Les techniques d\u2019IA sont prometteuses pour acc\u00e9l\u00e9rer l\u2019\u00e9laboration de m\u00e9dicaments mais celles-ci ne sont pas d\u00e9pourvues de probl\u00e8mes.<\/p>\n\n\n\n
Actuellement, sans intelligence artificielle, le temps moyen estim\u00e9 entre la d\u00e9couverte et le lancement d\u2019une mol\u00e9cule est de dix \u00e0 douze ans1<\/a><\/sup> et le co\u00fbt moyen n\u00e9cessaire pour amener une nouvelle mol\u00e9cule sur le march\u00e9 a fortement augment\u00e9 (les co\u00fbts capitalis\u00e9s totaux se sont av\u00e9r\u00e9s avoir augment\u00e9 \u00e0 un taux annuel r\u00e9el de 8,5 %). <\/p>\n\n\n\n D\u2019apr\u00e8s une \u00e9tude, cette progression peut \u00eatre li\u00e9e aux taux d\u2019\u00e9chec de mise sur le march\u00e9 qui ont augment\u00e9, possiblement en lien avec un positionnement de plus en plus averse aux risques des autorit\u00e9s de r\u00e9gulation2<\/a><\/sup>. Pour ne pas faciliter la situation, les brevets pour les compos\u00e9s th\u00e9rapeutiques ne sont prot\u00e9g\u00e9s que pour une dur\u00e9e que de 20 ans. Cela signifie donc que les entreprises n\u2019ont au mieux qu\u2019une dizaine d\u2019ann\u00e9es pour exploiter l’exclusivit\u00e9 que leur offre le brevet pour commercialiser leur produit. Passer ce d\u00e9lai cela signifie que des versions g\u00e9n\u00e9riques pourront \u00eatre produites par des concurrents.<\/p>\n\n\n\n Disposer d\u2019algorithmes IA capables d\u2019aider les chercheurs \u00e0 trouver rapidement les s\u00e9quences g\u00e9n\u00e9tiques les moins co\u00fbteuses pourrait donc permettre de diminuer le temps de recherche et de d\u00e9veloppement des m\u00e9dicaments et ainsi que de rentabiliser davantage le processus.<\/p>\n\n\n\n La dur\u00e9e du processus de d\u00e9veloppement d\u2019un m\u00e9dicament s\u2019explique par le nombre d\u2019\u00e9tapes successives que les chercheurs doivent r\u00e9aliser. Il y a notamment l\u2019identification et la validation de la cible th\u00e9rapeutique (souvent une prot\u00e9ine). Mais aussi le criblage de compos\u00e9s, qui est la phase de pr\u00e9s\u00e9lection des mol\u00e9cules qui pr\u00e9sentent des activit\u00e9s prometteuses sur la cible lors des multiples essais syst\u00e9matiques. Ou encore le d\u00e9veloppement pr\u00e9clinique et clinique du futur m\u00e9dicament.<\/p>\n\n\n\n Dans le processus de conception de m\u00e9dicament ou plus commun\u00e9ment d\u00e9nomm\u00e9 \u00ab drug design \u00bb, l\u2019IA permet alors d\u2019aider \u00e0 pr\u00e9dire la structure mol\u00e9culaire de la prot\u00e9ine vis\u00e9e ainsi que l\u2019interaction entre le m\u00e9dicament candidat et la prot\u00e9ine.<\/p>\n\n\n\n De plus dans le cas du \u00ab drug screening \u00bb qui est le processus par lequel les m\u00e9dicaments potentiels sont identifi\u00e9s puis optimis\u00e9s pour des essais cliniques, l\u2019IA est employ\u00e9e afin de pr\u00e9dire le niveau de toxicit\u00e9, la bio activit\u00e9 et les propri\u00e9t\u00e9s chimique du m\u00e9dicament candidat.<\/p>\n\n\n\n L\u2019int\u00e9r\u00eat de l\u2019IA s\u2019est r\u00e9ellement d\u00e9montr\u00e9 lors de la propagation rapide du Covid-19. Celle-ci a forc\u00e9 le monde m\u00e9dical \u00e0 mettre au point en urgence, un m\u00e9dicament efficace contre cette nouvelle menace. Face \u00e0 un virus relativement inconnu, plusieurs \u00e9quipes ont employ\u00e9 des techniques de Machine Learning ou de Deep Learning pour identifier rapidement de nouveaux m\u00e9dicaments candidats.<\/p>\n\n\n\n Nous pouvons citer l\u2019entreprise Iktos qui s’est associ\u00e9e avec l\u2019institut SRI International pour d\u00e9couvrir de nouveaux compos\u00e9s contre plusieurs virus, dont le SRAS-CoV-2. Ainsi, l\u2019entreprise a mis au point des \u00ab mod\u00e8les g\u00e9n\u00e9ratifs \u00bb (\u00e0 base de Deep Learning) associ\u00e9e \u00e0 la plateforme de chimie synth\u00e9tique du SRI. D\u2019un c\u00f4t\u00e9 leurs solutions d\u2019IA aident \u00e0 d\u00e9terminer une structure chimique candidate pour une avoir une activit\u00e9 biologique pr\u00e9cise. Et de l\u2019autre la plateforme du SRI synth\u00e9tise automatiquement cette structure mol\u00e9culaire (en suivant des sch\u00e9mas de synth\u00e8ses optimis\u00e9s par ailleurs par une autre IA).<\/p>\n\n\n\n Pour aller plus loin dans votre d\u00e9couverte, voici une petite liste fournie par la \u00ab National Library of Medecine \u00bb d\u2019exemple d\u2019IA employ\u00e9es dans ce domaine3<\/a><\/sup>.<\/p>\n\n\n\n Le haut niveau de calcul que peuvent atteindre les algorithmes d\u2019IA est souvent au prix d\u2019une compr\u00e9hension limit\u00e9e des mod\u00e8les (ph\u00e9nom\u00e8ne de boite noire). Or, la probl\u00e9matique de l\u2019explicabilit\u00e9 est critique, particuli\u00e8rement dans le domaine de la chimie m\u00e9dicinale. En effet, les m\u00e9thodes de d\u00e9veloppement actuelles sont explicables et bas\u00e9es sur des proc\u00e9d\u00e9s math\u00e9matiques et biochimiques justifiables. Ainsi, des mod\u00e8les d\u2019IA explicable (XAI) sont n\u00e9cessaires et sont en cours de d\u00e9veloppement pour le secteur. <\/p>\n\n\n\n Mais ils se heurtent \u00e0 des difficult\u00e9s sp\u00e9cifiques. La plupart des approches d\u2019XAI ne sont pas des solutions pr\u00eates \u00e0 l’emploi \u00e0 cause de la multiplicit\u00e9 des m\u00e9thodes possibles de conception des m\u00e9dicaments et de leurs justifications. Ces XAI doivent donc \u00eatre adapt\u00e9es pour chaque m\u00e9thode. De plus, pour \u00eatre recevables, les explications g\u00e9n\u00e9r\u00e9es par l\u2019IA doivent refl\u00e9ter le niveau de sophistication des explications que fourniraient un sp\u00e9cialiste, or ce n\u2019est pas encore le cas aujourd\u2019hui4<\/a><\/sup>.<\/p>\n\n\n\n D\u2019apr\u00e8s l’Office europ\u00e9en des brevets, l’intelligence artificielle rel\u00e8ve des \u00ab\u00a0m\u00e9thodes math\u00e9matiques \u00bb et est donc exclus techniquement du cadre de la brevetabilit\u00e9 (au m\u00eame titre qu\u2019il n\u2019est pas possible de breveter une \u00e9quation par exemple). N\u00e9anmoins, la r\u00e9alit\u00e9 est plus complexe. Ainsi, une invention portant uniquement sur une m\u00e9thode math\u00e9matique (par exemple portant sur la r\u00e9solution d’\u00e9quation) n\u2019est pas brevetable. Toutefois, un proc\u00e9d\u00e9 innovant pris dans son ensemble et qui comporterait une partie algorithmique (d\u2019IA par exemple), pourrait voir sa solution globale brevet\u00e9e et donc sa partie algorithmique prot\u00e9g\u00e9e par la m\u00eame occasion5<\/a><\/sup>.<\/p>\n\n\n\n Pour \u00e9viter ces probl\u00e9matiques, certaines entreprises sp\u00e9cialis\u00e9es dans la recherche de m\u00e9dicaments s\u2019appuient sur des dispositions relatives au secret commercial pour prot\u00e9ger leurs m\u00e9thodes. Toutefois, les entreprises qui font ce choix ne peuvent pas b\u00e9n\u00e9ficier d\u2019une protection juridique de leur monopole. Des concurrents peuvent ainsi d\u00e9velopper cette m\u00eame technologie de leur c\u00f4t\u00e9 sans \u00eatre inqui\u00e9t\u00e9s.<\/p>\n\n\n\n Au final, la question de la brevetabilit\u00e9 d\u2019une IA ou d\u2019un m\u00e9dicament d\u00e9couvert par cette m\u00e9thode va d\u00e9pendre de la mani\u00e8re dont la technologie est utilis\u00e9e par l\u2019entreprise.<\/p>\n\n\n\n L’utilisation de l’intelligence artificielle dans le domaine du d\u00e9veloppement des m\u00e9dicaments est un sujet relativement r\u00e9cent et en pleine expansion. Dans ce contexte l\u2019IA vise \u00e0 acc\u00e9l\u00e9rer les processus de d\u00e9veloppement de m\u00e9dicament. Cela a \u00e9t\u00e9 le cas notamment pour la conception de m\u00e9dicaments contre le Covid-19, ce qui a permis de cr\u00e9dibiliser davantage l\u2019int\u00e9gration de cette technologie dans cette industrie.<\/p>\n\n\n\n Cependant, l\u2019usage de l\u2019IA dans ce champ d\u2019application n\u2019est pas d\u00e9nu\u00e9 de probl\u00e9matiques. Des questions sur l\u2019explicabilit\u00e9 ou encore la brevetabilit\u00e9 restent centrales. Pour rendre les mod\u00e8les plus compr\u00e9hensibles, les chercheurs s\u2019orientent d\u00e9sormais vers des approches mixtes dites XAI (eXplainable Artificial Intelligence). Une des pistes explor\u00e9es est de par exemple, sacrifier la complexit\u00e9 des r\u00e9seaux de neurones, au profit d\u2019un mod\u00e8le plus explicable et digne de confiance. Ce faisant, au fil de d\u00e9veloppements, ces nouveaux algorithmes permettraient de lever pour le milieu m\u00e9dical <\/a>les verrous actuels qui freine son adoption de l\u2019IA.<\/p>\n\n\n\n Les techniques d\u2019IA sont prometteuses pour acc\u00e9l\u00e9rer l\u2019\u00e9laboration de m\u00e9dicaments mais celles-ci ne sont pas d\u00e9pourvues de probl\u00e8mes. Cr\u00e9er un m\u00e9dicament : un processus long et co\u00fbteux Actuellement, sans intelligence artificielle, le temps moyen estim\u00e9 entre la d\u00e9couverte et le lancement d\u2019une mol\u00e9cule est de dix \u00e0 douze ans et le co\u00fbt moyen n\u00e9cessaire pour […]<\/p>\n","protected":false},"author":8,"featured_media":6926,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"_seopress_robots_primary_cat":"none","_seopress_titles_title":"","_seopress_titles_desc":"","_seopress_robots_index":"","footnotes":"[{\"content\":\"IA et d\u00e9couverte de m\u00e9dicaments | Deloitte Suisse<\/a>\",\"id\":\"352684a2-02ee-4085-a3d2-0ce889bc78e1\"},{\"content\":\"Innovation in the pharmaceutical industry: New Estimates of R&D costs<\/a>\",\"id\":\"6c989c82-53f4-4ddc-bc13-fc155accc5f7\"},{\"content\":\"Artificial intelligence in drug discovery and development<\/a>\",\"id\":\"1b3561f9-f32e-4b26-a82d-1a56253d3480\"},{\"content\":\"Drug discovery with explainable artificial intelligence<\/a>\",\"id\":\"7654f618-7183-4d1f-a92e-eee494caeb5b\"},{\"content\":\"AI in drug discovery \u2013 technical and IP challenges \u2013 Lexology<\/a>\",\"id\":\"23abe169-d911-49eb-92d7-207af44394cf\"}]"},"categories":[149],"tags":[193],"class_list":["post-6923","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-ia-et-industrie","tag-healthcare-fr"],"acf":[],"_links":{"self":[{"href":"https:\/\/numalis.com\/fr\/wp-json\/wp\/v2\/posts\/6923","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/numalis.com\/fr\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/numalis.com\/fr\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/numalis.com\/fr\/wp-json\/wp\/v2\/users\/8"}],"replies":[{"embeddable":true,"href":"https:\/\/numalis.com\/fr\/wp-json\/wp\/v2\/comments?post=6923"}],"version-history":[{"count":0,"href":"https:\/\/numalis.com\/fr\/wp-json\/wp\/v2\/posts\/6923\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/numalis.com\/fr\/wp-json\/wp\/v2\/media\/6926"}],"wp:attachment":[{"href":"https:\/\/numalis.com\/fr\/wp-json\/wp\/v2\/media?parent=6923"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/numalis.com\/fr\/wp-json\/wp\/v2\/categories?post=6923"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/numalis.com\/fr\/wp-json\/wp\/v2\/tags?post=6923"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}L\u2019IA dans l\u2019industrie pharmaceutique<\/h2>\n\n\n\n
L\u2019urgence du Covid-19<\/h3>\n\n\n\n
Des d\u00e9fis encore pr\u00e9sents<\/h2>\n\n\n\n
L\u2019explicabilit\u00e9<\/h3>\n\n\n\n
La question des brevets<\/h3>\n\n\n\n
Conclusion<\/h2>\n\n\n\n
Sources<\/h2>\n\n\n