L’intelligence artificielle se déploie progressivement dans le monde de la santé et principalement au niveau de la R&D pour optimiser le développement de nouveaux traitements. Tour d’horizon de l’impact de l’IA sur le médicament.

Nous avions évoqué dans un article précédent l’impact du machine learning sur la R&D, notamment au sein de l’industrie pharmaceutique. Au-delà de cette approche, on observe un déploiement progressif de l’intelligence artificielle au service du médicament.

Optimisation du drug design

Aujourd’hui, la plupart des nouveaux médicaments sont souvent développés via ce que l’on appelle le drug design faisant appel à la chimie combinatoire. L’intelligence artificielle apporte de nouvelles perspectives en permettant de déterminer quelles sont les substances les plus intéressantes à tester sur le plan pharmacologique.

Dans le cadre de la recherche de candidat médicament, on observe plusieurs étapes de développement notamment au niveau du choix des principes actifs. Le plus souvent on utilise la chimie combinatoire. Face au volume de données à traiter, l’intelligence artificielle apparaît comme une solution pour optimiser la recherche.

Aujourd’hui, une société comme Iktos, propose des solutions concrètes pour accompagner les équipes de R&D. Elle a noué des partenariats avec de nombreux laboratoires pharmaceutiques pour les aider à accélérer et optimiser les phases de drug design (Janssen, Merck, Servier…).
Autre exemple avec celui du partenariat entre l’Université de Toronto et la start-up Insilico Medicine qui a permis via l’intelligence artificielle d’identifier en quarante-six jours un traitement potentiel contre la fibrose.

Concrètement les solutions d’intelligence artificielle déployées ont généré 30 000 modèles de molécules en seulement 21 jours. Après une sélection de 6 de ces molécules synthétisées en laboratoire, 2 ont été testées sur des cellules souches pour au final tester la molécule la plus prometteuse chez l’animal après seulement 46 jours.

Le déploiement du in silico

Historiquement, la recherche et le développement de nouveaux médicaments repose essentiellement sur des expériences menées en laboratoire (« in vitro »), puis sur des êtres vivants (« in vivo ») via des essais cliniques.
Le numérique et l’intelligence artificielle ouvrent une nouvelle voix avec la simulation numérique : « in silico ». On parle de 3ème pilier du développement de médicaments. Cette approche permet de caractériser et prédire la toxicité d’un candidat-médicament, voire son efficacité, avant même son expérimentation en essais cliniques « in vivo ». On peut simuler l’effet d’une molécule sur une pathologie et sur une population de patients. Cela permet d’affiner la stratégie de développement clinique et favoriser la réduction des délais et des coûts dans le développement des molécules.

Un exemple concret avec la start-up Novadiscovery spécialisée dans la modélisation et la simulation quantitative appliquée à la R&D.

L’IA créatrice de médicament

L’intelligence artificielle optimise les phases amont de recherche mais permet également le développement de nouvelles molécules dans des délais réduits.

Une première molécule mise au point grâce à l’intelligence artificielle va être testée dans les prochaines semaines sur des humains au Japon pour permettre de traiter les Troubles obsessionnels compulsifs (TOC). Développée par Sumitomo Dainippon Pharma en collaboration avec Exscientia, cette IA a permis d’accélérer le processus de développement pour le réduire de 5 ans à 12 mois.

Cette molécule, baptisée DSP-1181, a été développée en utilisant des algorithmes qui ont passé au crible les composés potentiellement utilisables pour créer ce médicament et en les comparant à une énorme base de données. « Si l’IA était utilisée pour diagnostiquer des patients et analyser des données et des scanners, il s’agit de la première utilisation directe de l’IA dans la création d’un nouveau médicament » indique le professeur Andrew Hopkins, CEO d’Exscientia dans un communiqué.

Autre innovation récente, des chercheurs du Massachusetts Institute of Technology (MIT) sont parvenus à utiliser un modèle de machine learning pour identifier une molécule capable de contrer un des pathogènes les plus redoutables : la bactérie gastro-intestinale Clostridium difficile (C. diff) qui fait des ravages dans les hôpitaux. Développé par Regina Barzilay, professeur en informatique et intelligence artificielle au MIT, ce modèle de Machine Learning repose sur un réseau de neurones profond, un système entraîné sur plus de 2500 structures chimiques.
La molécule baptisée l’Halicine, testée sur une souris, s’est révélée efficace avec une structure très différente des antibiotiques existants. Elle a été trouvée dans une base de données où elle était initialement identifiée comme un traitement possible pour le diabète (source : The Journal cell).

Une première réalisation concrète de l’IA dans la création de médicament qui va se généraliser dans les prochains mois.
Les capacités de calcul accrues par l’intelligence artificielle et l’accélération des processus de développement ouvrent une nouvelle ère pour la recherche & développement, notamment au sein des laboratoires pharmaceutiques, avec des délais raccourcis et des coûts réduits. La R&D 4.0 est en approche !

Rémy Teston
Expert
Buzz E-santé