Intelligence artificielle
La révolution arrive dans le secteur du médicament.
L’industrie artificielle en médecine implique l’utilisation de modèles d’apprentissage automatiques pour rechercher des données médicales et découvrir des informations qui améliorent les résultats de santé et l’expérience des patients.
L’utilisation de L’IA dans la recherche de médicament
La plupart des nouveaux médicaments sont généralement développés par ce que l’on appelle la drug design, faisant appel à la chimie combinatoire. L'intelligence artificielle offre de nouvelles perspectives en permettant de déterminer quelles substances sont les plus intéressantes à tester d’un point de vue pharmacologique.
Dans le développement du médicament plusieurs étapes sont observées, notamment au niveau des principes actifs, qui sont souvent utilisés dans la chimie combinatoire. Face aux volumes de données à traiter, l’IA apparaît comme une solution pour optimiser la recherche.
Concrètement les solutions d'intelligence artificielle déployées ont généré 30 000 modèles moléculaires en seulement 21 jours. Après qu'une sélection de 6 de ces molécules ait été synthétisée en laboratoire, 2 ont été testées sur des cellules souches pour finalement tester la molécule la plus prometteuse chez l’animal après seulement 46 jours.
A titre de comparaison, lorsque c’est traité par un humain, il faut compter 12 ans de recherche et de développement et 2,5 milliards d’euros en moyenne pour développer un nouveau médicament.
L’IA pourrait permettre d’aller 15 fois plus vite et de réduire de 30% les coûts de développement et de mise sur le marché d’un médicament tout en réduisant le risque d’échec.
La recherche et le développement de nouveaux médicaments reposent essentiellement sur des expérimentations réalisées en laboratoire (« in vitro », « in vivo ») au travers d'essais cliniques. Le numérique et l'intelligence artificielle ouvrent une nouvelle voie avec la simulation numérique : « in silico ». Nous parlons du troisième pilier du développement de médicaments.
Cette approche permet de caractériser et de prédire la toxicité d'un candidat-médicament, voire son efficacité, avant même de l'avoir testé dans des essais cliniques « in vivo ». On peut simuler l'effet d'une molécule sur une maladie et sur un groupe de patients. Cela permet d'affiner la stratégie de développement clinique et d'accélérer la réduction du temps et des coûts de développement des molécules.
L’intelligence artificielle optimise les phases amont de recherche mais permet également le développement de nouvelles molécules dans des délais réduits.
