Genentech maximise la valeur des données de biomarqueurs cliniques grâce à AWS

Lorsque la plupart des gens pensent à la recherche translationnelle, ils pensent au transfert laboratoire-lit du patient, c.-à-d. à un transfert des connaissances acquises en laboratoire jusque dans les centres de soins sous la forme de nouvelles thérapies ou stratégies de traitement. Cependant, à l'ère des big data dans les sciences de la vie, les chercheurs peuvent également penser au « transfert inversé », selon lequel les informations recueillies en clinique mènent à de nouvelles découvertes en laboratoire. Néanmoins, pour récolter ces informations, il faut que les données cliniques soient sécurisées, accessibles, stables et consultables, ce qui est souvent plus facile à dire qu'à faire. 

« Vous devez disposer des bonnes données de haute qualité. Si vous introduisez un tas de données inutiles dans un algorithme analytique sophistiqué, vous obtiendrez toujours des données inutiles », explique Christina Lu, responsable de la gestion et de l'ingénierie des données dans le domaine du développement des sciences informatiques chez Genentech. 

Genentech, membre du groupe Roche, est une société biotechnologique et pharmaceutique de premier plan. Elle a accumulé une mine de données biologiques concrètes issues d'années d'essais cliniques et de recherches. En 2017, le groupe des sciences du développement de Genentech a mis en œuvre une stratégie visant à optimiser ces données pour la recherche et le développement, dans le but de répondre à des questions clés comme « Quelle est notre prochaine cible médicamenteuse ? » et « Comment les données des essais cliniques achevés peuvent-elles éclairer la conception des prochains essais ? » Cette stratégie impliquait la création d'un écosystème de données sur les plateformes AWS pour organiser rétrospectivement les données dans des référentiels interrogeables et mettre en place des outils et des processus pour la gestion future des données.

« Nous sommes à un point d'inflexion en matière de recherche clinique. Aujourd'hui, si vos données ne sont pas organisées, vous perdez des opportunités importantes de mettre au point de nouveaux traitements et d'améliorer la prise en charge des patients », déclare Christina Lu. Dans le cas de Genentech, bon nombre de ces opportunités sont centrées sur l'analyse de biomarqueurs, c'est-à-dire de molécules mesurables dans le corps humain associées à des états biologiques spécifiques, afin de comprendre les processus pathologiques et les mécanismes moléculaires.

L'objectif d'« organiser ses données » est de respecter les principes FAIR : Findable (Facile à trouver), Accessible, Interoperable (Interopérable) et Reusable (Réutilisable). Un rapport de 2018 a estimé que l'économie de l'Union européenne perd à elle seule 10,2 milliards d'euros par an en utilisant des données de recherche qui ne respectent pas les principes FAIR. Mais en l'état actuel des choses, les scientifiques des données passent jusqu'à 80 % de leur temps à collecter, à nettoyer et à organiser les données manuellement, alors que leur expertise serait mieux utilisée pour créer des modèles ou effectuer d'autres tâches spécialisées.

« La curation des données existantes est coûteuse, prend du temps et ne peut pas être mise à l'échelle », explique Christina Lu. Pour réduire les coûts et atteindre la capacité de mise à l'échelle et l'efficacité, Genentech a consolidé et transféré les données existantes de biomarqueurs de son réseau d'organismes de recherche sous contrat (CRO) vers un référentiel centralisé et bien géré hébergé sur Amazon Simple Storage Service (Amazon S3), service de stockage d'objets. Les scientifiques de Genentech et les chercheurs externes ont ainsi un accès rationalisé à une plus grande quantité d'informations, ce qui ajoute de la puissance statistique aux études susceptibles de révéler de nouvelles cibles en matière de thérapie génique ou de médicaments anticancéreux.

« Si nous pouvons appliquer ces stratégies de curation des données de manière prospective, nous pouvons accomplir bien plus en termes d'impact sur la santé humaine », a déclaré Christina Lu.

« Le référentiel de données sur les biomarqueurs que nous avons créé sur AWS héberge des pétaoctets de données exploratoires sur les biomarqueurs et fournit une interface permettant aux scientifiques de trouver facilement les données dont ils ont besoin pour une étude spécifique », explique Christina Lu.

Le référentiel de biomarqueurs est stocké sur Amazon S3, tandis qu'Amazon Relational Database Service (Amazon RDS), service géré de base de données relationnelle, administre les métadonnées associées, et qu'Amazon Elasticsearch Service permet l'indexation et la recherche rapide. Genentech utilise Amazon API Gateway pour créer des API qui fournissent aux chercheurs un accès sécurisé et spécifique à l'étude, selon leurs besoins.

« Grâce à cette architecture rationalisée, les analyses de données cliniques, qui habituellement prenaient des semaines, ne nécessitent désormais que quelques heures pour les chercheurs », explique Christina Lu. « C'est ainsi que nous mettons à profit chaque point de données afin de fournir le bon médicament au bon patient au bon moment. »

Découvrez comment AWS transforme la gestion des données pour d'autres entreprises du secteur des sciences de la vie.