En matière de santé, tout nouveau médicament donne de l'espoir à de nombreux patients. Mais l'attente peut être longue avant sa mise sur le marché à cause de processus de R&D coûteux et contraignants.
Aujourd'hui, l'une des technologies les plus puissantes de la décennie change la donne. L'IA générative révolutionne la R&D pharmaceutique. Precedence Research prévoit que le marché de la gen AI dans le secteur pharmaceutique en général connaîtra une croissance de près de 21 % entre 2023 et 2032. Le cabinet de recherche souligne son potentiel, en particulier, en termes de réduction des délais de R&D et d'amélioration de l'efficacité des essais cliniques.
Exploiter pleinement le potentiel de l'IA générative en R&D pharmaceutique
Le processus traditionnel en recherche pharmaceutique est lent et coûteux. Il se caractérise par une série d'essais et d'échecs avant de pouvoir identifier un candidat potentiel. Une fois identifié, les tests précliniques sur des modèles animaux sont une étape réglementaire obligatoire avant de lancer les essais sur l'Homme. À l'issue du développement clinique, le nouveau médicament est soumis aux autorités de santé pour une mise sur le marché. Commence alors une longue période de surveillance de ses effets secondaires.
L'ensemble de ces opérations prend souvent de 10 à 15 ans, de quoi inciter à l'adoption de nouvelles technologies comme l'IA générative qui peut réduire de beaucoup les délais. Son utilisation devrait transformer la R&D grâce à l'utilisation du machine learning (ML) et du traitement du langage naturel (NLP) pour accélérer la découverte de médicaments et révolutionner les essais cliniques.
Accélérer la découverte de nouveaux médicaments grâce à l'IA générative
La gen AI présente un réel potentiel dans de nombreux domaines de la R&D pharmaceutique, comme :
- Analyse des documents de référence et extraction de connaissances : extraire des informations à partir d'une importante littérature scientifique, ce qui aide les chercheurs à se tenir informés des dernières découvertes et favorise la formulation d'hypothèses.
- Prédiction des cibles de médicaments : analyse rapide de vastes ensembles de données biologiques, notamment génomiques, protéomiques et métabolomiques, afin de prédire des cibles potentielles de médicaments. Cela peut également permettre d'identifier de nouvelles cibles non prises en compte par les méthodes traditionnelles et d'identifier de nouvelles indications thérapeutiques à partir de composés médicamenteux existants.
- Prévision des interactions entre les médicaments et les cibles : ces modèles permettent de prédire l'affinité de liaison et les effets secondaires potentiels des médicaments candidats. Cela permet d'établir des priorités dans le choix des composés à soumettre à une validation plus poussée.
- Génération de composés : générer de nouveaux composés chimiques présentant les propriétés souhaitées, telles qu'une forte affinité de liaison et une faible toxicité. Cela accélère le processus de découverte des médicaments en fournissant un plus grand nombre de composés chimiques aux caractéristiques intéressantes.
- Analyse pharmacologique : ces modèles peuvent prédire les effets multicibles des composés, et potentiellement permettre de découvrir des possibilités de réorientation des médicaments ou de thérapies combinées.
- Conception de la formulation des médicaments : aide à la conception de formulations et de systèmes d'administration de médicaments qui améliorent la stabilité, la biodisponibilité et l'observance du traitement par le patient.
- Augmentation des données : créer des ensembles de données synthétiques pour divers aspects de la découverte de médicaments, notamment les interactions avec les cibles, les structures moléculaires et les profils des patients. Cela permet de compléter les données limitées du monde réel et d'améliorer la formation des modèles.
L'intérêt de l'IA générative dans le secteur pharmaceutique déjà prouvé
Bien que l'utilisation de l'IA dans la découverte de médicaments en soit encore à ses débuts, les entreprises pharmaceutiques utilisent déjà les premières solutions technologiques.
Selon BCG, des start-up comme Evozyne et des acteurs traditionnels comme Amgen sont parmi les premiers à adopter les services cloud de gen AI de NVIDIA pour la découverte de médicaments et la recherche en génomique, chimie, biologie et en dynamique moléculaire. Peptilogics, quant à elle, propose une plateforme d'IA générative conçue pour faciliter la conception de médicaments à base de peptides et l'optimisation des pistes pour diverses cibles, selon AI Multiple.
Les avantages commencent également à être avérés : le BCG note qu'Insilico Medicine a utilisé la gen AI pour passer de la découverte d'une nouvelle cible à un candidat préclinique en seulement 18 mois, pour un coût de 2,6 millions de dollars seulement.
Transformer les essais cliniques avec l'IA générative
Une fois qu'un nouveau candidat a été identifié et que les essais préliminaires ont été menés à bien, il existe de nombreuses possibilités d'utilisation de la gen AI pour les essais sur l'Homme, afin d'accroître l'efficacité et la sécurité et de réduire les délais. Parmi les domaines potentiellement prometteurs figurent :
- Optimisation des protocoles : conception de protocoles d'essais cliniques plus efficaces et adaptatifs en utilisant la gen AI pour simuler différents scénarios, prédire les taux de recrutement des patients et identifier les défis potentiels.
- Analyse des données concrètes de vie réelle : traitement des dossiers médicaux électroniques et d'autres sources de données cliniques non structurées grâce au traitement du langage naturel (NLP) pour extraire des informations utiles telles que les bénéfices pour les patients et les effets indésirables, afin d'améliorer la conception et le suivi des essais cliniques.
- Pharmacovigilance : automatisation de la détection des effets indésirables et des signaux de sécurité par l'analyse de données cliniques à grande échelle, afin de garantir une intervention précoce et le respect de la réglementation.
- Recrutement et rétention des patients : identifier les participants potentiels aux essais en analysant les dossiers des patients et les données des réseaux sociaux, et suggérer des stratégies d'engagement personnalisées pour améliorer la rétention des patients.
- Analyse de l'imagerie médicale : amélioration de l'analyse des images médicales comme les IRM et les CT scans, par la détection des anomalies et la production de rapports détaillés.
Une lueur d'espoir pour les patients en attente de nouveaux traitements
L'IA générative est sur le point de révolutionner la R&D, ce qui aurait été difficile à imaginer il y a quelques années. Intégrer l'IA générative aux processus de découverte des médicaments et d'essais cliniques permettra d'identifier de nouvelles thérapies et de les mettre sur le marché – efficacement et en toute sécurité – dans un temps bien plus court qu'actuellement. Pour les patients à travers le monde en attente de nouveaux traitements décisifs, cela représente un réel espoir d'avoir un jour accès à la guérison.
Cognizant dispose d'une équipe de spécialistes de l'IA générative, forts d'une grande expérience de l'IA et de l'industrie pharmaceutique, ainsi que d'un écosystème de partenaires spécialisés, notamment Google Cloud et Microsoft Azure AI. Pour en savoir plus sur les possibilités d'intégrer l'IA dans vos activités de recherche et de développement pharmaceutiques, n'hésitez pas à nous contacter.
