L’industrie pharmaceutique fait confiance à l’intelligence artificielle (IA). Elle espère que l’IA aidera à réduire la charge de travail, à raccourcir les délais, à identifier les possibilités de reconversion des médicaments, à améliorer la productivité de l’industrie et à rendre les essais cliniques plus fructueux.

La découverte et le développement d’un seul médicament peuvent prendre plus de dix ans et coûter en moyenne 2,8 milliards de dollars US. Malgré cet engagement en termes de temps et de ressources, neuf projets sur dix échouent encore aux essais cliniques de phase 2 et n’obtiennent jamais l’autorisation réglementaire.

La numérisation accrue des données dans le secteur pharmaceutique se prête aux outils et réseaux d’IA qui imitent les processus de pensée analytique humains et peuvent être programmés pour interpréter, « apprendre » et prendre des décisions « intelligentes ».

Historique

Dans les années 1950, les pionniers de l’IA parlaient de machines capables de sentir, de raisonner et de penser comme des êtres humains. L’augmentation rapide de la puissance de traitement des ordinateurs et des grandes quantités de données, ainsi que le développement d’algorithmes avancés depuis lors, ont considérablement amélioré ce que l’on appelle l’apprentissage machine (ML). Cette forme d’IA est axée sur les tâches, prend en charge l’analyse, comprend et génère du texte et de la parole (traitement du langage naturel) et imite véritablement notre façon de penser.

Plus de 50 ans plus tard, le 12 juin 2007, le robot Adam a réussi à identifier la fonction d’un gène de levure. Adam a fait des recherches dans les bases de données publiques et a développé des hypothèses sur les gènes qui codent pour les enzymes clés de la levure Saccharomyces cerevisiae. Lorsque ces hypothèses ont été testées, les chercheurs ont trouvé neuf gènes nouveaux et exacts et un seul qui était faux.

« Les robots scientifiques utilisant l’IA peuvent tester davantage de composés, et le faire avec une précision et une reproductibilité accrues, ainsi qu’un enregistrement exhaustif et consultable », a déclaré Steve Oliver, biologiste systémique de l’Université de Cambridge, membre du groupe qui a développé Adam. Plus tard, la même équipe a annoncé que la collègue d’Adam, Eve, avait découvert un nouveau traitement possible pour les parasites du paludisme résistant aux médicaments.

« Nous bouleversons le paradigme de la découverte de médicaments en utilisant la biologie et les données des patients pour obtenir des hypothèses plus prédictives,” a déclaré », a déclaré Niven Narain

Histoires à succès

Les chercheurs de Berg, une entreprise de biotechnologie située près de Boston, dans le Massachusetts, ont utilisé l’IA pour trouver des traitements potentiels basés sur la cause d’une maladie. Ils ont testé plus de 1000 échantillons de cellules humaines cancéreuses et saines, en faisant varier les conditions de croissance, puis en mesurant la production et le rendement des cellules. Les différences essentielles entre les cellules malades et les cellules saines ont été mises en évidence par l’analyse de l’IA, qui a intégré les données biologiques et les résultats du patient.

« Nous bouleversons le paradigme de la découverte de médicaments en utilisant la biologie et les données des patients pour obtenir des hypothèses plus prédictives, plutôt que l’approche traditionnelle par essais et erreurs », a déclaré Niven Narain, cofondateur, président et directeur général de Berg. Son équipe a utilisé cette approche pour identifier les molécules spécifiques du métabolisme du cancer et déterminer le mode d’action d’un nouveau médicament contre le cancer. Le médicament (BPM31510) fait actuellement l’objet d’un essai clinique de phase 2 pour les patients atteints d’un cancer du pancréas avancé. L’entreprise utilise le même système d’IA pour trouver des cibles médicamenteuses et des thérapies pour le diabète, la maladie de Parkinson et d’autres maladies.

La société londonienne Benevolent^AI dispose d’une plateforme d’IA basée sur le nuage, qui analyse les données provenant d’articles de recherche, de brevets, de dossiers de patients et d’essais cliniques. La base de données comprend plus d’un milliard de relations documentées ou déduites entre gènes, symptômes, maladies, protéines, tissus, espèces et médicaments. Utilisé comme un moteur de recherche, il peut produire des graphiques de conditions médicales, de gènes associés et de composés efficaces. « L’IA peut replacer toutes ces données dans leur contexte et faire ressortir les informations les plus importantes pour les scientifiques chargés de la découverte de médicaments », a déclaré Jackie Hunter, directrice du conseil d’administration de Benevolent^AI.

Lorsqu’on a demandé à Benevolent^AI de proposer des traitements pour la sclérose latérale amyotrophique (SLA), elle a identifié une centaine de composés existants présentant un potentiel. Leurs scientifiques en ont choisi cinq pour les tester au Sheffield Institute of Translational Neuroscience, au Royaume-Uni. Lors du Symposium international sur la SLA/MND qui s’est tenu en décembre 2017 à Boston (Massachusetts), quatre de ces composés se sont révélés prometteurs et l’un d’entre eux a même retardé les symptômes neurologiques chez la souris.

Certains pensent que le potentiel de l’IA pour identifier des causes de maladie jusqu’alors inconnues accélérera la tendance vers des traitements conçus pour des patients présentant des profils biologiques spécifiques. « Il est question de médecine personnalisée depuis longtemps », a déclaré Mme Hunter. « L’IA va le permettre. »

Le futur

L’IA a déjà démontré sa capacité à prédire la pharmacocinétique d’un médicament, ses récepteurs cibles, ses propriétés physicochimiques, sa solubilité, son affinité de liaison, sa bioactivité, sa toxicité et d’autres caractéristiques qui affectent son efficacité.

Les leaders de l’industrie s’accordent à dire que l’utilisation de l’IA pourrait modifier le processus de découverte des médicaments. Certains experts estiment que les futurs étudiants devront avoir des connaissances en biologie associées à l’informatique, aux statistiques et à l’apprentissage automatique. Certaines écoles ont déjà créé des programmes de premier cycle en informatique biomédicale, mais la demande pour ces diplômes pourrait évoluer avec l’apparition de nouvelles thérapies.

D’autres pensent que les prédictions sur la capacité de l’IA à révolutionner la découverte de médicaments sont trop optimistes. M. Narain, qui s’attend à ce que l’IA soit à l’origine d’avancées majeures, reconnaît que les affirmations peuvent être exagérées, mais qu’elles ne tarderont pas à être prouvées ou réfutées. « Le battage médiatique ne durera pas très longtemps, car au cours des cinq prochaines années environ, la vérité apparaîtra dans les données », a-t-il déclaré. « Si d’ici là, nous créons de meilleurs médicaments, et que nous le faisons plus rapidement et à moindre coût, alors l’IA décollera vraiment. »

Ce contenu a été inspiré, en partie, par « How artificial intelligence is changing drug discovery », Nature, 30 mai 2018; « Transforming Drug Discovery Through Artificial Intelligence », Forbes, 3 mars 2020; et « Artificial intelligence in drug discovery and development », Drug Discovery Today, 26 janvier 202