De plus en plus d’entreprises pharmaceutiques se tournent vers des outils et des méthodes assistés par ordinateur pour les aider dans leurs travaux de recherche et résoudre des problèmes complexes dans le domaine de la conception et du développement de médicaments.
Les données massives, l’apprentissage automatique et intelligence artificielle... de plus en plus d’entreprises pharmaceutiques se tournent vers des outils et des méthodes assistés par ordinateur pour contribuer aux efforts de découverte, en aidant à résoudre des problèmes complexes de conception et de développement de médicaments.
Alors que la concurrence et le désir d’être le premier sur le marché augmentent, l’IA peut donner aux entreprises un avantage pour la prochaine grande percée. Elle peut aussi potentiellement réduire les coûts de développement en rationalisant le processus de recherche d’un médicament et en le soumettant à un essai clinique. Dans le même temps, elle peut également cibler les causes des effets indésirables qui conduisent au retrait d’un médicament du marché.
Le coût du lancement d’un nouveau médicament étant estimé à 2,6 milliards de dollars avant la mise sur le marché et à 312 millions de dollars supplémentaires pour la recherche et le développement après l’approbation, les entreprises pharmaceutiques ont tout intérêt à utiliser tous les moyens pour gérer leurs ressources. Alors comment ces outils peuvent-ils vous aider? Si votre entreprise n’'utilise pas ces outils, pourquoi le faire? Quels sont les avantages? Les données montrent que ces outils sont utiles, mais qu’ils doivent être utilisés correctement.
L’apprentissage profond fait une nouvelle percée
Un récent article publié dans Nature Biotechnology cite une recherche qui a utilisé l’apprentissage profond pour générer de nouvelles petites molécules pour une cible protéique. “La découverte traditionnelle de médicaments commence par l’essai de milliers de petites molécules afin d’arriver à quelques molécules de premier plan, et seule une molécule sur dix environ passe les essais cliniques sur des patients humains, ”note SciTechDaily. “Même une petite amélioration du délai de la découverte de nouveaux médicaments ou de ses chances de réussite donne lieu à des économies et des avantages publics considérables.”
Les gains d’efficacité réalisés par cette découverte peuvent réduire le temps et le coût nécessaires pour qualifier un nouveau médicament en vue de son développement. L’apprentissage automatique et l’IA ont le potentiel de résoudre plusieurs défis, en garantissant qu’un produit sûr et efficace arrive sur le marché.
Diagnostic de la cause d’un effet indésirable
L’IA peut également aider à déterminer la cause des effets indésirables des médicaments déjà commercialisés. Diagnostic de la cause d’un effet indésirable. Plus de 450 médicaments dans le monde ont été retirés du marché après leur homologation en raison d’effets indésirables. L’IA peut aider à découvrir le métabolisme des composés par les organes et à déterminer s’ils sont toxiques ou non avant qu’ils ne fassent l’objet d’essais cliniques et/ou d’une autorisation de mise sur le marché. En plus d’obtenir de meilleurs résultats pour les patients, cela représente une énorme économie pour les entreprises pharmaceutiques.
En 2018, par exemple, l’IA a été utilisée pour découvrir le processus en deux étapes dans lequel un médicament approuvé provoquait une toxicité hépatique, un processus qui était difficile à déterminer de manière expérimentale.
“S’ils disposent de suffisamment de données, les algorithmes d’apprentissage automatique peuvent établir des modèles, puis utiliser ces modèles pour faire des prédictions ou classer de nouvelles données beaucoup plus rapidement que n’importe quel être humain,” note un récent article de The Scientist. Pour les données complexes nécessaires à la saisie des modèles, l’IA peut offrir un avantage certain.
Une fois qu’un algorithme d’apprentissage automatique a été entraîné sur un ensemble de données d’une molécule existante, il peut offrir des informations prédictives sur la toxicité éventuelle de nouvelles molécules.
Les algorithmes d’apprentissage automatique pourraient également prédire comment une molécule candidate réagira à différents environnements physiques et chimiques, ce qui permettrait de montrer comment cette molécule pourrait se comporter dans le corps humain.
Conclusion
L’apprentissage automatique et l’IA sont des outils puissants qui, s’ils sont utilisés correctement, ont la capacité de transformer la découverte de médicaments, ce qui pourrait être corrélé à une vitesse accrue dans l’identification des candidats médicaments et à une mise sur le marché plus rapide des médicaments importants. Il pourrait également permettre d’économiser des coûts importants en matière d’essais cliniques en faisant avancer des candidats qui pourraient être plus performants et moins toxiques. En outre, l’IA pourrait aider à déterminer des cibles plus sûres pour les patients et éviter les rappels après commercialisation. Si vous n’utilisez pas ces outils, c’est peut-être le moment de les envisager.
Vous voulez en savoir plus sur l’apprentissage automatique et l’IA dans la découverte de médicaments? Communiquez avec Actalent dès aujourd’hui.