Par Diane Aguayo

L’intelligence artificielle a atteint un Jalon important en janvier – le premier médicament entièrement conçu en utilisant l’intelligence artificielle est entré en phase clinique.

Le composé, créé par Exscientia, une startup de la pharma technologie, visant à traiter les troubles obsessionnels compulsifs, a atteint cette phase en moins d’un an – cinq fois plus rapidement que le temps habituel nécessaire pour un médicament pour atteindre ce stade.

Il faut en moyenne entre 10 et 12 ans pour qu’une molécule d’intérêt thérapeutique devienne un médicament avant son autorisation de mise sur le marché. Les taux d’échec sont élevés. L’industrie pharmaceutique cherche désespérément des moyens d’accélérer ce processus de développement d’un médicament.

Le coût de développement d’un médicament jusqu’à sa commercialisation est passé de CHF 1.2 Md à HCF 2 Md ces dix dernières années, mais les ventes ont plus que diminué de moitié. Selon Andrew Hopkins, le créateur et directeur général d’Exscientia, l’IA pourrait représenter pour l’industrie pharmaceutique une plus grande révolution que le séquençage de l’ADN. Il est persuadé que l’IA permettrait de réduire les coûts de développement et mise sur le marché d’un médicament de 30% mais également d’augmenter les taux de réussite. Cette diminution des coûts est non négligeable pour une industrie dont le retour sur investissement est passé de 10,1% il y a 10 ans à 1.8% en 2019. 

Comment utiliser l’IA dans l’industrie pharmaceutique ?

Il existe de nombreuses variantes dans la façon dont l’intelligence artificielle est utilisée.

L’IA permet d’analyser les données sur les médicaments existants pour en trouver de nouvelles utilisations.

Elle est aussi utilisée dans la recherche sous forme de combinaison entre l’apprentissage profond (« deep learning ») et des réseaux de neurones quand il y a peu de données disponibles – par exemple lorsqu’un nouveau gène vient juste d’être associé avec une maladie particulière. 

L’IA permet de construire des modèles de cellules pouvant être utilisés pour simuler le fonctionnement d’un cancer, accélérant considérablement le processus de recherche de traitements potentiels. Ces modèles simulent des millions de permutations de gènes possibles et soumettent les plus prometteuses aux essais cliniques. 

Les limites de l’IA

La simulation biologique reste encore un vaste terrain à découvrir. Si un médicament peut bien fonctionner lors d’une simulation cellulaire par l’IA, le corps humain peut encore surprendre. Lorsque les essais cliniques échouent, les chercheurs dans la plupart des cas n’en connaissent pas les raisons. Comment dès lors intégrer cela dans un modèle de cellules ? 

Par ailleurs, la plupart des médicaments découverts via l’IA sont des médicaments à faible composition moléculaire. Reste à voir si ces nouvelles technologies pourront permettre de développer des médicaments plus complexes tels que les médicaments biologiques.

Startups vs Big phamas?

Il est intéressant de noter que la plupart – si pas toutes – des startups utilisant l’IA pour développer des médicaments ne cherchent pas forcément à être rachetées par les grands acteurs de l’industrie pharmaceutique et ce, même quand elles sont à un stade avancé du développement du médicament. Elles sont tellement confiantes dans leur approche et leur méthodologie qu’elles souhaitent s’associer à de nombreuses entreprises.

De nombreuses d’entre elles collectent des fonds pour pouvoir développer un médicament très prometteur et mener elles-mêmes les essais cliniques, et prendre ainsi une plus grande part de bénéfices dans le processus de découverte de médicaments. On assiste ainsi à des levées de capitaux de la part de ces startups pour financer la construction de leurs propres laboratoires pour tester les médicaments identifiés par leurs logiciels.

Assiste-t-on à un réel changement de culture dans le secteur pharmaceutique ? Si l’ambition affichée de ces nouveaux acteurs est de changer le monde – a minima celui de l’industrie pharmaceutique – en améliorant le faible taux actuel de découverte de médicaments, l’objectif principal reste la réalisation de profits.

Les prochaines années diront comment s’adapteront (ou pas) les industries pharmaceutiques face à l’émergence de ces nouveaux acteurs et de leurs outils d’IA.