L’application de l’intelligence artificielle à l’industrie pharmaceutique se développe rapidement. Anne Dhulesia et Stephen RoperLes partenaires de LEK Consulting, s’appuyant sur des connaissances internes, examinent l’utilisation de l’IA dans l’industrie pharmaceutique et ses implications pour faire avancer la découverte de nouveaux médicaments plus rapidement, plus efficacement et à moindre coût que les approches traditionnelles. Ils parlent à Nick Herbert
L’intelligence artificielle (IA) se prête bien à une industrie pharmaceutique qui a connu une énorme augmentation de la numérisation des données au cours des dernières années. Sa capacité à gérer de grandes quantités de données, à analyser et à apprendre en permanence est très prometteuse pour améliorer l’efficacité de la découverte de médicaments, réorienter les médicaments existants et pénétrer de nouveaux domaines scientifiques.
Il a déjà fait sa marque. Prenez, par exemple, l’utilisation de l’IA pour accélérer le développement d’un vaccin Covid-19 en un temps record.
Prestations définies
Il n’y a pas de définition universelle de l’IA, selon LEK, elle fait largement référence à des systèmes capables de fonctionner avec un certain degré d’autonomie et d’optimiser leurs processus de manière itérative. Au sein des sciences de la vie, le LEK applique le terme IA à quatre approches majeures :
- Processus d’apprentissage automatique qui analysent les données d’entrée, puis optimisent à plusieurs reprises leurs méthodes en fonction des sorties générées
- Apprentissage en profondeur Une approche basée sur l’apprentissage automatique qui utilise une structure logique semblable aux réseaux de neurones biologiques
- Traitement du langage naturel Un système raffiné de reconnaissance automatique de la parole et du texte écrit qui peut tirer des informations du texte/de la parole, allant au-delà de simples réactions à des demandes d’utilisateurs bien stylisées
- Robotique et internet des objets Intégration de dispositifs pour collecter, combiner et partager plusieurs types d’informations
En utilisant ces quatre approches, l’IA devrait accélérer, réduire le coût ou remplacer des étapes spécifiques du processus de développement de médicaments.
“L’IA a le potentiel d’analyser de grandes quantités de données et de permettre la prise de décision en R&D grâce à des algorithmes pilotés par l’IA”, a déclaré Dhulesia. «Il optimise les processus de R&D en supprimant l’erreur humaine et complète et, dans une certaine mesure, remplace les expériences réelles par des expériences in silico. L’IA permet également de découvrir des domaines de la biologie auxquels nous n’avions auparavant aucun accès ou aucune connaissance en faisant de nouvelles inférences.
L’application de l’IA à des étapes spécifiques de la chaîne de valeur de la découverte de médicaments, ou à différentes étapes, peut optimiser le processus, rendant l’innovation médicamenteuse potentiellement plus rapide et moins coûteuse.
Actuellement, environ 90 % de tous les candidats-médicaments cliniques ne parviennent pas à être approuvés, ce qui porte les coûts associés au développement de médicaments à environ 3 à 5 milliards de dollars américains. Cela peut également réduire les coûts des dépenses de R&D de l’industrie, qui pour les dix plus grandes sociétés pharmaceutiques sont supérieures à 70 milliards de dollars, selon LEK
“En termes simples, cela nous permet de fournir des médicaments aux patients plus rapidement et de manière moins coûteuse”, a-t-elle déclaré.
Cependant, il reste encore des défis à surmonter avant que le plein potentiel de l’IA dans les sciences de la vie et l’industrie pharmaceutique ne soit pleinement réalisé.
Lutter contre l’inefficacité
Il est largement reconnu parmi les sociétés biopharmaceutiques, selon LEK, que le processus de R&D est inefficace et que cette inefficacité continuera de croître si elle n’est pas résolue. Cette dynamique est en partie portée par la nature de plus en plus complexe de la biologie qui sous-tend les percées dans la découverte de nouvelles molécules et les exigences réglementaires croissantes. Mais : “contrairement à d’autres industries, les sociétés pharmaceutiques ont été relativement lentes à adopter l’IA”, a déclaré Dhulesia.
Une réticence à adopter l’IA dans le secteur pharmaceutique reflète la nature conservatrice de l’industrie et une réticence à modifier un processus de R&D qui a peut-être mis des années à se mettre en place. Il existe d’autres défis et obstacles critiques qui doivent être surmontés, notamment la conviction que la pharma a déjà pris les fruits à portée de main en termes de cibles ou de médicaments les plus atteignables et que la définition des essais cliniques devient de plus en plus difficile car les populations de patients doivent être mieux définies. précisément pour montrer l’effet désiré. La large portée de l’IA et sa capacité à trouver des corrélations inattendues et à faire de nouvelles inférences peuvent changer cela.
“C’est la promesse de l’IA”, a déclaré Roper. “Non seulement pour optimiser les méthodes de recherche actuelles, mais aussi pour aller au-delà de notre compréhension actuelle de la science en soutenant la dérivation de nouvelles connaissances à partir des données disponibles.”
La puissance de calcul de l’IA dans l’analyse de quantités massives de données peut rendre les interconnexions jusque-là inconnues entre des éléments ou des entités beaucoup plus rapides et moins chères qu’actuellement réalisables, permettant la découverte de nouvelles cibles et la capacité de traiter des maladies nouvelles ou aiguës.
Il y a d’autres défis à surmonter.
Des données, des données partout
Obtenir des données et les nettoyer dans un format relativement cohérent ou au moins pouvant être analysé est un travail énorme.
Il y a deux aspects à l’approvisionnement en données : accessibles au public et propriétaires. Il reste des problèmes concernant la collecte et le reformatage des données, mais l’exploitation de ces données via l’IA apporte déjà de la valeur. Et puis il y a les ensembles de données propriétaires qui pourraient se trouver dans les systèmes de santé ou dans des sociétés pharmaceutiques spécifiques. La recherche de données est plus difficile dans ces cas et nécessite des accords de licence. Les accords de licence, cependant, peuvent être compliqués et prendre du temps.
“Trouver des données de haute qualité, ou des données avec lesquelles la plate-forme d’IA peut fonctionner n’est pas toujours facile et cela nécessite un talent particulier pour développer les algorithmes permettant de nettoyer les ensembles de données et d’interpréter les informations”, a déclaré Dhulesia.
Ce niveau de connaissances n’est pas toujours disponible en interne et peut être difficile à embaucher dans une organisation. Cela explique le nombre croissant de partenariats entre les sociétés pharmaceutiques et les sociétés d’IA.
“Nous voyons beaucoup de partenariats entre les sociétés pharmaceutiques et d’IA”, a déclaré Roper. “Parce qu’il faut beaucoup d’efforts pour développer ces capacités en interne pour Big Pharma.” Ils ont tous des partenariats d’IA en place et, dans la plupart des cas, de multiples partenariats tout au long de la chaîne de développement de médicaments.
Néanmoins, l’externalisation de la solution d’IA s’accompagne également de défis.
“Il est difficile d’identifier le bon partenaire ou la bonne solution d’IA parmi tous les choix”, a déclaré Dhulesia. “Et cela est en partie dû au manque actuel de preuves concrètes et de preuves tangibles en termes de résultats cliniques.”
Cela devient de plus en plus évident à mesure que les actifs dérivés de l’IA progressent à travers les étapes du développement clinique.
“Vous devez également être conscient des exigences en matière de confidentialité des données”, a-t-elle déclaré.
Selon le LEK, la relative facilité de travailler avec des ensembles de données non patients a fait que l’IA est plus largement adoptée dans la découverte de médicaments que dans le développement clinique. L’utilisation des données des patients est extrêmement sensible et, à mesure que les capacités de l’IA se développent, les entreprises doivent prendre les mesures appropriées des mesures juridiques et de conformité pour protéger le volume croissant de ces données. La conformité au RGPD en Europe sera particulièrement importante, et le non-respect pourrait avoir des conséquences importantes sur la réputation et les finances.
La voie à suivre
Après plusieurs années d’expérimentation et de tests sur le terrain, il est temps pour les acteurs biopharmaceutiques d’envisager plus largement la mise en œuvre de solutions d’IA dans le développement de médicaments. Avec la bonne concentration des entreprises d’IA et de la biopharmacie pour surmonter les obstacles, LEK s’attend à ce qu’une proportion importante des projets de R&D aient une composante d’IA au cours des cinq prochaines années.