Articles

  • Données de santé, IA, modélisation : les briques technologiques encore dispersées des jumeaux numériques

    Données hospitalières, SNDS… des ressources disponibles mais encore peu interopérables

    Le jumeau numérique, issu du monde industriel, trouve désormais des applications en santé. Il s’agit d’un modèle évolutif d’un patient, d’un organe ou d’un processus physiologique, construit à partir de données médicales, biologiques, comportementales et environnementales. Contrairement à une image médicale figée, ce modèle est dynamique : il évolue dans le temps, simule l’évolution d’une maladie ou teste les effets de traitements. Il se distingue ainsi par sa capacité à soutenir une approche prédictive et personnalisée de la médecine, adaptée aux spécificités de chaque patient.

    L’usage du jumeau numérique s’étend également aux industriels du médicament et du dispositif médical. Il offre un levier pour optimiser la R&D, réduire les coûts et les délais d’essais cliniques, simuler l’efficacité d’un produit. Le développement des jumeaux numériques repose sur la qualité et l’accessibilité des données. Or, malgré l’existence en France d’actifs importants comme le SNDS ou les entrepôts de données hospitaliers, les difficultés persistent : hétérogénéité des sources, volumétrie variable, structuration inégale, confidentialité, biais algorithmiques.

    Une croissance mondiale annuelle de 24,35 % prévue entre 2025 et 2030

    Estimé à 1,16 milliard USD en 2024, le marché mondial des jumeaux numériques appliqués à la santé devrait croître jusqu’à 4,69 milliards USD d’ici 2030, selon Next Move Strategy Consulting, avec un taux de croissance annuel moyen de 24,35 % entre 2025 et 2030. Cette dynamique est portée par l’intégration de technologies comme l’intelligence artificielle, l’Internet des objets et le machine learning, qui permettent de modéliser numériquement des patients à partir de données de santé en temps réel. Les pouvoirs publics jouent un rôle dans l’accélération du marché. Aux États-Unis, des initiatives comme la stratégie nationale R&D sur les jumeaux numériques (OSTP/NITRD) ou les programmes du NIH et du FDA posent des bases normatives et encouragent l’adoption en environnement clinique. En Europe, plus de 890 millions USD sont mobilisés via les programmes Horizon Europe, Digital Europe et EU4Health pour favoriser l’intégration des jumeaux numériques.

    Les hôpitaux et les laboratoires pharmaceutiques en tête des usages

    Le marché est segmenté en logiciels (57,6 %) et services (42,4 %), les premiers jouant un rôle grâce aux plateformes de simulation, d’analyse prédictive et de modélisation. Les services (intégration, maintenance, formation) soutiennent les déploiements sur le terrain. Par type, les “process twins” émergent comme leviers d’optimisation des processus hospitaliers, tandis que les applications les plus répandues se concentrent sur la découverte de médicaments, la médecine personnalisée et les essais cliniques virtuels. Les principaux utilisateurs incluent les établissements de santé (30,3 %), suivis des entreprises pharmaceutiques (18,4 %), des fabricants de dispositifs médicaux et du secteur académique.

    Pays et régions : des dynamiques d’adoption différenciées

    • Les États-Unis et le Canada s’illustrent par des stratégies fédérales structurées et des investissements publics pour encadrer le développement de jumeaux numériques fiables et sécurisés.
    • En Chine, une directive de 2024 impose aux hôpitaux publics tertiaires la mise en place de plateformes de gestion intégrées d’ici 2027. Le Japon voit dans les jumeaux numériques une réponse à son vieillissement démographique, tandis que l’Inde et la Corée du Sud investissent dans des plateformes fédérées pour des décisions cliniques en temps réel.
    • En Amérique Latine & Afrique : La modernisation des systèmes hospitaliers et la planification urbaine intelligente favorisent une adoption croissante. Le Moyen-Orient développe également des jumeaux numériques pour améliorer la qualité des soins et la gestion des flux hospitaliers.
    • L’UE, le Royaume-Uni, l’Allemagne et la France multiplient les programmes visant à renforcer l’interopérabilité, la modélisation personnalisée et l’utilisation clinique de ces outils. L’Espagne mise sur l’intégration des systèmes de santé pour favoriser les usages.

    La progression des modèles de soins centrés sur le patient, en particulier dans la gestion des maladies chroniques, alimente la demande pour des solutions de simulation capables de soutenir la décision médicale. Les applications les plus ciblées concernent la cardiologie, l’oncologie et la médecine de précision, dans des environnements où les enjeux de suivi patient sont critiques. Cependant, le pays se heurte à plusieurs défis.

    Souveraineté numérique et ancrage territorial

    La question de la souveraineté des données se traduit par une montée en puissance des infrastructures cloud régionales, avec une volonté d’héberger les données sensibles sur le territoire. En parallèle, les collaborations transfrontalières, notamment au sein de l’Union européenne, soutiennent le transfert de technologies et le développement de solutions hybrides combinant innovation locale et expertise européenne. Pour les investisseurs, les opportunités se situent sur les modules plug-and-play, l’intégration au cœur des flux hospitaliers, et les solutions de télésurveillance alimentées par la simulation.

    Le consentement et la relation de soin reconfigurés

    Cette technologie n’est pas sans risques. Elle pourrait aboutir à une réduction de la personne à un ensemble de données modélisées, et entretenir une confusion entre la réalité humaine et sa représentation numérique. L’adossement à des normes statistiques pourrait enfermer l’individu dans des catégories ou des prédictions qui le dépassent, au risque d’une perte de maîtrise sur sa propre santé. Le patient pourrait alors devenir spectateur d’un modèle qui oriente les décisions cliniques.

    L’usage du jumeau numérique questionne également le cadre du consentement éclairé. Il pourrait glisser vers une adhésion tacite à des protocoles où la décision technique prévaut, rendant invisibles les choix personnels du patient et le discernement du professionnel de santé. La relation patient-médecin elle-même s’en trouve transformée. Elle devient quadrangulaire : aux côtés du patient et du soignant, interviennent le jumeau numérique et ses concepteurs. Cela redéfinit les responsabilités de chacun et redistribue la confiance dans la décision.

    Soutenabilité, accès et équité en question

    Le développement des jumeaux numériques repose sur des infrastructures technologiques lourdes et énergivores. Cette exigence pose des questions de soutenabilité environnementale, mais aussi d’équité dans l’accès aux soins : tous les patients et établissements auront-ils les moyens de bénéficier de ces outils ? Enfin, l’interopérabilité reste un frein, les hôpitaux faisant face à des formats de données hétérogènes et des systèmes d’information cloisonnés. Les travaux du NIST et d’autres organismes visent à résoudre ces obstacles pour soutenir la scalabilité du marché.

    Deux exemples de jumeaux numériques

    Un jumeau numérique pour cartographier les allergies respiratoires en Normandie

    En France, les allergies respiratoires touchent 16 millions de personnes et restent mal diagnostiquées, avec un délai moyen de sept ans. Souvent liées à l’environnement, elles pèsent un milliard d’euros par an en hospitalisations. Pour y répondre, le projet “Jumeau numérique, État de santé d’un territoire” vise à modéliser les liens entre environnement, prescriptions médicales et santé respiratoire à l’échelle locale. Lancé par un consortium piloté par le Groupe VYV, avec le soutien de la Région Normandie et de l’Union européenne, ce projet associe plusieurs partenaires : l’Université de Caen (laboratoire GREYC), le Réseau national de surveillance aérobiologique (RNSA), les sociétés OREKA Ingénierie et SAAGIE, ainsi que le Health Data Hub.

    Le jumeau numérique s’appuie sur la combinaison de plusieurs sources : délivrances de médicaments en lien avec les allergies (données anonymisées par le Health Data Hub), épisodes polliniques observés par le RNSA, caractéristiques locales (végétation, météo, type de cultures, etc.). Ces données sont agrégées et visualisées dans des cartes interactives 2D et 3D, disponibles à l’échelle communale. La modélisation repose sur des algorithmes d’apprentissage automatique capables d’identifier des corrélations entre exposition aux pollens et délivrances de traitements. Les outils développés permettent ainsi d’estimer l’état de santé allergique d’un territoire donné, et de projeter son évolution en fonction des conditions météorologiques.

    Le démonstrateur a été présenté dans les villes de Caen et Rouen. Les premières analyses, couvrant une période de huit ans, ont révélé de nouvelles informations sur la localisation des allergènes dans la région. Elles laissent entrevoir des usages pour l’alerte pollinique, mais aussi pour l’aménagement urbain et la planification territoriale tenant compte des risques allergènes.

    SimbiotX : un jumeau numérique multiscalaire pour simuler tissus et flux sanguins

    Développé par une équipe franco-allemande, le projet SimbiotX combine modélisation cellulaire et circulation sanguine pour prédire l’évolution des pathologies, optimiser les traitements et limiter les actes invasifs. D’un côté, la modélisation dynamique des tissus multicellulaires à partir d’imageries tissulaires ; de l’autre, la simulation des flux sanguins dans les organes. Ces approches complémentaires permettent de concevoir des modèles hybrides capables de relier le fonctionnement cellulaire aux effets systémiques observés chez les patients.

    Vers des diagnostics et traitements moins invasifs

    Les travaux de SimbiotX ont déjà permis de rapprocher données d’imagerie et coupes de tissus tumoraux. Grâce à cette corrélation, les modèles peuvent être paramétrés pour reproduire la structure, la perfusion et la fonction des organes. Associée à des biomarqueurs, cette approche pourrait à terme limiter le recours aux biopsies dans le diagnostic tumoral. En modélisant la progression des pathologies, elle pourrait également orienter les décisions thérapeutiques. Par ailleurs, l’équipe collabore avec le département de toxicologie du IfADo Leibniz Institute (Allemagne) pour simuler, par exemple, les effets d’un surdosage en paracétamol. En créant un jumeau numérique du foie à l’échelle cellulaire, les chercheurs testent des hypothèses biologiques avant de les confirmer par l’expérimentation, limitant ainsi les essais in vivo.

    Un appui à la chirurgie, d’abord en rétro-analyse

    L’expertise d’Irène Vignon-Clementel, notamment en simulation des maladies cardiaques congénitales, s’étend désormais aux pathologies du foie. En collaboration avec le professeur de chirurgie Éric Vibert (Centre-hépatobiliaire de l’hôpital Paul Brousse, AP-HP), l’équipe cherche à développer des modèles dits « hémodynamiques », capables d’anticiper les effets d’une résection partielle du foie sur la circulation sanguine du patient. Ces outils sont aujourd’hui utilisés a posteriori pour analyser les conséquences d’une intervention. Mais l’objectif, à moyen terme, est de les intégrer directement dans la planification opératoire. Soutenue par une bourse ERC pour le projet MoDeLLiver, Irène Vignon-Clementel table sur un horizon de cinq à dix ans pour leur utilisation prospective par des chirurgiens experts.

    Applications élargies et enjeux de ressources

    Au-delà de la chirurgie et du diagnostic, les champs d’application des modèles SimbiotX incluent la biotechnologie, la conception de prothèses ou encore la recherche en toxicologie. Leur capacité à intégrer biomécanique, biochimie et flux à différentes échelles ouvre de nombreuses perspectives. Mais leur développement exige des compétences pointues et des moyens renforcés.

  • Propriété, responsabilité, cybersécurité : les zones grises du droit face aux jumeaux numériques

    Face à l’utilisation des jumeaux numériques dans des secteurs comme la santé, l’énergie ou l’industrie, les incertitudes juridiques s’accumulent, appelant à une régulation. Tour d’horizon de cinq enjeux : normes, propriété intellectuelle, responsabilité, données personnelles et cybersécurité, ainsi que des réponses potentielles.

    Les jumeaux numériques s’imposent comme des outils dans de nombreux secteurs. Utilisés dans les processus industriels, les services énergétiques, les infrastructures critiques ou la médecine personnalisée, ils favorisent une meilleure gestion des ressources, des risques et des décisions.

    Mais cette hybridation entre réel et virtuel introduit des questions juridiques. En croisant données, algorithmes, interfaces et intelligence artificielle, les jumeaux numériques échappent aux classifications classiques du droit. L’Union européenne, les États-Unis, Singapour ou encore l’Organisation mondiale de la propriété intellectuelle (OMPI) commencent à s’en emparer. En France, chercheurs et juristes, proposent une grille de lecture structurée autour de cinq chantiers.

    Absence de cadre dédié

    L’un des principaux défis est l’absence d’un cadre réglementaire dédié aux jumeaux numériques. Aujourd’hui, ces dispositifs sont encadrés de manière fragmentée, à travers des textes généralistes comme le RGPD ou des référentiels techniques sectoriels. Or, les questions de responsabilité, d’interopérabilité, de sécurité ou encore de portabilité nécessitent une réponse plus ciblée. Plusieurs pistes sont explorées pour structurer une régulation à la fois robuste et évolutive :

    • Adopter une approche technologie-neutre, capable de s’adapter à la diversité des usages et à leur évolution rapide.
    • Harmoniser les initiatives nationales et régionales, par exemple entre le RGPD européen, les dispositifs sectoriels de la FDA aux États-Unis ou les orientations prises par la Chine en matière de cloud et de souveraineté numérique.
    • Créer un cadre de certification pour garantir la fiabilité des systèmes, avec des critères communs de sécurité, de traçabilité et de conformité éthique.
    • Développer des partenariats public-privé pour co-construire des référentiels partagés, à l’image de ce que propose l’OCDE en matière de gouvernance technologique.

    À l’international, l’ISO, le W3C ou l’IEEE travaillent à la définition de normes applicables à la conception, à l’interopérabilité et à la maintenance de jumeaux numériques. Mais ces travaux doivent s’inscrire dans un cadre juridique plus lisible pour les acteurs économiques.

    Licences croisées, registres, etc. Des initiatives émergent

    La complexité technique des jumeaux numériques pose des questions spécifiques en matière de propriété intellectuelle. Leur construction repose souvent sur l’intégration d’éléments hétérogènes : logiciels, modèles prédictifs, bases de données, algorithmes d’IA, interfaces utilisateur, etc. De plus, ces outils résultent fréquemment de collaborations inter-entreprises, avec des contributions multiples, parfois issues de projets open source.

    Les régimes actuels ne couvrent que partiellement cette réalité :

    • Le droit d’auteur protège les codes sources et interfaces graphiques, mais les fonctionnalités logicielles, en tant que telles, sont exclues de la protection.
    • Les brevets peuvent couvrir certaines innovations techniques, à condition de démontrer un effet technique concret, ce qui reste délicat pour des systèmes complexes fondés sur la simulation.
    • Le secret d’affaires, encadré par la directive 2016/943, offre une protection à condition que les entreprises prennent des mesures effectives de confidentialité.

    Face à ces limites, des solutions contractuelles et techniques se développent : mise en place de licences croisées, contrats de copropriété des droits, traçabilité des contributions par blockchain, voire la création de registres spécifiques pour l’innovation intégrée aux jumeaux numériques. L’OMPI mène des consultations pour mieux cerner les contours d’un droit adapté à ces objets hybrides. Certaines initiatives sectorielles, comme Eclipse Ditto dans l’industrie, expérimentent des modèles de gestion ouverts et distribués.

    Une responsabilité difficile à répartir

    En cas de dysfonctionnement d’un jumeau numérique ayant causé un dommage la question de la responsabilité devient complexe. Plusieurs types d’acteurs sont impliqués : concepteurs du logiciel, éditeurs de données, exploitants, intégrateurs, prestataires cloud, utilisateurs finaux. À ce jour, le droit civil peine à attribuer clairement les responsabilités dans ces chaînes d’interdépendance. Quelques décisions judiciaires commencent à émerger.

    Parmi les solutions proposées :

    • Élaboration d’un « Code des jumeaux numériques », précisant les obligations respectives des parties et les régimes de responsabilité applicables selon les scénarios d’usage.
    • Développement de contrats intelligents, avec des clauses automatiques d’ajustement ou d’indemnisation en cas de dysfonctionnement.
    • Création de produits d’assurance sur mesure, couvrant les erreurs de simulation, les pertes de données ou les interruptions de service.
    • Constitution de fonds d’indemnisation sectoriels, sur le modèle des fonds d’assurance mutualisés pour certains risques technologiques.
    • Renforcement des certifications de conformité et mise en place d’audits réguliers.

    Consentement, minimisation, droit à l’effacement… tensions avec le RGPD

    Les jumeaux numériques, notamment dans le domaine médical, manipulent souvent des données sensibles : historiques de soins, données génétiques, biométrie, imagerie, etc. Ce traitement massif entre directement en tension avec plusieurs principes du RGPD, en particulier la minimisation des données, la limitation des finalités ou encore le droit à l’effacement. La CNIL alerte sur ces risques et recommande une approche de consentement dynamique, qui permettrait aux individus de gérer leurs autorisations de manière évolutive. Dans certains cas, comme les jumeaux numériques de patients, la protection doit être renforcée, conformément à l’article 9 du RGPD.

    Parmi les outils et méthodes préconisés :

    • Cartographier les flux de données pour identifier les points de vulnérabilité.
    • Développer des portails de consentement interactifs offrant un contrôle granulaire.
    • Réaliser des analyses d’impact (AIPD) spécifiques pour les cas d’usage sensibles.
    • Mettre en œuvre des solutions d’anonymisation dynamique, combinant IA et gouvernance décentralisée.
    • Clarifier les conditions d’exercice du droit à l’oubli, notamment lorsqu’un jumeau est intégré dans un système d’IA ou une chaîne de traitement scientifique.

    L’ANSSI alerte sur les vulnérabilités des systèmes critiques interconnectés

    Les jumeaux numériques sont souvent directement reliés à des systèmes physiques critiques comme des équipements hospitaliers, des réseaux électriques ou des plateformes logistiques. Leur vulnérabilité peut avoir des effets concrets sur la sécurité des personnes et des infrastructures. L’Agence nationale de la sécurité des systèmes d’information (ANSSI) appelle à renforcer la résilience de ces outils dès leur conception. Elle recommande notamment :

    • Intégration du « Security by Design » dès les premières phases de développement.
    • Microsegmentation des réseaux, pour limiter les mouvements latéraux en cas d’intrusion.
    • Chiffrement systématique des flux et des bases de données.
    • Détection automatisée des menaces via IA, à l’image des dispositifs déployés par Siemens pour la maintenance de turbines.
    • Développement de protocoles d’alerte et de réponse aux incidents, adaptés aux architectures distribuées.

    Des centres d’expertise sectoriels sont également suggérés, afin de mutualiser les ressources et les compétences sur la cybersécurité appliquée aux jumeaux numériques. La standardisation internationale progresse mais reste à consolider.

    L’ensemble de ces chantiers dessine les contours d’une régulation multiforme, fondée sur l’articulation entre droit souple, normalisation technique, contractualisation et coordination internationale. Il ne s’agit pas d’encadrer la technologie elle-même, mais de maîtriser ses usages, ses effets et les relations qu’elle induit. La stratégie numérique européenne pour 2030 intègre d’ores et déjà les jumeaux numériques, tandis que le futur Règlement sur l’IA leur sera applicable en cas d’intégration de modules d’intelligence artificielle. Les recommandations actuelles appellent les acteurs du secteur à : Intégrer le Privacy by Design, structurer une gouvernance des données dédiée, adopter des contrats adaptés aux usages “as a service”, former les juristes aux dimensions techniques et participer aux travaux de normalisation.

  • Solutions de jumeaux numériques en santé : un marché encore fragmenté mais déjà stratégique pour la médecine personnalisée

    Un socle technologique : jumeaux virtuels, simulation avancée et IA

    Dassault Systèmes, via son programme MEDITWIN, propose une plateforme de jumeaux virtuels V+R qui modélisent la santé d’un individu en s’appuyant sur imagerie, analyses biologiques, données génomiques et dossiers médicaux pour améliorer la décision clinique. Autour de cette brique de simulation, l’éditeur fédère un consortium de sept IHU, du CHU de Nantes, d’Inria et de start-up (inHEART, Qairnel, codoc, Neurometers), avec un focus sur la cardiologie, l’oncologie, le métabolisme, l’ophtalmologie et la neurologie.

    Sur le plan technologique, les solutions de jumeaux numériques combinent :

    • Des moteurs de simulation biomécanique ou physiologique (organes, colonnes vertébrales, blocs opératoires).
    • Des algorithmes d’IA (machine learning, deep learning, réseaux bayésiens) pour apprendre des données de santé réelles et générer des prédictions personnalisées.
    • Des interfaces cliniques avancées, parfois couplées à la réalité mixte ou à l’impression 3D, facilitant l’appropriation par les professionnels.

    La Fondation Dassault Systèmes illustre cette approche avec les projets Living Eye Virtual Twin (modèle 3D du nerf optique pour comprendre certains mécanismes de cécité) et Vivid-Spine (modélisation 3D et réalité augmentée pour le suivi non invasif de la scoliose, avec un objectif de réduction de 75% des examens ionisants). Ces projets préfigurent des usages cliniques où la simulation remplace une partie des examens invasifs et aide à la compréhension fine des trajectoires pathologiques.

    Solutions de jumeaux numériques orientées décision clinique

    Plusieurs éditeurs positionnent déjà des solutions opérationnelles de jumeaux numériques à visée directement clinique, avec des cas d’usage et des chiffres clés significatifs.

    • Predisurge – PlanOp™ : plateforme de jumeau numérique pour la planification d’interventions cardiovasculaires, utilisant l’imagerie préopératoire pour simuler le comportement biomécanique des artères et valves, prédire les résultats post-opératoires et optimiser le choix des DM. La technologie repose sur le machine learning appliqué à des données d’imagerie non structurées, et vise à réduire les risques chirurgicaux et les coûts de R&D, tout en servant d’outil de formation via des simulations réalistes.

    • inHEART – inHEART MODELS : éditeur français proposant un jumeau numérique 3D du cœur pour la planification des ablations d’arythmies, basé sur vision par ordinateur et machine learning. La suite logicielle, marquée CE MDR en classe II et autorisée par la FDA, est déployée dans plus de 200 centres en Europe et aux États-Unis, avec des résultats cliniques indiquant une réduction de 60% du temps de procédure et de 38% des récidives.

    • CHU de Nice – Rebone : plateforme hospitalière de planification chirurgicale en orthopédie et traumatologie d’urgence, qui génère un double virtuel 3D du patient à partir de scanner/IRM, combinant IA (ML, vision par ordinateur), réalité mixte, impression 3D et robotique. Les bénéfices attendus portent sur la réduction des complications post-opératoires, la diminution des délais de prise en charge et une meilleure personnalisation des interventions.

    • Digyne – Digyne Diagnostic Support : solution de jumeau numérique de la cavité pelvienne féminine qui exploite imagerie et IA (ML, vision par ordinateur) pour l’assistance diagnostique (prolapsus génital notamment) et la planification chirurgicale personnalisée, en fournissant des métriques biomécaniques dédiées aux cliniciens.

    • Caranx Medical – Tavipilot Soft : plateforme per-opératoire guidée par IA pour TAVI, créant un jumeau numérique du patient et exploitant des flux multimodaux (scanner, fluoroscopie, échographie) pour optimiser voie d’accès, taille et positionnement de la valve. Entraînée sur plus de 5 000 cas, la solution suit en temps réel les repères anatomiques et instrumentaux afin de sécuriser un acte à très haut risque, avec un positionnement attendu dans les classes élevées de DM.

    Ces solutions partagent un socle commun : jumeau numérique patient ou organe, IA de segmentation et de simulation, usage en planification ou guidage de procédures à fort enjeu clinique. Elles illustrent le mouvement d’intégration du jumeau numérique au cœur de la décision médicale, au-delà du simple support visuel.

    Prévention, télésurveillance et jumeaux de santé individuels

    Un autre pan du marché se structure autour de jumeaux numériques de santé individuels, visant la prévention, la télésurveillance et l’accompagnement des patients à domicile ou en ambulatoire.

    • HiNounou – Plateforme HiNounou : solution de prévention à domicile pour seniors, combinant un kit de dispositifs médicaux connectés (tensiomètre, oxymètre, balance, glucomètre, ECG), une application mobile adaptée, un jumeau numérique du patient et une analyse IA des cinq dimensions de santé (physique, mentale, sociale, environnementale, comportementale). L’écosystème permet la détection précoce des risques de maladies chroniques (diabète, hypertension, cardiovasculaire), le partage des données avec professionnels et hôpitaux et un système de récompense par « Nounou Tokens » via une plateforme blockchain pour soutenir l’adhésion.

    • Integratome – plateforme Integratome : éditeur qui construit un jumeau numérique de santé individuel permettant de visualiser et structurer les données médicales, génétiques, environnementales et sociales, en s’appuyant sur une IA symbolique et des réseaux bayésiens. La plateforme couvre plus de 55 thématiques de soins et 14 systèmes physiopathologiques, produit des scores et recommandations explicables et s’inscrit dans une démarche de prévention personnalisée, par exemple au Pôle Santé Bergère.

    • OneTwenty AG – bioX DT : moteur de digital twin qui modélise l’individu pour prédire des biomarqueurs, des PROs (patient-reported outcomes) et des événements impactant la santé à partir de flux de données personnalisés. L’outil permet de visualiser le métabolisme et d’anticiper notamment des événements glycémiques ou métaboliques, avec un potentiel d’intégration dans des dispositifs médicaux pour l’ajustement personnalisé de la thérapie.

    • ExactCure – ExactCure : solution française de « jumeau numérique médicamenteux » qui simule l’efficacité et les interactions de médicaments selon les caractéristiques individuelles du patient (âge, sexe, génétique, fonctions rénale et hépatique…), afin de prévenir sur/sous-doses et interactions iatrogènes. Basée sur du machine learning appliqué à des données structurées, la solution vise une personnalisation fine de la posologie et une amélioration de la pharmacovigilance.

    Ces offres, tournées vers le domicile, la prévention et l’expérience patient, renforcent la logique de médecine 6P, en rendant tangible la dimension prédictive et personnalisée pour des populations à risque ou chroniques.

    Jumeaux numériques d’organisation et de territoire

    Au-delà de l’échelle individuelle, des initiatives se déploient sur l’organisation des soins et les territoires, avec des éditeurs et consortiums misant sur les données de vie réelle et la simulation des flux.

    • Clinique Mutualiste / École des Mines de Saint-Étienne – jumeau de bloc opératoire : un jumeau numérique du bloc opératoire est développé pour optimiser les décisions en temps réel, superviser l’organisation, identifier les goulots d’étranglement et simuler l’impact des aléas (retards, urgences, absences de patients). Ce projet, cofinancé par le Fonds Avenir Santé Numérique, combine un modèle organisationnel du plateau technique (16 salles, flux patients, équipes) et un jumeau numérique patient pour anticiper les étapes clés du parcours (temps au bloc, en salle de réveil, mode d’hospitalisation).

    • Health Data Hub – jumeaux numériques de territoire : le HDH met en avant le concept de jumeau numérique de l’état de santé d’un territoire, permettant de représenter l’état de santé d’une population, les inégalités, la distribution des ressources et d’évaluer différents scénarios organisationnels ou de politiques de santé. Cette approche mobilise les données de santé en vie réelle, et appelle des solutions analytiques intégrant IA et modélisation des flux pour éclairer les décisions publiques.

    • Qualees – solutions données de santé en vie réelle : Qualees ne propose pas un jumeau numérique spécifique, mais développe des solutions d’exploitation des données de santé en vie réelle combinant méthodologies de CRO et technologies d’IA / deep learning pour la R&D, le pilotage business et l’optimisation des coûts. Ces briques analytiques peuvent alimenter des jumeaux numériques organisationnels ou territoriaux en apportant une valorisation robuste des données de routine.

    Ces projets prolongent la logique des jumeaux numériques vers le pilotage macro des ressources et des parcours, dans un contexte de tensions sur les capacités hospitalières et la nécessité d’objectiver les choix d’organisation.

    Industrie et recherche clinique : vers des essais virtuels

    Medidata et les jumeaux numériques de patients

    À l’international, des acteurs comme Medidata (groupe Dassault Systèmes) développent des jumeaux numériques de patients pour la recherche clinique. Ces modèles sont utilisés pour simuler des groupes de contrôle virtuels dans les essais cliniques, afin de réduire le nombre de patients exposés à des placebos et d’accélérer les études.

    Cette approche, déjà reconnue par certaines autorités réglementaires, illustre le potentiel des jumeaux numériques pour transformer la conduite des essais cliniques

    Un marché en structuration : acteurs, technologies et perspectives

    Le marché des jumeaux numériques en santé reste hétérogène, mais quelques lignes de force se dégagent pour les décideurs, DSI et directions innovation.

    • Acteurs clés :

      • Grandes plateformes de simulation et de jumeaux virtuels : Dassault Systèmes avec MEDITWIN et les initiatives soutenues par sa Fondation (Living Eye Virtual Twin, Vivid-Spine).

      • Éditeurs spécialisés verticaux : Predisurge (PlanOp), inHEART, Digyne, Caranx Medical (Tavipilot Soft), ExactCure, HiNounou, Integratome, OneTwenty AG (bioX DT).

      • Institutions de recherche et CHU : CHU de Nice (Rebone), CHRU de Nancy / IADI (projets de jumeau cardiaque), École des Mines de Saint-Étienne, IHU partenaires de MEDITWIN.

    • Technologies dominantes :

      • IA de type machine learning et deep learning appliquée à l’imagerie et aux données structurées (PlanOp, inHEART, Rebone, Digyne, Tavipilot Soft, bioX DT).

      • IA symbolique et réseaux bayésiens pour des modèles explicables en prévention et parcours de soins (Integratome).

      • Simulation numérique 3D et biomécanique, couplée à la réalité mixte et à l’impression 3D (Rebone, Vivid-Spine).

    • Chiffres et ordres de grandeur :

      • inHEART : plus de 200 hôpitaux équipés en Europe et aux États-Unis, réduction de 60% du temps de procédure et de 38% des récidives en arythmologie.

      • Vivid-Spine : ambition de réduire de 75% le recours à l’imagerie ionisante dans le suivi de la scoliose grâce au jumeau numérique et à la réalité augmentée.

      • Blocs opératoires de la Clinique Mutualiste : 16 salles et une centaine de patients opérés par jour, constituant un terrain d’application concret pour les jumeaux organisationnels.

     

    <span data-mce-type= »bookmark » style= »width: 0px;overflow: hidden;line-height: 0″ class= »mce_SELRES_start »></span><span data-mce-type= »bookmark » style= »width: 0px;overflow: hidden;line-height: 0″ class= »mce_SELRES_start »></span><span data-mce-type= »bookmark » style= »width: 0px;overflow: hidden;line-height: 0″ class= »mce_SELRES_start »></span>

  • Jumeaux numériques : des performances prometteuses mais peu de preuves sur les critères cliniques durs (revue de littérature)

    Les points clés

    • Jumeaux numériques principalement utilisés pour la planification de traitements complexes, la prédiction de risque et la décision personnalisée ;
    • Résultats quantitatifs solides dans des domaines ciblés (neuro‑dégénérescence, électrophysiologie cardiaque, télésurgery, TEVAR, risque cardiométabolique pédiatrique), mais peu de démonstration sur la mortalité ou la qualité de vie ;
    • Modèles majoritairement mécanistiques ou hybrides, avec un recours ciblé à l’intelligence artificielle pour la personnalisation et la prédiction ;
    • Verrous structurants sur la qualité, la standardisation et l’interopérabilité des données, ainsi que sur la validation clinique externe et la généralisabilité ;
    • Enjeux éthiques et de gouvernance peu traités dans les études, alors que les jumeaux numériques reposent sur une intégration profonde de données sensibles ;
    • Priorités pour les dirigeants : infrastructures de données interopérables, programmes de validation clinique, explicabilité des modèles et co‑conception avec les équipes cliniques.

    Les jumeaux numériques constituent une nouvelle génération de modèles computationnels dynamiques, capables de représenter l’état physiologique d’un patient et de simuler l’impact de scénarios thérapeutiques de manière individualisée. Dans le champ de la santé numérique, ils sont progressivement mobilisés pour la planification de traitements complexes, la stratification du risque, la prédiction de réponse thérapeutique et la réorganisation des parcours de soins vers davantage de proactivité. Cet article propose une synthèse des travaux récents identifiés dans PubMed en 2026, en se concentrant sur les usages en santé humaine et les implications pour les dirigeants d’organisations de santé et d’entreprises de santé numérique.​

    Plusieurs revues structurantes cadrent le concept dans des domaines cliniques spécifiques :

    • la radio‑embolisation hépatique (Panneerselvam et al., PET Clinics, University of California Davis),
    • la cardiologie et la cardio‑régulation (Zou et al., International Journal of Medical Informatics, Xiamen University ; Sarani Rad et al., JMIR Cardio, North Dakota State University et partenaires),
    • l’oncologie urologique (Görtz et al., Nature Reviews Urology, DKFZ et Heidelberg University Hospital)
    • et la gériatrie (Li et al., Ageing Research Reviews, Central South University, Chine).

    D’autres travaux explorent des cas d’usage plus ciblés :

    • flux métaboliques in vivo dans les gliomes (Meghdadi et al., Cell Metabolism, University of Michigan),
    • prise en charge du diabète (Olawade et al., Diabetes Research and Clinical Practice, institutions britanniques et autrichiennes)
    • ou encore télécardiologie interventionnelle et télésanté chirurgicale (Yuan et al., NPJ Digital Medicine, Qingdao University et Tianjin University).

    L’objectif de cet article est de dégager, à partir de ce corpus, les principaux apports cliniques, architectures techniques, résultats quantitatifs et verrous de mise en œuvre des jumeaux numériques en santé, afin d’éclairer les choix stratégiques des acteurs de la santé numérique.​

    Cadre conceptuel et architectures de jumeaux numériques

    Sur le plan conceptuel, Zhang et al. proposent une mise en perspective historique, depuis les simulations de la NASA dans les années 1960 jusqu’aux jumeaux numériques de patients intégrant imagerie, multi‑omics, biosenseurs et modèles computationnels pour la décision clinique et le développement de médicaments. Dans cette définition, le jumeau numérique est décrit comme une réplique virtuelle dynamique d’un système biologique, alimentée en continu par des flux de données et capable d’interactions bidirectionnelles avec le monde réel.​

    Les revues transversales en médecine de précision insistent sur le rôle central de la modélisation mécanistique couplée à l’intelligence artificielle (IA). Laubenbacher et Fonseca soulignent que la majorité des jumeaux médicaux reposent sur des modèles physiologiques explicites auxquels sont greffées des couches d’IA pour la personnalisation et la prédiction, dans une perspective « bench‑to‑bedside » incluant souvent une dimension de valorisation industrielle. Li et al. décrivent, pour la gériatrie, des « Aging Digital Twins » intégrant données hétérogènes (cliniques, biologiques, imagerie, capteurs) via des architectures de deep learning afin de suivre le vieillissement physiologique, anticiper les complications et optimiser les interventions individualisées. En cardiovasculaire, Sarani Rad et al. montrent que 69 % des jumeaux recensés restent dominés par des modèles mécanistiques, les approches hybrides ou purement data‑driven étant minoritaires, signe d’une volonté explicite de préserver l’interprétabilité et l’ancrage physiologique des prédictions.​

    Applications cliniques : de la preuve de concept à la décision personnalisée

    Oncologie, radiomédecine et métabolisme tumoral

    En radio‑embolisation hépatique, Panneerselvam et al. proposent un jumeau numérique basé sur la dynamique des fluides (CFD) et des réseaux de neurones « physics‑informed » pour modéliser l’anatomie artérielle hépatique, les flux sanguins et le transport de microsphères radioactives à l’échelle patient. L’enjeu est de simuler différents schémas d’injection et de dosimétrie afin de maximiser la dose tumorale tout en minimisant l’irradiation hépatique fonctionnelle, dans une logique de planification adaptative en temps quasi réel. En radiopharmaceutique thérapeutique, Ryhiner et al. décrivent le concept de « theranostic digital twins » pour optimiser les thérapies radiopharmaceutiques, en s’appuyant sur des modèles pharmacocinétiques (PBPK) couplés à des procédures rigoureuses de vérification, validation et quantification d’incertitude.​

    Les travaux de Meghdadi et al. étendent le paradigme à la bioénergétique tumorale : un cadre de jumeau numérique et un outil de flux métaboliques à l’échelle unicellulaire (13C‑scMFA) combinent simulations stœchiométriques et réseaux convolutifs, ainsi que données de séquençage ARN mono‑cellulaire et traçage isotopique, pour estimer in vivo les flux métaboliques dans les gliomes. Ces modèles mettent en évidence, chez les cellules tumorales, une augmentation fréquente de la synthèse de purines et de la captation de sérine par rapport aux cellules non malignes et permettent d’identifier une hétérogénéité métabolique inter‑patients et inter‑modèles murins, avec une capacité à prédire la réponse à des inhibiteurs métaboliques. Ces résultats suggèrent un potentiel de jumeaux numériques métaboliques comme support au ciblage thérapeutique et à la sélection de biomarqueurs pour des thérapies dirigées contre le métabolisme.​

    Cardiologie, diabète et risque cardiométabolique

    Dans les maladies cardiovasculaires, Zou et al. recensent 31 études et décrivent un cycle en cinq étapes : acquisition des données, construction et personnalisation du modèle, calibration/validation, simulations, puis application des résultats à la décision clinique ou à l’enseignement. Les cas d’usage se répartissent entre : gestion personnalisée de la santé (13 études), estimation précise des effets de traitements (42 %), prédiction individuelle du risque (26 %), optimisation des essais cliniques (23 %) et, plus marginalement, formation (3 %). Les auteurs soulignent toutefois des limites majeures : données hétérogènes, complexité de la validation, difficultés d’intégration dans la pratique clinique et manque de preuves d’impact sur les résultats cliniques.​

    Le panorama est complété par une revue systématique centrée sur la cardiologie de précision : sur 42 études, 69 % des jumeaux recourent à des modèles mécanistiques, la personnalisation s’appuyant surtout sur l’imagerie (76 %) et les signaux électriques (43 %), et les bénéfices déclarés portant principalement sur l’aide à la décision et la planification thérapeutique plutôt que sur des gains démontrés en mortalité ou morbidité. Dans la pratique interventionnelle, Parollo et al. valident un modèle de jumeau cardiaque (CardioMat) pour prédire en trois dimensions les zones de décélération de conduction ventriculaire chez 15 patients, avec une sensibilité de 79 %, une spécificité de 93 % et une exactitude globale de 89 % pour localiser le substrat fonctionnel de tachycardie ventriculaire par rapport au mapping électro‑anatomique de référence. Ce type de performance suggère la possibilité de réduire la durée et l’invasivité des procédures de cartographie.​

    Pour le diabète, la revue d’Olawade et al. analyse les jumeaux numériques utilisés en prédiction glycémique, titration personnalisée de l’insuline, optimisation diététique et évaluation du risque de complications, à partir d’études publiées entre 2015 et 2024. Les auteurs constatent un potentiel prometteur, en particulier grâce à l’intégration de capteurs de glucose en continu, de wearables et d’algorithmes d’apprentissage, mais relèvent une forte variabilité de la qualité des preuves, la plupart des travaux restant au stade de preuve de concept ou d’essais pilotes. Les freins majeurs identifiés concernent la protection des données, les exigences de validation clinique, les biais algorithmiques et la généralisabilité aux populations sous‑représentées.​

    Enfin, Calcaterra et al. introduisent PODiaCarD, un prototype de jumeau numérique pédiatrique pour l’obésité et le risque cardiométabolique, fondé sur une architecture trois couches (front‑end, back‑end, moteur prédictif) et entraîné sur un échantillon de 552 jeunes (âge moyen 12,2 ± 2,9 ans). Le système atteint une F1‑score de 0,975 ± 0,014 pour l’index TyG (random forest) et 0,844 ± 0,028 pour l’HbA1c, avec une performance plus modérée pour l’HOMA (F1 0,670 ± 0,070) et faible pour la pression artérielle et la glycémie, ce qui souligne la dépendance de la performance aux caractéristiques des jeux de données.​

    Neurologie, gériatrie et disciplines émergentes

    Dans le domaine des troubles cognitifs, Amato et al. exploitent des « digital brain twins » pour dériver des biomarqueurs numériques reliant mécanismes de neurodégénérescence et altérations de l’activité neuronale, à partir d’enregistrements EEG et MEG issus de deux centres indépendants avec des pipelines cliniques hétérogènes. Les biomarqueurs dérivés du jumeau numérique surpassent les biomarqueurs standards pour la classification MCI vs sujets sains dans chaque cohorte (83 % vs 58 % pour l’EEG ; 75 % vs 68 % pour la MEG) et atteignent une précision de 77–78 % en classification croisée centre‑à‑centre, là où les biomarqueurs classiques ne dépassent pas 56–65 %. De plus, ces biomarqueurs numériques prédisent de manière robuste le statut cognitif global avec une significativité statistique (p < 0,01), contrairement aux biomarqueurs usuels.​

    Li et al. proposent un cadre conceptuel pour des jumeaux numériques du vieillissement (« Aging Digital Twins »), positionnés comme un outil de médecine de précision gériatrique pour le suivi longitudinal de la homeostasie physiologique, la détection précoce de fragilité et la personnalisation d’interventions multimodales. Les auteurs identifient des biais d’échantillonnage liés à l’âge, des variations de qualité de données chez les personnes âgées et des préoccupations relatives à la confidentialité, à la transparence des algorithmes et à la validation clinique comme principaux obstacles à la traduction en pratique.​

    Des cadres plus exploratoires s’intéressent à des populations spécifiques : Siddiqui et Khan décrivent une architecture de jumeau numérique pour la polio et le post‑polio, visant la modélisation continue de la fonction neuromusculaire, de la réserve fonctionnelle et de la vulnérabilité respiratoire pour guider la rééducation à vie. Siddiqui et al. appliquent un raisonnement comparable à l’atteinte ophtalmologique par Acanthamoeba, en proposant des jumeaux cornéens simulant la dynamique d’infection, la diffusion médicamenteuse et la réactivation kystique, dans l’objectif de passer d’une thérapeutique empirique à une ophtalmologie prédictive. D’autres perspectives mettent en avant le potentiel des jumeaux numériques en néphrologie, en glaucome ou en endodontie pour substituer des approches standardisées par des schémas de prise en charge prédictifs, mécanismes‑informés et fortement individualisés.​

    Résultats quantitatifs et bénéfices observés

    Tableau 1. Exemples de performances quantitatives rapportées

    Domaine / étude Objectif du jumeau numérique Indicateurs clés rapportés
    MCI, Amato et al., Commun Med Classification MCI vs sain, EEG/MEG multi‑centres Précision 83 % vs 58 % (EEG), 75 % vs 68 % (MEG) pour biomarqueurs numériques vs standards ; 77–78 % en classification croisée inter‑centres ; corrélation significative avec score cognitif global (p < 0,01).​
    Cardiologie interventionnelle, Parollo et al., J Cardiovasc Electrophysiol Localisation non invasive des zones de décélération ventriculaire Sensibilité 79 %, spécificité 93 %, VPP 81 %, VPN 92 %, exactitude 89 % sur 255 segments.​
    Obésité pédiatrique, Calcaterra et al., Eur J Pediatr Prédiction d’indices métaboliques (TyG, HbA1c, HOMA) F1 = 0,975 ± 0,014 (TyG, random forest) ; F1 = 0,844 ± 0,028 (HbA1c) ; F1 = 0,670 ± 0,070 (HOMA) ; performances faibles pour pression artérielle (R² 0,05–0,21) et glycémie (F1 = 0,113 ± 0,113).​
    Télésurgery, Yuan et al., NPJ Digit Med Compensation de latence en robotique chirurgicale Erreur spatiale < 2 mm ; réduction de 13,6 % du temps de tâche de transfert de plots sous 900 ms de latence ; baisse de 27,2 % de la charge de travail opérateur ; validation clinique d’une néphrectomie radicale sous 300 ms sans complication.​
    TEVAR, Ramella et al., Eur J Vasc Endovasc Surg Prédiction de la géométrie post‑opératoire de stent‑graft Erreur de surface d’ouverture des anneaux (eOA) < 10 % par anneau, moyenne 4 %, avec 3,7 % en zones proximales et distales cruciales pour l’étanchéité ; temps de calcul ~10 h par cas.​

    Ces résultats illustrent que les bénéfices démontrés se situent principalement sur : l’amélioration des performances diagnostiques ou de classification par rapport aux biomarqueurs ou pratiques standards (MCI, électrophysiologie), l’optimisation de la sécurité opérationnelle et des performances procédurales (télésurgery), et la capacité à reproduire avec précision la réalité anatomique ou fonctionnelle post‑procédure (TEVAR). En revanche, la démonstration d’un impact robuste sur des critères durs (mortalité, événements cliniques majeurs, qualité de vie) demeure limitée ou absente dans la plupart des travaux recensés.​

    Enjeux techniques, organisationnels et éthiques

    Les articles de synthèse convergent sur plusieurs verrous structurants. Sur le plan des données, la disponibilité, la qualité, la standardisation et l’interopérabilité restent des contraintes majeures, particulièrement lorsque les jumeaux nécessitent des données multi‑sources (imagerie avancée, signaux physiologiques, omiques, capteurs connectés). Les revues en cardiologie et en diabète relèvent en outre une faible généralisation hors des populations sources et une insuffisance d’évaluation externe, source de risque de biais et de perte de performance en conditions réelles.​

    Sur le plan de la modélisation, la complexité des modèles et leurs hypothèses simplificatrices posent la question de l’équilibre entre fidélité physiologique, coût computationnel et utilisabilité clinique. Les travaux sur les PBPK pour les jumeaux théranostiques insistent sur la nécessité de démarches formalisées de vérification, validation et quantification d’incertitude pour atteindre un niveau de crédibilité acceptable en contexte de décision thérapeutique. En parallèle, les architectures hybrides associant modèles mécanistiques et IA doivent garantir la transparence des mécanismes de décision, condition implicite de l’acceptabilité par les cliniciens et de la confiance des patients.​

    Les questions éthiques et de gouvernance sont peu abordées de manière systématique : la revue de JMIR Cardio note que seulement 17 % des études cardiovasculaires discutent explicitement d’enjeux éthiques, juridiques ou de gouvernance, alors même que les jumeaux numériques impliquent une intégration profonde de données sensibles et un potentiel de décisions automatisées. Les auteurs appellent à des cadres d’évaluation standardisés, à des architectures centrées sur l’utilisateur et à un développement « ethically grounded » pour éviter que ces systèmes ne renforcent des inégalités existantes ou n’introduisent de nouveaux risques systémiques.​

    Pour les dirigeants et CEO de la santé numérique, ces constats impliquent plusieurs priorités : investir dans des infrastructures de données interopérables et sécurisées, structurer des programmes de validation clinique rigoureux, intégrer des mécanismes d’explicabilité dans les produits, et co‑concevoir les outils avec les équipes cliniques pour assurer une intégration fluide dans les flux de travail. Les auteurs soulignent également l’importance de modèles économiques soutenables et de cadres réglementaires adaptés, même si ces dimensions restent encore peu détaillées dans le corpus.

     Stratégie de recherche bibliographique

    Les articles analysés dans cette synthèse ont été identifiés à partir d’une recherche bibliographique réalisée sur PubMed avec la requête : « digital twin »[Title] OR « digital twins »[Title]. Cette stratégie, centrée sur la présence explicite du terme dans le titre, visait à capter les travaux pour lesquels le jumeau numérique constitue le cœur explicite de la contribution scientifique (modèle, méthodologie ou application clinique). Les références ainsi obtenues ont ensuite été filtrées pour conserver prioritairement les publications relevant de la santé humaine (revues, études cliniques, cadres conceptuels, preuves de concept techniques appliquées à des cas médicaux), en excluant les domaines strictement industriels ou non médicaux lorsqu’ils n’apportaient pas d’éléments transférables à la santé. Les informations synthétisées dans cet article (journal, institutions, métriques de performance, limites et perspectives) sont tirées exclusivement des résumés et notices bibliographiques des articles retenus, sans recours à des sources extérieures à ce corpus

    ​

  • Jumeaux Numériques : un marché en essor rapide aux forts enjeux réglementaires et éthiques.

    Insights:

    • Le marché des jumeaux numériques santé pourrait passer d’environ 1,16 milliard USD en 2024 à 4,69 milliards USD en 2030, avec un CAGR de 24,35% sur 2025–2030.
    • Les logiciels pèsent déjà 57,6% du marché contre 42,4% pour les services, confirmant le rôle central des plateformes de simulation et d’IA.
    • Les principaux utilisateurs sont les établissements de santé (30,3%) et les pharmas (18,4%), devant les fabricants de dispositifs médicaux et le secteur académique.
    • L’Europe mobilise plus de 890 millions USD via Horizon Europe, Digital Europe et EU4Health, tandis que l’EHDS prévu en 2025 vise à lever des freins d’interopérabilité majeurs.
    • En Chine, une directive de 2024 impose des plateformes de gestion intégrées dans les hôpitaux publics tertiaires d’ici 2027, montrant une approche planifiée d’État.
    • Certains jumeaux cérébraux dépassent 80% de précision (83% EEG, 75% MEG) pour la classification MCI vs sain, contre 58–68% pour les biomarqueurs standards.
    • Des jumeaux cardiaques atteignent 79% de sensibilité, 93% de spécificité et 89% d’exactitude pour localiser des substrats de tachycardie ventriculaire.
    • Seules 17% des études cardiovasculaires mentionnent explicitement des enjeux éthiques ou de gouvernance, alors que les jumeaux intègrent des données très sensibles.
    • inHEART est déployé dans plus de 200 centres en Europe et aux États-Unis, avec des résultats suggérant une réduction de 60% du temps de procédure et de 38% des récidives en rythmologie.
    • L’ANSSI recommande security by design, microsegmentation, chiffrement systématique et détection automatisée des menaces pour des jumeaux souvent connectés à des systèmes critiques.
    • Les grands fournisseurs (Microsoft, Siemens, GE, Philips, Oracle, IBM, Dassault, ANSYS) tendent à bâtir des écosystèmes semifermés, créant un risque de lock-in pour les hôpitaux.

    📌Un marché des jumeaux numériques santé multiplié par 4 entre 2024 et 2030 ?

    Le marché mondial des jumeaux numériques en santé passerait de 1,16 milliard USD en 2024 à 4,69 milliards USD en 2030, soit une croissance annuelle moyenne de 24,35% portée par l’IA, l’IoT et le machine learning. Les logiciels représentent déjà 57,6% du marché contre 42,4% pour les services, avec des usages dominés par la découverte de médicaments, la médecine personnalisée et les essais cliniques virtuels. Les établissements de santé concentrent 30,3% des usages, devant les pharmas (18,4%), tandis que plus de 890 millions USD de financements européens et l’EHDS 2025 doivent lever les freins d’interopérabilité. Des projets concrets comme le jumeau allergique de Normandie, couvrant 16 millions de patients allergiques et 1 milliard d’euros de coûts annuels, illustrent le potentiel mais aussi les défis éthiques, de consentement, d’équité d’accès et de soutenabilité énergétique.

    👉 Plus de détails sur «Données de santé, IA, modélisation : les briques technologiques encore dispersées des jumeaux numériques – Health & tech»

     

    📌 Jumeaux numériques : des performances >80% mais peu de preuves sur la mortalité et la qualité de vie

    La littérature 2015–2024 recense des jumeaux numériques affichant jusqu’à 83% de précision EEG et 75% MEG pour distinguer MCI vs sujets sains, là où les biomarqueurs standards plafonnent à 58–68%. En cardiologie interventionnelle, un jumeau cardiaque atteint 79% de sensibilité, 93% de spécificité et 89% d’exactitude pour localiser des zones de dépolarisation ventriculaire, tandis que des systèmes pédiatriques frôlent un F1-score de 0,975 pour certains indices métaboliques. En télésurgery, la compensation de latence réduit de 13,6% le temps de tâche et de 27,2% la charge de travail opérateur, avec une erreur spatiale de 2 mm, mais les études démontrant un effet sur mortalité, événements majeurs ou qualité de vie restent rares. Les principaux verrous concernent la qualité et l’interopérabilité des données, la validation clinique externe, les biais, ainsi que l’absence de cadres éthiques et de gouvernance, mentionnés dans seulement 17% des études cardiovasculaires

    👉 Plus de détails sur « Jumeaux numériques : des performances prometteuses mais peu de preuves sur les critères cliniques durs (revue de littérature) – Health & tech »

    📌 Jumeaux numériques : un vide juridique encadré par RGPD, ANSSI et premiers codes sectoriels

    Les jumeaux numériques croisent données sensibles, algorithmes d’IA, cloud et systèmes physiques critiques, mais restent régis par un patchwork de textes généraux comme le RGPD, quelques référentiels sectoriels et des normes ISO/W3C/IEEE en cours d’élaboration. La complexité de la chaîne d’acteurs (éditeurs, fournisseurs cloud, intégrateurs, hôpitaux, industriels) rend la responsabilité en cas de dommage difficile à attribuer, ce qui pousse vers des codes spécifiques, contrats intelligents, assurances dédiées et fonds d’indemnisation. La CNIL et l’ANSSI insistent sur le consentement dynamique, la minimisation des données, les analyses d’impact, le chiffrement systématique, la microsegmentation et le security by design pour limiter les risques de fuites, ransomware ou manipulations de modèles. Des initiatives comme des registres de contributions via blockchain, des licences croisées ou des modèles de gouvernance ouverts (type Eclipse Ditto) préfigurent un futur cadre hybride, mêlant droit souple, normalisation technique et coordination internationale.

    👉 Plus de détails sur « Propriété, responsabilité, cybersécurité : les zones grises du droit face aux jumeaux numériques – Health & tech »

     

    📌🗺️Grands groupes, challengers, hébergeurs clouds, quels rôle dans la structuration de l’écosystème des jumeaux numériques

    Le marché des jumeaux numériques en santé est porté par de grands fournisseurs (Siemens Healthineers, GE, Microsoft, IBM, Oracle, NVIDIA, Dassault Systèmes, ANSYS, Atos) qui structurent l’infrastructure tout en cherchant la conformité aux cadres données de santé, dispositifs/logiciels médicaux et régulation de l’IA. Les pure players comme Twin Health, Unlearn.AI ou Q.bio se spécialisent sur des usages où l’enjeu réglementaire est fort (bras de contrôle synthétiques, essais in silico, suivi personnalisé), afin d’obtenir des reconnaissances méthodologiques par les agences et de légitimer des réductions de 20 à 30% des coûts et délais de développement de médicaments. Dans les hôpitaux, les jumeaux de flux et Command Centers doivent respecter les exigences nationales en matière de protection des données de santé, d’hébergement et de cybersécurité, ce qui impose sécurité, traçabilité et explicabilité comme critères de choix des solutions. L’ensemble crée une division des rôles : grands groupes comme fournisseurs de socles conformes et interopérables, spécialistes comme porteurs d’innovations cliniques à forte densité réglementaire, sous l’arbitrage progressif des autorités sanitaires et de protection des données.

    👉 Plus de détails sur « Vers une médecine prédictive : dynamiques, acteurs et enjeux des jumeaux numériques – Health & tech »

     

    📌🗺️De 17 projets MEDITWIN à 200 hôpitaux : les cas d’usage cliniques des jumeaux numériques se généralisent

    Les jumeaux numériques en santé basculent vers le déploiement clinique, avec un marché visé de 11 milliards USD en 2030, 17 projets dans le consortium MEDITWIN et plus de 200 hôpitaux utilisant déjà ces solutions, notamment en cardiologie. inHEART, marqué CE II et approuvé FDA 510(k), déploie un jumeau 3D du cœur pour prédire la mort subite et planifier des ablations, avec réduction du temps de procédure et des récidives, tandis que SILVER SPINE ouvre une nouvelle frontière en chirurgie rachidienne personnalisée. En neurologie, des jumeaux cérébraux localisent les foyers épileptiques ou projettent la trajectoire d’Alzheimer, alors qu’en oncologie, des organoïdes virtuels et jumeaux hépatiques guident les stratégies thérapeutiques les plus efficaces et les moins invasives. Des jumeaux d’organisation (bloc opératoire de Saint-Étienne) et de territoire (Health Data Hub) montrent que l’outil dépasse l’échelle individuelle pour optimiser flux, lits, inégalités de santé et scénarios de politiques publiques.

    👉 Plus de détails sur « Les cas d’usage du jumeau numérique en santé : de la cardiologie à la planification chirurgicale – Health & tech»

     

    📌🗺️Un marché encore fragmenté dominé par quelques plateformes de jumeaux numériques cliniques

    Les solutions de jumeaux numériques en santé restent fragmentées mais stratégiques, structurées autour d’un socle mêlant simulation avancée, IA, moteurs biomécaniques, interfaces immersives et intégration profonde aux SI hospitaliers. Dassault Systèmes, via MEDITWIN et des projets comme Living Eye ou Vivid-Spine, illustre une approche plateforme, tandis que des éditeurs spécialisés comme PrediSurge, inHEART, Rebone ou Digyne démontrent des gains concrets (jusqu’à 60% de réduction du temps de procédure et 38% de baisse des récidives en rythmologie). Ces solutions s’appuient sur des architectures parfois semifermées, créant un risque de verrouillage technologique, dans un contexte où l’interopérabilité avec EHR, RIS/PACS, LIMS et plateformes nationales reste un frein majeur malgré FHIR/HL7. La montée d’acteurs de cybersécurité, de cloud souverain et de centres d’expertise sectoriels apparaît critique pour sécuriser ces systèmes, réduire les biais algorithmiques et éviter une médecine à deux vitesses.

    👉 Plus de détails sur «Solutions de jumeaux numériques en santé : un marché encore fragmenté mais déjà stratégique pour la médecine personnalisée – Health & tech »

  • Les Hôpitaux Confluence (Val-de-Marne) lancent leur EDS avec codoc

    1,5 million de patients, 4,2 millions de comptes rendus

    Le groupement en attend également une amélioration de ses pratiques professionnelles et de son pilotage médico-économique. Cet EDS a été réalisé en partenariat avec codoc, société française spécialisée dans la valorisation des données de santé.

    E-Confluence permet désormais de regrouper de manière sécurisée des données administratives, médicales, biologiques, d’imagerie, de comptes rendus et de prescriptions relatives à des patients ayant consulté ou ayant été hospitalisés dans ces deux établissements. L’entrepôt fait converger ces données, issues des différents logiciels utilisés, dans une seule et même base.  Ce mois de janvier 2026, il contient des données relatives à 1,5 million de patients et 3,9 millions de séjours, ainsi que 4,2 millions de comptes rendus 7,2 millions de données de biologie, et 1,2 million de données de PMSI. L’EDS dispose d’un historique depuis 2019.

    Il s’agira grâce à l’EDS de réaliser davantage de recherches, études ou évaluations dans le domaine de la santé, mais aussi d’améliorer le fonctionnement d’outils d’aide au diagnostic ou à la prise en charge médicale, de réaliser des études de faisabilité d’essais cliniques, de produire des indicateurs et d’améliorer le pilotage stratégique des établissements, sous la responsabilité du médecin responsable de l’information médicale. Le groupement prévoit notamment des analyses médico-économiques de parcours de soins ainsi que des évaluations de la qualité et de la pertinence des prises en charge. L’EDS permettra également d’améliorer la qualité de l’information médicale ou l’optimisation du codage dans le cadre du programme de médicalisation des systèmes d’information (PMSI).

    E-Confluence sera accessible uniquement aux personnes habilitées : professionnels de santé, chercheurs et statisticiens des Hôpitaux Confluence, techniciens et ingénieurs responsables de la maintenance de l’EDS. Le groupement souligne que les données de l’EDS sont stockées en France, chez un hébergeur certifié hébergeur de données de santé.

    Les patients ont la possibilité de s’informer sur les différentes recherches menées par les équipes de Confluence, et auxquelles ils seraient susceptibles de participer en se connectant sur une plateforme dédiée :  https://exercicedesdroits.chicreteil.fr.

  • L’extraction de données par IA plus performante que l’extraction manuelle (étude)

    L’extraction par IA a également réduit la variabilité interinstitutionnelle entre les centres participant à l’étude. Les résultats en termes de survie obtenus à partir des données extraites par IA correspondaient précisément aux évaluations de terrain réalisées par des experts. Ces résultats sont d’autant plus intéressants que l’extraction manuelle de données réelles (RWD) à partir de dossiers médicaux non structurés nécessite encore beaucoup de ressources, avec un risque d’erreurs et varie considérablement d’un établissement à l’autre.

    Vers des essais cliniques appuyés sur des données extraites par IA à grande échelle

    Cette étude multicentrique menée au sein du consortium français LUCC (Large & Unified Cancer Cohort) a mobilisé un LLM finement ajusté appliqué à des dossiers médicaux non structurés et anonymisés au format PDF, avec l’objectif d’extraire 31 variables provenant de patients atteints d’un cancer du poumon dans 10 centres. Le critère d’évaluation principal était le taux d’erreur d’extraction, les critères d’évaluation secondaires étant notamment les performances par variable, la variabilité interinstitutionnelle, la valeur ajoutée des flux de travail hybrides IA-humain et les analyses de survie.

    Selon l’article ces résultats “confirment la faisabilité d’études multicentriques de nouvelle génération basées sur l’IA pour générer des données réelles de haute qualité à grande échelle, avec une applicabilité potentielle dans des essais cliniques prospectifs”.

     

  • Crédits de dotations aux établissements de santé : 1,4 milliard pour la 3e phase de délégation

    Selon le document oublié au Bulletin officiel du 14 janvier, la troisième phase de délégation des crédits pour 2025 affecte “près de 1,4 milliard d’euros de crédits complémentaires” aux établissements de santé : le chef de bureau souligne que la recherche et l’innovation “en constituent un pilier central” avec 460 millions d’euros consacrés à ce poste, “dont une part conséquente” de 50 millions d’euros issue de la mesure 16 du Ségur de la santé.  Selon Lionel da Cruz, “ces orientations sont le fruit d’un travail approfondi et partagé avec les conférences hospitalières, les fédérations et l’ensemble des acteurs, dans le cadre du COPIL RI et du groupe de travail ‘MIG recherche’ de la Direction générale de l’offre de soins (DGOS)“.

    “Au titre de la mesure 16 du Ségur, 20 millions d’euros sont dédiés à la valorisation de l’excellence des publications hospitalières”. Selon Lionel da Cruz cette valorisation “repose sur le ‘gold standard” international” qu’est l’indice de citation, “reflet de l’impact réel des travaux dans la communauté scientifique et de leur capacité à influencer les pratiques de soins” : Ce “choix assumé” vise à “passer d’une logique de volume à une logique d’impact scientifique”

    5 millions d’euros sont dédiés au soutien des essais cliniques complexes, notamment de phase précoce (phase I/II) et de thérapie innovante (MTI), afin d’”accompagner la recherche la plus exigeante”.

    2 nouvelles DCRI

    Pour “renforcer les structures qui rendent l’excellence possible”, la mesure 16 du Ségur de la Santé investit aussi dans les structures d’appui à la recherche.

    Des crédits supplémentaires de 3,7 millions d’euros en 2025 permettront la création de 2 DRCI (Direction de la Recherche Clinique et de l’Innovation) : l’un en Polynésie française pour 500 000 euros (avec l’appui du GIRCI SOHO), l’autre en Corse (400 000€, avec l’appui du Centre Hospitalier Intercommunal Toulon – La Seyne-sur-Mer)
    Des crédits de 640 000€ permettront la scission du CIC Paris-Est de l’AP-HP, Assistance Publique – Hôpitaux de Paris, conformément aux recommandations du Haut Conseil de l’évaluation de la recherche et de l’enseignement supérieur (Hcéres)et du Comité de labellisation Inserm/DGOS

    5 millions d’euros seront affectés pour soutenir les infrastructures de données hospitalières, “avec des exigences renforcées de transparence et de contribution au catalogue national des données”, tandis que 10 millions d’euros serviront à “reconnaître le rôle essentiel” des PUI (Pharmacies à usage intérieur) dans la conduite des essais cliniques et la sécurisation des circuits pharmaceutique.

    “Investir dans l’excellence scientifique, la complexité des essais et les infrastructures, c’est transformer durablement la recherche en santé en France”, conclut Lionel da Cruz.

     

  • US : un dispositif numérique en oncologie intégré aux contrats santé des salariés

    Un partenariat pour intégrer la cancérologie au cœur des contrats employeurs

    L’assureur américain Evry Health a annoncé un partenariat avec Color Health pour proposer au sein de ses contrats collectifs un parcours de soins virtuel centré sur le cancer. Destinée aux entreprises de plus de 50 salariés, cette offre permet aux assurés d’accéder à des services couvrant l’ensemble du parcours cancérologique, sans co-paiement ni franchise. La clinique virtuelle de Color Health inclut :

    • le dépistage,
    • l’aide au diagnostic,
    • la coordination des soins en cours de traitement,
    • et l’accompagnement des patients.

    Une équipe médicale pluridisciplinaire est mobilisée 24h/24. Les assurés sont activement identifiés puis engagés dans le parcours via les outils de la plateforme.

    Renforcer la prévention et limiter les diagnostics tardifs

    L’objectif est de faciliter l’accès à un dépistage, de combler les retards de soins et d’orienter les assurés vers les structures conventionnées, afin de limiter les formes avancées de cancer. Le service s’inscrit dans une logique de prévention et d’action précoce, grâce à un accompagnement individualisé. Le choix de Color Health repose sur une approche globale du cancer, intégrée à chaque étape (de la prévention à la gestion des effets secondaires) avec une attention portée à la personnalisation de l’accompagnement.

    En intégrant un service de cancerologie dédié, Evry Health répond à une préoccupation des employeurs : près de 80 % d’entre eux identifient aujourd’hui le cancer comme un facteur fort de dépenses de santé. Alors que quatre adultes sur dix développeront un cancer au cours de leur vie et que les cas chez les jeunes actifs augmentent, l’assureur mise sur une approche proactive et coordonnée.

     Les premières expériences de cliniques virtuelles montrent pourtant qu’une approche structurée peut augmenter fortement l’adhésion au dépistage (+77 %), accélérer l’accès au diagnostic et au traitement (‑55 % de délai), combler la majorité des ruptures de prise en charge (75 % des « gaps »).

    Comment les établissements peuvent proposer des parcours numériques intégrés aux entreprises ?

    Color Health propose plusieurs pistes d’adaptation à d’autres contextes, notamment pour les établissements de santé souhaitant devenir des partenaires des employeurs et assureurs :

    • Développer des cliniques virtuelles thématiques autour des services hospitaliers existants, avec téléconsultations spécialisées, RCP virtuelles et accompagnement post-traitement.
    • Créer une navigation oncologique virtuelle intégrée, via des coordinateurs de parcours connectés au DPI et aux ressources sociales, avec outils de messagerie sécurisée et de visio.
    • Industrialiser le dépistage avec les employeurs, en s’appuyant sur les services de santé au travail et les complémentaires santé pour proposer des campagnes ciblées, des tests à domicile ou des créneaux prioritaires en établissement.
    • Mettre en œuvre des programmes de retour à l’emploi, en lien avec la médecine du travail et les RH, pour organiser l’aménagement du poste et le suivi fonctionnel.
    • Exploiter les données et l’IA pour prioriser les patients à risque et suivre des indicateurs tels que les délais de diagnostic, les stades au diagnostic, ou l’impact sur les arrêts de travail.

    L’expérience de Color Health souligne plusieurs facteurs de réussite :

    • Aligner les incitations économiques autour de modèles contractuels à résultats, avec gratuité au point d’usage pour maximiser l’adhésion.
    • Intégrer ces services dans une équipe clinique forte, avec oncologues référents, protocoles validés.
    • Commencer par un pilote ciblé, sur un ou deux types de cancer ou une population définie, avec des objectifs mesurables.
    • Assurer une gouvernance conjointe entre établissements, assureurs, employeurs et représentants de patients, et être transparent sur l’usage des données et les limites du modèle.

     

  • IA et cybersécurité : l’Europe publie une première norme mondiale avec 72 exigences

    L’Institut européen des normes de télécommunications a officialisé la publication de la norme ETSI EN 304 223, première norme européenne en matière de cybersécurité pour les systèmes d’intelligence artificielle. Ce texte établit un socle d’exigences pour sécuriser l’IA face à des menaces comme l’empoisonnement de données ou l’injection indirecte d’instructions. Structurée autour de cinq phases, conception, développement, déploiement, maintenance, et fin de vie.

    La norme énonce 13 principes et 72 dispositions traçables. Elle cible des risques peu ou mal adressés par les approches classiques de cybersécurité logicielle, notamment ceux liés à la spécificité des pipelines de données complexes ou aux techniques d’obfuscation de modèles. Trois rôles techniques sont concernés par des responsabilités distinctes : les développeurs, les opérateurs de systèmes et les responsables des données.

    Une portée internationale

    Contrairement à la précédente spécification technique TS 104 223, la norme EN 304 223 a été validée par des organismes de normalisation nationaux, ce qui renforce sa légitimité sur le plan international. Elle couvre notamment les systèmes d’IA intégrant des réseaux de neurones profonds, y compris l’IA générative déployée en production, mais exclut les projets strictement académiques. Son adoption s’inscrit dans le paysage réglementaire européen aux côtés de l’ISO/IEC 42001 et en complément de l’AI Act, dont l’entrée en vigueur complète est prévue pour août 2026.

    Données, prompts, désinformation : les nouvelles cibles des normes européennes sur l’IA

    Les types d’attaques considérées par la norme incluent l’empoisonnement des données d’apprentissage, l’injection indirecte de prompts, ou encore les détournements liés à la désinformation. Ces vulnérabilités, critiques dans des secteurs comme la santé, la finance ou les infrastructures, nécessitent des mesures adaptées au contexte d’apprentissage automatique et à la variabilité des données.

    L’ETSI prévoit la publication prochaine d’un rapport technique, ETSI TR 104 159, dédié aux risques spécifiques de l’IA générative : deepfakes, désinformation, confidentialité, droit d’auteur. En parallèle, un projet de norme, TS 104 216, est en cours pour établir des méthodes formelles d’évaluation de la conformité aux exigences de l’EN 304 223.