Aller au contenu principal
2. Révolution dans le développement des médicaments
Une meilleure connaissance des voies biologiques sous-jacentes aux maladies a été rendue possible par l’entraînement de l’IA sur les volumes massifs de données génomiques, d’imagerie médicale, de dossiers médicaux et d’autres informations sur les patients. Grâce à des fournisseurs spécialisés, la cartographie assistée par l’IA des voies pathologiques et des interactions protéine-médicament a permis d’améliorer la compréhension des cibles et de découvrir de nouvelles protéines et de nouveaux gènes qui peuvent être ciblés pour les bloquer.
Lorsqu’un groupe de composés médicinaux potentiels a été identifié, l’IA peut aider à hiérarchiser les médicaments candidats en classant les molécules en vue d’une évaluation supplémentaire. L’IA a été utilisée avec succès dans le criblage virtuel de composés, notamment pour identifier ceux qui peuvent se lier à des cibles « non médicamenteuses », la création de médicaments de novo, la réorientation de médicaments et l’identification de biomarqueurs de réponse au traitement, en plus de l’identification de cibles médicamenteuses.
En règle générale, les phases de recherche exploratoire durent de quatre à cinq ans. Mais l’IA apporte une accélération significative dans le domaine du développement pharmaceutique. Des exemples incluent la création en seulement 46 jours de seringues synthétiques qui acheminent des composés antitumoraux directement dans les cellules, grâce à une collaboration avec l’IA de DeepMind. De même, DeepMind a prédit avec une précision remarquable la structure de presque toutes les protéines connues. Ces succès illustrent comment l’IA réduit de manière considérable les délais traditionnels du développement médicamenteux.
Une autre avancée majeure a été réalisée en janvier 2023, lorsque l’entreprise AbSci a créé et validé pour la première fois des anticorps de novo in silico en utilisant l’IA générative zéro. Contrairement aux méthodes traditionnelles basées sur des modèles ou des anticorps préexistants, cette méthode in silico permet de réduire le temps de développement de 6 ans à seulement 18 à 24 mois.
À mesure que l’IA continue de progresser, son rôle dans la science en laboratoire pourrait s’élargir encore plus, raccourcissant les essais cliniques, permettant des simulations pour évaluer l’efficacité des médicaments et réduisant ainsi la nécessité d’expérimentations sur des animaux.