AstraZeneca : l'IA révolutionne la conception de médicaments

L'IA : un atout majeur pour la conception de médicaments

Le développement de nouveaux médicaments est un processus long, coûteux et souvent semé d'embûches. En particulier, les médicaments biologiques, qui sont des traitements élaborés à partir de protéines conçues, présentent une complexité supplémentaire par rapport aux médicaments synthétiques. Ces traitements sont essentiels pour de nombreuses maladies aiguës et chroniques, mais leur mise au point représente un véritable défi scientifique.

Les chercheurs doivent explorer un vaste éventail de molécules potentielles pour identifier celles qui se lieront efficacement à une cible spécifique, resteront stables dans le corps humain et pourront être produites à grande échelle. L'intelligence artificielle (IA) joue désormais un rôle central dans l'accélération de ces processus, devenant un pilier de l'infrastructure de recherche et développement dans l'industrie pharmaceutique.

L'IA et les médicaments biologiques : une nouvelle ère

L'IA s'impose de plus en plus dans la conception de médicaments biologiques. Des entreprises comme AstraZeneca investissent massivement dans leurs équipes d'ingénierie pour tirer parti de ces technologies. Puja Sapra, vice-présidente senior et responsable de l'ingénierie des biologiques et de la découverte ciblée en oncologie chez AstraZeneca, souligne que chaque étape du processus, de la conception à l'analyse, est désormais optimisée par l'informatique. Cela permet de raccourcir les cycles de développement tout en augmentant la productivité et l'innovation.

AstraZeneca utilise une approche itérative de construction-mesure-apprentissage. L'IA est utilisée pour générer et prioriser les molécules candidates, prédisant celles qui ont le plus de chances de succès. Les ressources de laboratoire sont ensuite concentrées sur ces candidats prometteurs, ce qui réduit les impasses et accélère l'itération. Cette méthode permet également de cibler des maladies autrefois considérées comme intraitables, en exploitant la capacité de l'IA à explorer un nombre de combinaisons moléculaires bien au-delà de ce que pourrait faire une équipe humaine.

Résoudre des défis complexes grâce à l'IA

L'IA ne se contente pas d'accélérer le développement de médicaments ; elle ouvre également la voie à la découverte de nouvelles classes de traitements. Les médicaments biologiques traditionnels ciblent généralement un seul mécanisme de maladie. Cependant, la prochaine génération de traitements pourrait cibler plusieurs cibles simultanément ou délivrer des thérapies de manière précise à des cellules spécifiques. Cela nécessite une optimisation complexe à travers de nombreuses variables.

Puja Sapra explique que les modèles d'IA pourraient aider à concevoir ces médicaments multi-spécifiques de plus en plus complexes. Par exemple, ces modèles pourraient identifier quelles cibles prioriser en fonction de la biologie sous-jacente et optimiser divers paramètres pour équilibrer puissance, stabilité, manufacturabilité et sécurité. Ces avancées technologiques permettent d'envisager le traitement de cibles autrefois inaccessibles, avec des bénéfices potentiels significatifs pour les patients.

L'importance cruciale des données

Selon McKinsey, l'IA générative, combinée à d'autres outils computationnels, pourrait réduire de moitié les délais de découverte de médicaments. Cependant, l'efficacité de ces modèles dépend de la qualité des données d'entraînement. Dans le domaine de la découverte de médicaments, cela implique de disposer de vastes quantités de données biologiques de haute qualité.

Chaque expérience, qu'elle réussisse ou échoue, fournit des informations précieuses sur ce qui fonctionne ou non. Sapra souligne que les données sont un facteur différenciateur clé pour AstraZeneca. L'entreprise dispose de jeux de données propriétaires et multimodaux, incluant des structures moléculaires, des mesures de liaison, des profils de sécurité et des résultats de fabrication. Ces données sont intentionnellement diversifiées à travers plusieurs domaines de maladies et types de médicaments, ce qui permet d'affiner les modèles d'IA avec des ensembles d'entraînement riches et représentatifs.

Vers un laboratoire du futur

Pour centraliser ces données, AstraZeneca construit un laboratoire du futur à Kendall Square, Cambridge, Massachusetts. Ce laboratoire intégrera l'IA et l'automatisation robotique pour former un système de découverte en boucle fermée. À l'image d'une voiture autonome, ce système utilisera l'IA pour faire des prédictions, des robots pour exécuter des expériences et des instruments pour générer des données, accélérant ainsi chaque cycle suivant.

Les scientifiques resteront au cœur de ce processus, apportant leur supervision, leur jugement et leur direction stratégique pour garantir que les résultats sont explicables, tolérables et orientés vers un bénéfice potentiel pour les patients.

La conception de novo : une vision d'avenir

L'objectif ultime de l'IA dans la découverte de médicaments biologiques est la conception "de novo", où l'IA génère des séquences de protéines entièrement nouvelles correspondant aux propriétés souhaitées d'un médicament. Cela inclut la conception de la structure, la prédiction de la sécurité, le comportement dans le corps et la manufacturabilité.

Sapra affirme que le domaine progresse rapidement vers un biologique entièrement généré par IA, conçu de zéro jusqu'à un candidat clinique. Pour atteindre cet objectif, des données d'entraînement plus riches et standardisées, des benchmarks d'évaluation robustes et des équipes compétentes à l'intersection de l'apprentissage machine et de la biologie sont nécessaires. La prédiction de la sécurité est un défi majeur, et AstraZeneca y travaille avec des essais cliniques virtuels, utilisant des systèmes cellulaires avancés et des modèles d'organes à micro-échelle qui fonctionnent comme des bancs d'essai physiques.

Le rôle crucial du talent humain

La transformation en cours dans le domaine des biologiques ne repose pas uniquement sur la technologie. La supervision humaine reste essentielle pour garantir une IA explicable et éthique. Les scientifiques collaborent avec ces systèmes, testant les molécules conçues par l'IA et rassemblant des données pour améliorer constamment les modèles.

Pour les ingénieurs, concevoir des systèmes efficaces pour la collaboration humain-IA implique de garantir des niveaux élevés de transparence et d'explicabilité des modèles. Les équipes d'ingénierie d'AstraZeneca, composées de scientifiques des données, de spécialistes de l'automatisation et d'ingénieurs en IA, développent des systèmes qui agissent comme des "partenaires de réflexion" plutôt que comme des boîtes noires. Ces systèmes sont conçus pour générer, valider et apprendre rapidement, en relevant des défis tels que la fusion de données multimodales, l'optimisation en boucle fermée, la quantification de l'incertitude et l'interprétabilité au moment de la prise de décision clinique.

En relevant ces défis techniques exigeants, les ingénieurs et les scientifiques contribuent à la recherche et au développement de traitements potentiellement révolutionnaires pour de nombreuses maladies. Les médicaments biologiques que nous pouvons développer aujourd'hui, et ceux que nous concevrons demain, dépendent de la combinaison d'une IA et d'un talent d'ingénierie de classe mondiale avec une expertise scientifique approfondie.