En formation professionnelle, l’utilisation d’un simulateur parie sur l’apprentissage par l’erreur. En médecine, les apprentissages concernés sont multiples : maîtrise de l’anatomie, des gestes techniques avec des solutions de réalité virtuelle, des compétences de travail en équipe, entraînement à la communication autour de la relation médecin-malade. Ces outils sont en plein développement, notamment dans le cadre de la réforme des études de santé. À l’ère des données massives et de l’intelligence artificielle, quel rôle pourront jouer, à terme, des dispositifs de simulation dans la prise en charge des patients ? Ces approches sont en décalage avec les systèmes d’apprentissage informatiques parce qu’elles reposent classiquement sur la constitution de scénarios préétablis susceptibles d’anticiper tous les cas de figure. Prédire les comportements de systèmes biologiques nécessite de prendre en compte de très nombreux éléments moléculaires et génétiques pour lesquels les informations sont souvent limitées et non exhaustives. Cette vision intégrative et finaliste du comportement normal ou pathologique du vivant est-elle réaliste ? À quel niveau de résolution peut-on se placer ? 
La connaissance d’une pathologie prend en compte des considérations macroscopiques (le patient et son environnement), microscopiques (les cellules et groupes de cellules), physicochimiques et moléculaires d’une grande complexité. Cependant, simuler les conséquences cliniques d’anomalies biologiques, telles que les mutations génétiques et le parcours du patient, afin de tester les conséquences de décisions médicales, est envisageable. Comme c’est le cas pour les transports, créer des modèles fragmentaires réalistes mimant le comportement du vivant est concevable. Développer des jumeaux numériques, miroirs du patient, permettrait de gérer de grandes quantités de données, de prédire l’évolution d’une maladie, de simuler les effets des diverses hypothèses thérapeutiques, dans l’optique d’une prise en charge plus personnalisée et efficace.

Pierre Brousset, département de pathologie, Institut universitaire du cancer de Toulouse-Oncopole, Toulouse

2 novembre 2021