Inato a mis en place un processus unique permettant d’automatiser la collecte et le traitement des données nécessaires au lancement d’essais cliniques. Avec la création d’une plateforme reposant sur l’IA, Inato permet aux acteurs de l’industrie pharmaceutique d’optimiser l’exécution des essais cliniques et donc de réduire drastiquement leurs coûts de développement. En accélérant les essais cliniques, Inato rend plus rapide et moins cher l’accès à de nouvelles thérapies pour les patients.
Pour chaque nouveau traitement, l’obtention d’une autorisation de mise sur le marché dépend de la bonne réalisation de ces essais cliniques. Pour être probants, ces essais doivent recruter des centaines voire des milliers de patients, souvent dans plusieurs dizaines de pays, via des partenariats avec des hôpitaux. La complexité croissante des essais rend ce processus de plus en plus lourd et coûteux: plus de 30,000 essais sont effectués chaque année, atteignant parfois 500 millions de dollars par essai. Cela représente jusqu’à 15% du chiffre d’affaires des grands laboratoires pharmaceutiques, soit plusieurs milliards.
Ceci se traduit également par l’augmentation ininterrompue des prix des traitements qui rend la prise en charge de certaines maladies de plus en plus difficile pour les systèmes de soins.
Il est aujourd’hui reconnu que l’automatisation de l’opérationnel de ces essais, plus particulièrement par l’IA, pourrait réduire leur coût de 90%, notamment en améliorant l’identification des meilleurs hôpitaux pour un essai donné.
En effet, cette phase d’identification est critique à la réussite de l'essai. Néanmoins, 30% des hôpitaux participant à un essai clinique ne recrutent aujourd’hui pas le moindre patient. Cette défaillance augmente de plus de 25% le coût direct des essais et les retards accumulés représentent un manque à gagner de plusieurs centaines de millions de dollars pour les molécules à plus fort potentiel.
Pour pallier ce problème, Inato permet aux entreprises pharmaceutiques d’identifier exhaustivement les hôpitaux potentiels pour un essai donné, de les qualifier et d’en déduire immédiatement les meilleurs partenaires.
Grâce au machine learning, Inato a développé une plateforme qui collecte et identifie les signaux faibles prédictifs de la performance de recrutement.
Celle-ci couvre plus de 220,000 départements hospitaliers dans le monde, 1,200,000 médecins investigateurs totalisant un historique d’environ 900,000 essais.
Afin de permettre à ses clients d’optimiser le déploiement de leurs essais cliniques, l’approche d’Inato est basée sur 3 concepts clés:
Automation : la collecte, la structuration et l’analyse des données nécessaires à la mise en place d’un essai sont entièrement automatisées
Trust : Inato recroise des dizaines de sources afin d’améliorer la fiabilité et la traçabilité des données
Intelligence : l’intelligence artificielle développée par Inato met à disposition du client une analyse personnalisée lui permettant de se concentrer sur les décisions stratégiques
"Les industriels cherchent de plus en plus à entrer dans ce qu'on appelle la médecine de précision, où les médicaments s'adressent à des patients de mieux en mieux profilés (en termes de maladie, de caractéristiques personnelles, etc.). Les populations à inclure sont donc de plus en plus restreintes, comme leurs futurs marchés d'ailleurs", explique le Dr Jean-David Zeitoun, cofondateur d’Inato.
"Dans ce contexte, le recrutement se complexifie de plus en plus." complète Kourosh Davarpanah, cofondateur & CEO d’Inato. "Chaque maladie devenant une maladie rare, les essais nécessitent de plus en plus de centres pour toucher les bons patients. Les pharmas devront adopter une approche plus data-driven si elles ne veulent pas voir leur coûts exploser.”
« La révolution technologique du Machine Learning et de l’IA au service du gigantesque marché de l’industrie pharmaceutique est une opportunité unique pour accompagner une transformation majeure », souligne Bertrand DIARD, Co-fondateur de Talend & Influans et Venture Partner de Serena Capital. « Je suis convaincu que l’équipe d’Inato est la plus avancée et la plus pertinente dans le monde pour délivrer cette rupture ».
Ses 3 marchés clés sont 1/ les laboratoires pharmaceutiques 2/ les biotechs 3/ les CRO qui sont les entreprises prestataires en charge des essais cliniques.
Cette levée de fonds servira à accélérer le développement commercial d’Inato à l’échelle européenne et à renforcer ses équipes techniques afin de continuer à affiner les capacités prédictives de sa solution.
Inato a déjà signé plusieurs contrats avec de grands acteurs de l’industrie pharmaceutique.
Par ailleurs, Inato a remporté le prix du jury Sanofi de la meilleur startup Big Data Santé parmi plus de 450 participants en juin 2017 et fait partie du Top 40 des start-ups sélectionnées au niveau mondial parmi plus de 1000 candidats pour collaborer avec Bayer.
Pour chaque nouveau traitement, l’obtention d’une autorisation de mise sur le marché dépend de la bonne réalisation de ces essais cliniques. Pour être probants, ces essais doivent recruter des centaines voire des milliers de patients, souvent dans plusieurs dizaines de pays, via des partenariats avec des hôpitaux. La complexité croissante des essais rend ce processus de plus en plus lourd et coûteux: plus de 30,000 essais sont effectués chaque année, atteignant parfois 500 millions de dollars par essai. Cela représente jusqu’à 15% du chiffre d’affaires des grands laboratoires pharmaceutiques, soit plusieurs milliards.
Ceci se traduit également par l’augmentation ininterrompue des prix des traitements qui rend la prise en charge de certaines maladies de plus en plus difficile pour les systèmes de soins.
Il est aujourd’hui reconnu que l’automatisation de l’opérationnel de ces essais, plus particulièrement par l’IA, pourrait réduire leur coût de 90%, notamment en améliorant l’identification des meilleurs hôpitaux pour un essai donné.
En effet, cette phase d’identification est critique à la réussite de l'essai. Néanmoins, 30% des hôpitaux participant à un essai clinique ne recrutent aujourd’hui pas le moindre patient. Cette défaillance augmente de plus de 25% le coût direct des essais et les retards accumulés représentent un manque à gagner de plusieurs centaines de millions de dollars pour les molécules à plus fort potentiel.
Pour pallier ce problème, Inato permet aux entreprises pharmaceutiques d’identifier exhaustivement les hôpitaux potentiels pour un essai donné, de les qualifier et d’en déduire immédiatement les meilleurs partenaires.
Grâce au machine learning, Inato a développé une plateforme qui collecte et identifie les signaux faibles prédictifs de la performance de recrutement.
Celle-ci couvre plus de 220,000 départements hospitaliers dans le monde, 1,200,000 médecins investigateurs totalisant un historique d’environ 900,000 essais.
Afin de permettre à ses clients d’optimiser le déploiement de leurs essais cliniques, l’approche d’Inato est basée sur 3 concepts clés:
Automation : la collecte, la structuration et l’analyse des données nécessaires à la mise en place d’un essai sont entièrement automatisées
Trust : Inato recroise des dizaines de sources afin d’améliorer la fiabilité et la traçabilité des données
Intelligence : l’intelligence artificielle développée par Inato met à disposition du client une analyse personnalisée lui permettant de se concentrer sur les décisions stratégiques
"Les industriels cherchent de plus en plus à entrer dans ce qu'on appelle la médecine de précision, où les médicaments s'adressent à des patients de mieux en mieux profilés (en termes de maladie, de caractéristiques personnelles, etc.). Les populations à inclure sont donc de plus en plus restreintes, comme leurs futurs marchés d'ailleurs", explique le Dr Jean-David Zeitoun, cofondateur d’Inato.
"Dans ce contexte, le recrutement se complexifie de plus en plus." complète Kourosh Davarpanah, cofondateur & CEO d’Inato. "Chaque maladie devenant une maladie rare, les essais nécessitent de plus en plus de centres pour toucher les bons patients. Les pharmas devront adopter une approche plus data-driven si elles ne veulent pas voir leur coûts exploser.”
« La révolution technologique du Machine Learning et de l’IA au service du gigantesque marché de l’industrie pharmaceutique est une opportunité unique pour accompagner une transformation majeure », souligne Bertrand DIARD, Co-fondateur de Talend & Influans et Venture Partner de Serena Capital. « Je suis convaincu que l’équipe d’Inato est la plus avancée et la plus pertinente dans le monde pour délivrer cette rupture ».
Ses 3 marchés clés sont 1/ les laboratoires pharmaceutiques 2/ les biotechs 3/ les CRO qui sont les entreprises prestataires en charge des essais cliniques.
Cette levée de fonds servira à accélérer le développement commercial d’Inato à l’échelle européenne et à renforcer ses équipes techniques afin de continuer à affiner les capacités prédictives de sa solution.
Inato a déjà signé plusieurs contrats avec de grands acteurs de l’industrie pharmaceutique.
Par ailleurs, Inato a remporté le prix du jury Sanofi de la meilleur startup Big Data Santé parmi plus de 450 participants en juin 2017 et fait partie du Top 40 des start-ups sélectionnées au niveau mondial parmi plus de 1000 candidats pour collaborer avec Bayer.
