• 1000

TECH ECONOMY

De l'identification de molécules à la pharmacovigilance, en passant par le design et la gestion des essais, le développement des médicaments est boosté par l'IA.

 

Voilà une vingtaine d’années que l’industrie pharmaceutique est entrée dans l’ère du « custombuster ». Ce modèle de développement de médicaments fait appel à des procédés biologiques et génétiques, afin de personnaliser les médicaments et cibler les patients les plus réactifs. Il a pris la suite du modèle « blockbuster », qui voyait les grands laboratoires, depuis les années 1980, produire massivement, de manière standardisée, des médicaments à base chimique visant de très larges segments de population.  Problème : outre le fait que l’arrêt de la production de ces médicaments « blockbuster » réduit les revenus de l’industrie, le développement de nouveaux traitements à base biologique ou génétique entraîne une hausse considérable des coûts de la R&D – ils ont été multipliés par trois depuis 2003 – de 800 millions à 2 558 millions de dollars par médicament.

L’organisation de la recherche pharmaceutique a évolué en profondeur pour relever le défi des nouveaux traitements – d’autant plus que le besoin de molécules capables de soulager ou guérir les maladies chroniques et les maladies du vieillissement s’affirme. Les grands laboratoires s’appuient sur les travaux pionniers d’un nombre croissant de start-ups, et constituent des équipes mixtes avec les centres universitaires de recherche.

Reste à réduire, encore et toujours, les temps de développement. Le soutien massif du secteur public a puissamment stimulé le développement des vaccins contre le Covid-19. Mais l’exception ne fait pas la règle, et les délais usuels restent de l’ordre de quelques années. Comment accélérer ? En augmentant les capacités d’analyse des téraoctets de données que produit le champ de la santé, du laboratoire de recherche au domicile des patients, en passant par l’hôpital. Et donc, en faisant appel à l’intelligence artificielle. Dans la recherche clinique, les systèmes experts et apprenants sont utiles à la synthèse et à l'analyse des publications médicales, à l'identification et à la sélection des molécules et à l'optimisation des voies de synthèse ; l’IA est aussi utile au design des tests cliniques, au recrutement des patients, à la surveillance médicale (pharmacovigilance).  

Une nouvelle manière de conduire la recherche clinique

Le secteur l’a bien compris : aujourd’hui, les levées de fonds des start-ups en santé sont très élevées et les partenariats d’acteurs spécialistes de l’IA pour la santé avec les grands laboratoires se multiplient, tels ceux de Bristol Myers Squibb et Exscientia ou Sanofi et Aqemia, sans compter l’intérêt croissant des grands acteurs du numérique, Mircrosoft et Google en tête.

Les résultats sont là : Exscientia a découvert une première molécule, la DSP-1181, contre les TOC, grâce à l’analyse de millions de molécules candidates par deep learning. Au MIT, un nouvel antibiotique à large spectre, l’halicin, a pu être identifié. Surtout, le temps nécessaire à la découverte des molécules d’intérêt passe de semaines à jours, voire de jours à heures, selon le type de criblage assisté par l’IA.

Il ne faut pas s’y tromper : l’IA ne peut se passer de l’expertise des biologistes, cliniciens, généticiens ou des avancées conceptuelles de la recherche fondamentale en chimie moléculaire. 

Frédéric Commo
Senior Manager - Technology Transformation

Le criblage de molécules assisté par l'IA est assurément prometteur, tempère Frédéric Commo, lead data scientist, KPMG Advisory. Mais attention : si les systèmes de criblage "in silico" accélèrent la formulation d'hypothèse, ils ne sont pas destinés à proposer d'emblée des solutions thérapeutiques. Le rôle de l'IA doit être, d'abord, d'aider à orienter la recherche des laboratoires.


Des start-up spécialisées au service de la R&D pharmaceutique

La start-up Recursion, soutenue par le Canadien Yoshua Bengio – un des très grands noms de l’IA, corécipiendaire du prix Turing en 2019 avec le Français Yann Le Cun et le Britannique Geoffrey Hinton –   offre un exemple particulièrement poussé d’intégration de l’IA à la recherche pharmaceutique. Il associe des plateformes logicielles d’IA à des robots de manipulation cellulaire, afin de construire des modèles génétiques de maladies rares et tester des molécules. Des centaines de milliers de coupes histologiques sont ainsi analysées automatiquement. Objectif revendiqué : proposer 100 traitements d'ici 2025 pour les maladies rares. Le 25 mai 2021, l’entreprise a fait un premier pas vers cet horizon, annonçant la découverte d’une molécule inédite, pouvant potentiellement traiter les maladies intestinales liées à la bactérie C. difficile.

Les traitements du futur viendront assurément d’entreprises plaçant l’IA au centre d’une activité complète de développement de médicaments. Ils profiteront aussi du rôle indispensable de l’IA parmi les acteurs spécialisés de la chaîne de la R&D.

Des start-ups utilisent l’IA pour agréger et synthétiser l'info biomédicale publiée, ou pour identifier les mécanismes biologiques à l’œuvre ; d’autres pour produire données et modèles, trouver de nouvelles propriétés aux molécules existantes, trouver de nouvelles molécules candidates, valider les nouvelles molécules, définir les tests précliniques et cliniques, recruter des volontaires pour les tests, optimiser la conduite de ces tests…Les apports de l’IA sont infinis.

L’usage de l’IA au service de tests cliniques dits « décentralisés » pourrait d’ailleurs offrir un levier d’accélération majeur à la recherche pharmaceutique. Le travail des algorithmes est ici moins spectaculaire que l’identification de molécules candidates : il s’agit d’accélérer et d’optimiser la réalisation des tests cliniques, en confiant à l’IA l’analyse des dossiers médicaux de patients, de données de santé populationnelles et de données hospitalières. A la clé, la possibilité d’« apporter l’essai au patient », en utilisant des fournisseurs de soins de santé locaux. Une révolution… qui a déjà commencé.

Pour accélérer le développement des nouveaux médicaments, il faut aussi en accélérer la formulation


Le regard de Jean-Guy Prost et Valentin Collet

Jean-Guy Prost,
Senior Manager,
Technology Transformation

Valentin Collet,
Supervisor,
Technology Transformation

Pourquoi la formulation est-elle, aussi, un enjeu important du développement de nouveaux médicaments ?



Un des grands enjeux aujourd’hui de l’industrie du médicament est de continuer à innover en apportant des soins toujours plus performants. Une meilleure observance et des traitements plus efficaces sont la clé pour apporter de la valeur aux patients, au corps médical et au système de santé. Ainsi on voit arriver sur le marché des thérapies toujours plus ciblées et des traitements de plus en plus personnalisés. C’est dans cette personnalisation accrue que la formulation du médicament joue un rôle clé. Il faut être en mesure de rendre rapidement accessible aux patients la bonne molécule, à la bonne dose, au bon moment. C’est là un enjeu majeur à la fois en termes de prescription et de capacité à produire de façon ultra-personnalisée et au plus près du patient.



En quoi la fabrication 3D pourrait-elle accélérer la formulation des nouveaux médicaments ?



L’impression 3D permet une production à la demande et personnalisée. En mobilisant l’impression 3D pour la formulation de médicaments, on serait donc en mesure de produire un médicament avec la bonne posologie à un instant T pour un patient donné. Les formulations et fabrications d’un médicament seraient faites au plus près du patient avec un délai de mise en œuvre très court, du moment où la technologie et la matière première (principes actifs sous forme de filaments, poudres ou encres 3D) sont accessibles. La technologie 3D permettrait aussi de formuler des médicaments avec plusieurs principes actifs (des « polypills ») permettant de soigner plusieurs pathologies en même temps, et ainsi améliorer l’efficacité et l’observance du traitement.
Les avantages sont donc nombreux pour le patient mais peuvent aussi l’être pour la R&D, notamment sur les phases d’essais cliniques avec escalade de dose. D’abord, l’impression 3D permettrait d’être plus agile, plus précis, et plus économique en réduisant les délais de mise en œuvre pour la production des doses testées. Cette production à la demande et à la dose permettrait également de faire des économies importantes de matière première, en évitant les déperditions durant les phases de test. Enfin, certains traitements de niche, avec une faible demande ou des posologies trop complexes pour être viables économiquement, pourraient devenir accessibles et rentables.



Que peut-on attendre d’une combinaison de l’IA et de l’impression 3D pour le lancement de nouveaux médicaments ?



Un des défis pour assurer le développement de l’impression 3D de médicaments est la sécurité et le contrôle de ces productions à la demande. Aujourd’hui, l’intérêt de cette technologie repose sur deux piliers : la personnalisation, et donc l’efficacité du traitement ; et l’accélération du « time to market ». Cette accélération repose notamment sur la capacité à sécuriser une production pouvant varier de patient en patient. Aujourd’hui, dans une production de médicaments de masse, la libération se fait sur un certain nombre de lots identiques au reste de la production. Dans le cadre de la 3D, et du fait de l’unicité de chaque lot, cette libération devrait être effectuée de façon systématique afin d’assurer la sécurité du patient. Un tel process est lourd, coûteux, et représente une vraie barrière au déploiement de cette technologie. Et c’est là que l’IA peut jouer un rôle majeur ! En développant une IA capable d’effectuer la libération de manière systématique et automatique dans l’imprimante 3D, la sécurité de chaque production individuelle serait assurée tout en préservant les atouts de la technologie.

À retenir
Aujourd’hui les grands laboratoires s’appuient sur les travaux pionniers d’un nombre croissant de start-ups, et constituent des équipes mixtes avec les centres universitaires de recherche. Les levées de fonds des start-ups en santé sont très élevées et les partenariats d’acteurs spécialistes de l’IA pour la santé avec les grands laboratoires se multiplient.

Sur le même thème

Le meilleur de l'avenir, une fois par mois.

Lire la dernière newsletter →
S’inscrire