donc régis par la réglementation afférente. Les résultats qu’ils produisent ne sont pas automatiquement reconnus comme preuves cliniques par les autorités européennes ou françaises ; leur valeur réglementaire dépend de la conformité du logiciel, de la validation de son usage et de la manière dont ces résultats s’intègrent dans un cadre méthodologique reconnu².
La responsabilité médicale demeure celle du médecin : le jumeau numérique est une aide à la décision, qui ne le décharge pas de sa responsabilité finale. L’éditeur informatique est, quant à lui, responsable de la conformité, de la sécurité et de la protection des données.

Les jumeaux numériques ne remplaceront pas les essais cliniques dans un futur proche mais devraient en améliorer et accélérer la conception et l’efficience, en particulier dans les phases I et II. Ils pourraient notamment contribuer à l’optimisation des doses, à l’enrichissement des populations étudiées ou, dans un cadre méthodologique encadré, à la réduction voire le remplacement par des patients virtuels des bras contrôles sous réserve de validations méthodologiques et cliniques à définir. Cette approche semble particulièrement prometteuse pour les maladies rares⁹, où les cohortes sont limitées et les essais traditionnels difficiles à conduire : la modélisation de patients virtuels pourrait faciliter la validation rapide de traitements et élargir le portefeuille thérapeutique.

Avec la contribution du Dr Irène Buvat, physicienne, directrice de recherche au CNRS et travaillant au sein du laboratoire « Imagerie, Radiothérapie Innovante et médecine des Systèmes (IRIS) » à l’Institut Curie.