Accélérer les progrès dans le secteur de la santé

L’intelligence artificielle peut accélérer et réduire le coût de la découverte et du développement des médicaments.

Qu'il s’agisse de détecter des tendances dans des masses de données pour identifier de nouveaux médicaments ou améliorer ceux qui existent déjà, ou de rationaliser le recrutement de testeurs et le processus de test lui-même, l’intelligence artificielle fait des vagues dans l'industrie pharmaceutique.

Cette injection d'énergie est cruciale, car sans elle, le secteur est en difficulté. Depuis les années 1950, le nombre de nouveaux médicaments approuvés, par milliard de dollars dépensé en recherche et développement (R&D), a diminué de moitié à peu près tous les neuf ans. Dans l'industrie pharmaceutique, ce phénomène est connu sous le nom de la « loi d'Eroom », l'exact opposé de la « loi de Moore », qui a observé que le nombre de transistors pouvant être installés sur une surface de silicium donnée double tous les deux ans. La baisse du rendement de la R&D dans l'industrie pharmaceutique a donc rendu les entreprises plus frileuses et moins enclines à rechercher des traitements pour les maladies rares.

« Même si nous disposons de technologies de plus en plus performantes, la mise au point de médicaments devient de plus en plus difficile et coûteuse à un rythme exponentiel. Cela est vraiment prohibitif et nous empêche réellement de nous lancer dans différents domaines de maladies où cela n'aurait pas de sens d'un point de vue économique », explique Carina Namih, partenaire chez Episode One Ventures, une société britannique qui investit dans des entreprises technologiques émergentes, au podcast New Foundations produit par The Economist Intelligence Unit et soutenu par Pictet.

La solution, selon elle, pourrait venir de l'intelligence artificielle (IA) : « Le système d’IA a dessiné une sorte de carte pour nous. Ce qui nous permet de trouver cette aiguille dans la botte de foin plus rapidement. »

BenevolentAI est l'une des entreprises qui adoptent cette technologie. Elle utilise l'IA pour extraire et analyser des informations biomédicales provenant d'articles universitaires et d'essais cliniques afin de faire de nouvelles découvertes. Peter Richardson, vice-président du groupe chargé de la pharmacologie, estime que l'apprentissage automatique est crucial compte tenu des volumes d'informations à analyser.

« Nous recevons bien plus d'un million, probablement deux millions de rapports par an. Et il est tout simplement impossible pour l'homme seul de passer en revue toutes ces informations. Nous analysons donc, en utilisant la lecture automatique, autant de documents que possible », explique-t-il. 

« [Nous] compilons tout cela et le mettons dans ce que nous appelons un graphique de connaissances, qui est une série de relations entre les gènes, les voies biologiques, les mécanismes, les tissus, les organes et les maladies. De cette manière, nous espérons non seulement donner aux scientifiques l'accès à toutes les informations, mais aussi leur permettre d'en tirer de nouvelles conclusions et d’élaborer ainsi de nouveaux médicaments répondant à des besoins non satisfaits. »

La rapidité est l’un des avantages. Le processus de découverte d'un médicament prend généralement une quinzaine d'années avant d'aboutir à une mise sur le marché. En période de crise sanitaire, telle que la pandémie de Covid-19, le temps est précieux. Grâce à l'apprentissage automatique, M. Richardson et son équipe ont découvert que le baricitinib, un médicament traditionnellement utilisé pour la polyarthrite rhumatoïde, pourrait potentiellement contribuer à accélérer le rétablissement des patients après une infection à la Covid-19.

L'autre grand avantage de l'IA est de réduire le coût de la découverte de médicaments. Andrew Hopkins, PDG de la société Exscientia, leader dans le domaine des technologies pharmaceutiques, estime qu'une telle approche peut réduire les coûts moyens de mise sur le marché d'un médicament d'environ 30 %, soit 600 millions de dollars. Et surtout, ajoute-t-il, elle peut réduire considérablement le coût des premières étapes du processus.

« En moyenne, il faut une vingtaine de projets en phase initiale pour qu'un seul médicament aboutisse. Pourtant, la plupart des projets échouent », dit-il. « Nous pouvons réduire les coûts de manière significative, d'au moins 80 % environ, dans les premières phases de la découverte de médicaments. Et cela a ensuite un effet boule de neige. »

Les machines peuvent également contribuer à la phase suivante, les essais cliniques, en rationalisant le recrutement des testeurs et en améliorant l'efficacité des essais eux-mêmes. À long terme, il sera peut-être possible de créer des jumeaux numériques pour les personnes participant à l'étude, qui serviront effectivement de « contrôles » individuels, ce qui réduira le nombre de recrues nécessaires.

Une procédure plus rationnelle, plus rapide et moins coûteuse pourrait encourager les entreprises à s'intéresser à un plus grand nombre des 7 000 maladies rares recensées dans le monde, dont seulement 5 % environ peuvent être traitées à ce jour.

« Si l'on peut éliminer les barrières qui empêchent la mise sur le marché au lieu d’en payer le prix, on peut alors se tourner vers des indications plus spécifiques et des maladies plus rares », explique M. Hopkins.  « Cela devient alors une véritable solution miracle qui peut favoriser l'innovation dans l'industrie pharmaceutique si nous pouvons changer la structure économique de ce secteur. »

Pour en savoir plus sur l’IA dans le secteur de la santé, consultez le podcast « New Foundations ».