L’IA va-t-elle révolutionner le développement de médicaments? Les chercheurs disent que cela dépend de la façon dont il est utilisé

Le potentiel d’utiliser intelligence artificielle dans la découverte et le développement de médicaments a déclenché Les deux excitation et le scepticisme parmi les scientifiques, les investisseurs et le grand public.

«L’intelligence artificielle est reprendre le développement de médicaments», Réclament certaines entreprises et chercheurs. Au cours des dernières années, l’intérêt de l’utilisation de l’IA pour concevoir des médicaments et optimiser les essais cliniques a entraîné une augmentation de la recherche et de l’investissement. Des plates-formes axées sur l’IA comme Alphafoldqui a gagné le Prix ​​Nobel 2024 Pour sa capacité à prédire la structure des protéines et à en concevoir de nouvelles, présentez le potentiel de l’IA à accélérer le développement de médicaments.

IA dans la découverte de médicaments est «un non-sens», Avertissent certains vétérans de l’industrie. Ils exhortent que «le potentiel de l’IA à accélérer la découverte de médicaments nécessite un Vérification de la réalité», En tant que médicaments générés par l’IA Taux d’échec de 90% de nouveaux médicaments dans les essais cliniques. Contrairement au succès de l’IA dans analyse d’imageson effet sur le développement de médicaments reste incertain.

Nous avons suivi l’utilisation de IA dans le développement de médicaments Dans notre travail en tant que scientifique pharmaceutique à la fois dans le monde universitaire et dans l’industrie pharmaceutique et en tant que ancien gestionnaire de programme dans la défense Advanced Research Projects Agency, ou DARPA. Nous soutenons que l’IA dans le développement de médicaments ne change pas encore la donne, ni les bêtises complètes. L’IA n’est pas une boîte noire qui peut transformer n’importe quelle idée en or. Nous le voyons plutôt comme un outil qui, lorsqu’il est utilisé judicieusement et de manière compétente, pourrait aider à aborder les causes profondes de l’échec des médicaments et rationaliser le processus.

La plupart des travaux utilisant l’IA dans le développement de médicaments ont l’intention de réduire temps et argent Il faut pour mettre un médicament sur le marché – actuellement 10 à 15 ans et 1 milliard de dollars à 2 milliards de dollars. Mais l’IA peut-elle vraiment révolutionner le développement des médicaments et améliorer les taux de réussite?

IA dans le développement de médicaments

Les chercheurs ont appliqué l’IA et l’apprentissage automatique chaque étape du processus de développement de médicaments. Cela comprend l’identification des cibles dans le corps, le dépistage des candidats potentiels, la conception de molécules de médicament, la prévision de la toxicité et la sélection des patients qui pourraient répondre le mieux aux médicaments dans les essais cliniques, entre autres.

Entre 2010 et 2022, 20 startups axées sur l’IA ont découvert 158 ​​candidats médicamenteux, dont 15 se sont avancés vers des essais cliniques. Certains de ces candidats au médicament ont pu effectuer des tests précliniques en laboratoire et entrer dans des essais humains en seulement 30 mois, par rapport à la 3 à 6 ans. Cette réalisation démontre le potentiel de l’IA à accélérer le développement de médicaments.

D’un autre côté, alors que les plates-formes d’IA peuvent identifier rapidement les composés qui travaillent sur des cellules dans une boîte de Pétri ou dans des modèles animaux, le succès de ces candidats dans les essais cliniques – où la majorité des défaillances de médicaments se produisent – reste très incertain.

Contrairement à d’autres domaines qui ont de grands ensembles de données de haute qualité disponibles pour former des modèles d’IA, tels que l’analyse d’image et le traitement du langage, l’IA dans le développement de médicaments est contraint par ensembles de données de faible qualité. Il est difficile de générer des ensembles de données liés au médicament sur des cellules, des animaux ou des humains pour des millions à des milliards de composés. Alors que Alphafold est une percée pour prédire les structures protéiques, à quel point Cela peut être pour la conception de médicaments reste incertain. Des changements mineurs à la structure d’un médicament peuvent considérablement affecter son activité dans le corps et donc son efficacité dans le traitement de la maladie.

Biais de survie

Comme l’IA, les innovations passées dans le développement de médicaments comme conception de médicaments assistée par ordinateurle Projet du génome humain et dépistage à haut débit ont amélioré les étapes individuelles du processus au cours des 40 dernières années, mais les taux d’échec de médicament Je n’ai pas amélioré.

La plupart des chercheurs de l’IA peuvent s’attaquer aux tâches spécifiques du processus de développement des médicaments lorsqu’ils sont fournis avec des données de haute qualité et des questions particulières à répondre. Mais ils sont souvent inconnu avec la portée complète du développement de médicaments, réduisant les défis dans les problèmes de reconnaissance des modèles et le raffinement des étapes individuelles du processus. Pendant ce temps, de nombreux scientifiques ayant une expertise dans le développement de médicaments manquent de formation dans l’IA et l’apprentissage automatique. Ces barrières de communication peuvent empêcher les scientifiques d’aller au-delà de la mécanique des processus de développement actuels et d’identifier les causes profondes des défaillances des médicaments.

Les approches actuelles du développement de médicaments, y compris celles utilisant l’IA, peuvent être tombées dans un biais de survie piège, se concentrant trop sur des aspects moins critiques du processus tout en négliger les problèmes majeurs qui contribuent le plus à l’échec. Ceci est analogue à la réparation des dommages aux ailes des avions revenant des champs de bataille de la Seconde Guerre mondiale tout en négligeant les vulnérabilités mortelles dans les moteurs ou les cockpits des avions qui n’ont jamais revenu. Les chercheurs se concentrent souvent trop sur la façon d’améliorer les propriétés individuelles d’un médicament plutôt que sur les causes profondes de l’échec.

Le processus de développement actuel des médicaments fonctionne comme une chaîne de montages’appuyant sur une approche à cocher avec des tests approfondis à chaque étape du processus. Bien que l’IA puisse être en mesure de réduire le temps et le coût des étapes précliniques basées sur le laboratoire de cette chaîne de montage, il est peu probable qu’il augmente les taux de réussite dans les étapes cliniques plus coûteuses qui impliquent des tests chez les personnes. Le persistant Taux d’échec de 90% des médicaments dans les essais cliniques, malgré 40 ans d’améliorations de processus, souligne cette limitation.

Aborder les causes profondes

Les défaillances de médicaments dans les essais cliniques ne sont pas uniquement dues à la conception de ces études; Sélection du Mauvais candidats à la drogue Tester dans les essais cliniques est également un facteur majeur. De nouvelles stratégies guidées par AI pourraient aider à relever ces deux défis.

Actuellement, Trois facteurs interdépendants Conduisez la plupart des défaillances des médicaments: dosage, sécurité et efficacité. Certains médicaments échouent parce qu’ils sont trop toxiques ou dangereux. D’autres médicaments échouent parce qu’ils sont jugés inefficaces, souvent parce que la dose ne peut plus être augmentée sans nuire.

Nous et nos collègues proposons un système d’apprentissage automatique Pour aider à sélectionner les candidats de médicament en prédisant le dosage, sécurité et l’efficacité basée sur cinq caractéristiques des médicaments auparavant négligées. Plus précisément, les chercheurs pourraient utiliser des modèles d’IA pour déterminer à quel point le médicament se lie spécifiquement et puissant aux cibles connues et inconnues, le niveau de ces cibles dans le corps, la concentration du médicament dans les tissus sains et malades et les propriétés structurelles du médicament.

Ces caractéristiques des médicaments générés par l’IA pourraient être testées dans ce que nous appelons Essais de phase 0+en utilisant des doses ultra-bas chez les patients atteints d’une maladie grave et légère. Cela pourrait aider les chercheurs à identifier les médicaments optimaux tout en réduisant les coûts de l’approche actuelle «test et voir» des essais cliniques.

Bien que l’IA à elle seule ne révolutionne pas le développement de médicaments, il peut aider à aborder les causes profondes des raisons pour lesquelles les médicaments échouent et rationalisent le long processus d’approbation.

Duxin SoleilDoyen associé pour la recherche, Charles Walgreen Jr. Professeur de pharmacie et de sciences pharmaceutiques, Université du Michigan et Macédoine chrétienneProfesseur auxiliaire en sciences pharmaceutiques, Université du Michigan

Cet article est republié à partir de La conversation sous une licence créative Commons. Lire le article original.