L’intelligence artificielle (IA) s’attaque aujourd’hui à des domaines toujours plus diversifiés (l’art, la musique, le cinéma, l’armement, etc.). Dans le domaine de la santé, une entreprise britannique l’applique aujourd’hui à la conception de nouveaux médicaments. Le modèle d’IA permettrait notamment de déterminer les bonnes structures moléculaires pour les bonnes cibles pathologiques, et ce pour chaque type de patients. L’automatisation de cette étape permettrait un gain de temps et d’argent considérable. Toutefois, la technologie est encore loin de pouvoir assurer les étapes cruciales des tests pharmacologiques, qui sont parfois les plus coûteuses (en temps et en argent). La raison principale est que malgré la compatibilité moléculaire prédite par l’IA, les molécules médicamenteuses sont toujours susceptibles d’agir de façon imprévisible une fois à l’intérieur de l’organisme.
Récemment, l’Université de médecine de Vienne (Autriche) a testé une technologie développée par Exscientia, une entreprise de biotechnologie britannique. Cette technologie est basée sur une IA permettant de découvrir quels médicaments existant sur le marché pourraient être efficaces pour chaque patient, en tenant compte de leur diversité biologique. Par le biais de l’apprentissage automatique, brassant des millions de données, l’IA prédit comment un médicament interagirait dans l’organisme d’un patient, en éliminant systématiquement les molécules incompatibles avec sa biologie et sa pathologie.
Certaines pathologies (telles que le cancer) nécessitent en effet de tester plusieurs médicaments existants avant d’identifier le plus efficace, même si cette efficacité a déjà été prouvée en laboratoire au préalable. Cette étape a un impact considérable sur le quotidien des patients, qui doivent parfois être hospitalisés pendant des années avant que les médecins puissent trouver le médicament qui leur correspond le mieux.
Des plus, lors d’essais cliniques, l’on retient généralement les molécules ayant enregistré une efficacité sur le plus grand nombre de personnes participant aux tests. Cependant, d’autres molécules éliminées du processus de test auraient pu être efficaces pour un petit groupe de personnes.
La nouvelle technologie de la société britannique tient à la fois compte des molécules ayant enregistré le plus d’efficacité sur le plus grand nombre, ainsi que celles éliminées lors des tests. Cette méthodologie permettrait d’établir une liste exhaustive des médicaments commercialisés, qui correspondraient le mieux à chaque patient.
Afin de trouver les bons traitements pouvant soigner le cancer d’une dizaine de personnes distinctes ayant subi au moins deux cycles de chimiothérapie, Exscientia leur a prélevé des échantillons de tissu pour tester 139 médicaments existants sur le marché. Plus de la moitié de ces médicaments a été sélectionnée par l’IA, pour les patients.
Concevoir des médicaments moins coûteux
Outre la recherche des médicaments existants les plus adaptés à chaque patient, Exscientia compte également appliquer sa technologie à la conception de nouvelles molécules thérapeutiques. À savoir qu’en moyenne, la conception d’un nouveau médicament peut nécessiter plus de 10 ans de recherches, ainsi que des milliards de dollars d’investissement. Grâce à l’IA, on économiserait des milliers d’heures de recherche. « Si nous pouvons sélectionner les bons patients, cela change fondamentalement le modèle économique de l’industrie pharmaceutique », explique Andrew Hopkins, PDG d’Exscientia. Cette économie permettrait également de réduire les coûts sur le marché. Au total, l’entreprise a jusqu’aujourd’hui développé environ une vingtaine de nouvelles molécules thérapeutiques, qui sont en cours d’essais cliniques.
Il faut savoir que les pharmacologues passent beaucoup de temps à rechercher la bonne cible moléculaire dans notre organisme (une protéine, une enzyme, une voie de synthèse, …), pour ensuite concevoir la molécule pouvant interagir avec cette cible. La prochaine étape consiste à confirmer cette interaction en la testant in vitro ou in vivo, pour finalement passer aux essais cliniques. Cet ensemble de processus peut comprendre des milliers d’essais et d’échecs, avant de découvrir le bon candidat pour traiter chaque pathologie. L’IA permettrait de réduire ce temps de sélection.
« Si nous utilisions une approche traditionnelle, nous n’aurions pas pu évoluer aussi rapidement », déclare Hopkins. Certains experts estiment que l’automatisation des processus gagnera en importance au cours des 5 prochaines années, car l’industrie pharmaceutique aurait produit suffisamment de données (chimiques et biologiques) pour développer de bons modèles d’apprentissage automatique.
En effet, les IA peuvent traiter rapidement des millions de données, afin de prédire comment un médicament pourrait se comporter une fois dans l’organisme. Le modèle d’Exscientia serait capable de générer des millions de molécules et de simuler précisément leurs interactions avec leurs cibles pathologiques. De manière plus précise, la technologie simule l’interaction entre les atomes, lorsque les molécules s’emboitent entre elles.
À rappeler que les industries conventionnelles (qui n’utilisent pas l’apprentissage automatique) utilisent déjà des simulations moléculaires pour concevoir de nouveaux médicaments. Cependant, elles ne peuvent produire qu’entre 2500 et 5000 composés différents sur une période de cinq ans, avant de pouvoir sélectionner les bons candidats thérapeutiques. L’IA d’Exscientia en aurait conçu à elle seule 136 en seulement un an, et ce chiffre pourrait devenir 200, 500, voire plus à l’avenir.
Une technologie encore incomplète
Il faut cependant garder à l’esprit que nombre de processus pharmacologiques ne peuvent pas être effectués par des IA. Il s’agit notamment des phases d’essais, qui coûtent généralement énormément de temps et d’investissements financiers. « La raison pour laquelle le coût de la mise au point d’un médicament est si élevé est qu’il faut concevoir et tester 20 médicaments pour en produire un », précise Richard Law, directeur commercial d’Exscientia.
Une fois dans l’organisme, les molécules actives peuvent en effet agir différemment des prévisions des IA. Notre organisme est si complexe que les molécules médicamenteuses doivent traverser un grand nombre d’environnements différents avant d’atteindre leurs cibles. Chacun de ces environnements est régi par des mécanismes biomoléculaires aussi complexes que divers.
Par ailleurs, les étapes finales de la conception d’un nouveau médicament doivent obligatoirement comporter des essais cliniques. Ces derniers nécessitent de recruter un grand nombre de volontaires et peuvent parfois durer jusqu’à 20 ans. De nombreux médicaments en cours de développement échouent à ce stade.