Dans les laboratoires de haute technologie, les travailleurs génèrent des données pour entraîner des algorithmes d’IA afin de concevoir de meilleurs médicaments, plus rapidement. Mais la transformation ne fait que commencer, avance un article du New York Times.

L’intelligence artificielle (IA) est « une occasion rêvée » pour le secteur pharmaceutique, selon le cabinet de conseil McKinsey & Company.

Tout comme les agents conversationnels populaires tels que ChatGPT, qui sont formés à partir de texte sur Internet, et les générateurs d’images comme DALL-E, qui apprennent à partir de vastes quantités d’images et de vidéos, l’IA pour la découverte de médicaments repose sur des données. Et il s’agit de données très spécialisées, comme les informations moléculaires, les structures protéiques et la mesure des interactions biochimiques.

L’IA apprend des tendances présentes dans les données pour suggérer d’éventuels médicaments candidats utiles, comme si elle faisait correspondre les clés chimiques aux bons verrous protéiques.

Parce que l’IA pour le développement de médicaments repose sur des données scientifiques précises, les « hallucinations » toxiques sont bien moins probables qu’avec des agents conversationnels plus largement entraînés. Et tout médicament potentiel doit subir des tests approfondis en laboratoire et faire l’objet d’essais cliniques avant d’être approuvé pour les patients.

L’IA générative peut aussi concevoir numériquement une molécule médicamenteuse. Celle-ci est ensuite transformée, dans un laboratoire automatisé à grande vitesse, en une molécule physique, et testée pour son interaction avec une protéine cible. Les résultats – positifs ou négatifs – sont enregistrés et réinjectés dans le logiciel d’IA pour améliorer le prochain modèle, accélérant ainsi le processus global.

Bien que certains médicaments développés par l’IA soient en cours d’essais cliniques, ceux-ci n’en sont encore qu’à leurs débuts.

Le développement de médicaments est traditionnellement une entreprise coûteuse, longue et imprévisible. Les études qui en chiffrent le coût, de la conception d’un médicament et de la réalisation des essais cliniques jusqu’à l’approbation finale, varient considérablement. Toutefois, la dépense totale est estimée à 1 milliard de dollars US en moyenne, et le processus prend de 10 à 15 ans. En outre, près de 90 pour cent des médicaments candidats qui entrent dans la phase des essais cliniques chez l’humain échouent, généralement en raison d’un manque d’efficacité ou d’effets secondaires imprévus.

Les jeunes développeurs de médicaments qui ont recours à l’IA s’efforcent d’utiliser leur technologie pour améliorer leurs chances, tout en réduisant les coûts et la durée du processus.

Leur source de financement la plus constante provient des géants pharmaceutiques, qui ont longtemps servi de partenaires et de banquiers pour de plus petites entreprises de recherche. Ces jeunes pousses s’efforcent généralement d’accélérer les étapes précliniques de développement, qui durent généralement de quatre à sept ans. Certaines peuvent essayer de se lancer elles-mêmes dans des essais cliniques, mais c’est à cette étape que les grandes sociétés pharmaceutiques prennent généralement le relais, réalisant les coûteux essais chez l’humain, qui peuvent prendre encore sept ans.

Pour les sociétés pharmaceutiques établies, cette stratégie de partenariat constitue une voie relativement peu coûteuse pour tirer parti de l’innovation.

Les grandes sociétés pharmaceutiques rémunèrent leurs partenaires de recherche lorsqu’ils franchissent des étapes importantes en matière de médicaments candidats, ce qui peut représenter des centaines de millions de dollars au fil des années. Et si un médicament est finalement approuvé et devient un succès commercial, un flux de revenus de redevances est généré.