Pourquoi l’IA n’a-t-elle pas été à la hauteur des attentes dans le développement de médicaments?
L’une des promesses de l’apprentissage automatique était de produire de meilleurs médicaments plus rapidement. Dix ans plus tard, l’intelligence artificielle (IA) n’a pas été à la hauteur de ses promesses, avance un article du Globe and Mail.
« L’IA nous a vraiment tous laissé tomber au cours de la dernière décennie en matière de découverte de médicaments », déclare le fondateur de Deep Genomics, qui a levé 238 millions de dollars américains et est l’une des seules entreprises canadiennes de biotechnologie soutenues par l’Office d’investissement du régime de pensions du Canada.
L’IA était censée révolutionner la découverte de médicaments. Elle ne l’a pas fait. Pas encore, en tout cas. L’apprentissage automatique promettait d’accélérer un processus long et difficile et de réaliser des percées dépassant les capacités de l’esprit humain. Mais il n’existe aujourd’hui aucun médicament conçu uniquement par l’IA sur le marché, et les entreprises qui ont utilisé l’IA pour aider au développement de médicaments ont subi des revers.
Un médicament contre l’eczéma développé par la société de biotechnologie britannique BenevolentAI S.A. n’a pas réussi à réduire les démangeaisons et l’inflammation lors des essais de l’année dernière, tandis qu’Exscientia PLC, une autre société britannique, a mis un terme aux essais de son traitement contre le cancer.
La découverte de médicaments est notoirement difficile, et environ 90 % des candidats échouent aux essais cliniques. La mise sur le marché d’un nouveau traitement est confrontée à des réalités insurmontables que l’IA ne peut pas changer, à savoir les essais coûteux et chronophages sur les animaux et les humains, essentiels pour prouver qu’un composé est suffisamment efficace et sûr pour satisfaire les régulateurs.
Certains experts s’interrogent sur le temps que l’IA peut faire gagner au cours du processus de développement. Selon le PDG de Bloom Burton & Co., une banque d’investissement torontoise spécialisée dans les soins de santé, « Sur les 10 ans de développement d’un médicament, on pourrait gagner cinq mois. »
Les revers dans le développement de médicaments pourraient servir de leçons à d’autres industries qui espèrent que l’IA permettra des gains de productivité massifs. La biologie moléculaire est bien sûr infiniment plus compliquée que la création d’un agent conversationnel, mais les nouvelles technologies sont tout sauf simples. Elles réservent des surprises désagréables, et créent des attentes exagérées et des espoirs déçus.
L’IA n’est peut-être pas encore un remède miracle aux douleurs du développement de médicaments, mais il s’agit d’un outil puissant. Une nouvelle tendance en matière d’IA est en fait apparue, et Deep Genomics s’est repensée pour en tirer parti. « C’est un changement radical », affirme son fondateur. Pour comprendre pourquoi, il faut comprendre ce qui a mal tourné.
En septembre dernier, Deep Genomics a annoncé BigRNA, son premier modèle fondateur. Il s’agit en quelque sorte d’un ChatGPT pour la biologie. Un chercheur peut lui fournir une séquence d’ADN ou d’ARN, et le modèle peut alors prédire toutes sortes de choses essentielles à la compréhension de la biologie et au développement de nouveaux médicaments.
« BigRNA relie les points entre une séquence d’ADN et toute la biologie moléculaire qui conduit réellement à la maladie », déclare son fondateur.
Le modèle permet de prédire les mécanismes qui régulent l’activation des gènes dans les différents tissus de notre corps, d’identifier les sites potentiels de liaison aux protéines et d’examiner ce que l’on appelle les variants non codants. Il s’agit de modifications de l’ADN qui peuvent activer un gène au mauvais endroit ou au mauvais moment, ou affecter la production d’une protéine importante, ce qui peut potentiellement entraîner une maladie.
L’une des promesses de l’apprentissage automatique était de produire de meilleurs médicaments plus rapidement. Dix ans plus tard, l’intelligence artificielle (IA) n’a pas été à la hauteur de ses promesses, avance un article du Globe and Mail.
« L’IA nous a vraiment tous laissé tomber au cours de la dernière décennie en matière de découverte de médicaments », déclare le fondateur de Deep Genomics, qui a levé 238 millions de dollars américains et est l’une des seules entreprises canadiennes de biotechnologie soutenues par l’Office d’investissement du régime de pensions du Canada.
L’IA était censée révolutionner la découverte de médicaments. Elle ne l’a pas fait. Pas encore, en tout cas. L’apprentissage automatique promettait d’accélérer un processus long et difficile et de réaliser des percées dépassant les capacités de l’esprit humain. Mais il n’existe aujourd’hui aucun médicament conçu uniquement par l’IA sur le marché, et les entreprises qui ont utilisé l’IA pour aider au développement de médicaments ont subi des revers.
Un médicament contre l’eczéma développé par la société de biotechnologie britannique BenevolentAI S.A. n’a pas réussi à réduire les démangeaisons et l’inflammation lors des essais de l’année dernière, tandis qu’Exscientia PLC, une autre société britannique, a mis un terme aux essais de son traitement contre le cancer.
La découverte de médicaments est notoirement difficile, et environ 90 % des candidats échouent aux essais cliniques. La mise sur le marché d’un nouveau traitement est confrontée à des réalités insurmontables que l’IA ne peut pas changer, à savoir les essais coûteux et chronophages sur les animaux et les humains, essentiels pour prouver qu’un composé est suffisamment efficace et sûr pour satisfaire les régulateurs.
Certains experts s’interrogent sur le temps que l’IA peut faire gagner au cours du processus de développement. Selon le PDG de Bloom Burton & Co., une banque d’investissement torontoise spécialisée dans les soins de santé, « Sur les 10 ans de développement d’un médicament, on pourrait gagner cinq mois. »
Les revers dans le développement de médicaments pourraient servir de leçons à d’autres industries qui espèrent que l’IA permettra des gains de productivité massifs. La biologie moléculaire est bien sûr infiniment plus compliquée que la création d’un agent conversationnel, mais les nouvelles technologies sont tout sauf simples. Elles réservent des surprises désagréables, et créent des attentes exagérées et des espoirs déçus.
L’IA n’est peut-être pas encore un remède miracle aux douleurs du développement de médicaments, mais il s’agit d’un outil puissant. Une nouvelle tendance en matière d’IA est en fait apparue, et Deep Genomics s’est repensée pour en tirer parti. « C’est un changement radical », affirme son fondateur. Pour comprendre pourquoi, il faut comprendre ce qui a mal tourné.
En septembre dernier, Deep Genomics a annoncé BigRNA, son premier modèle fondateur. Il s’agit en quelque sorte d’un ChatGPT pour la biologie. Un chercheur peut lui fournir une séquence d’ADN ou d’ARN, et le modèle peut alors prédire toutes sortes de choses essentielles à la compréhension de la biologie et au développement de nouveaux médicaments.
« BigRNA relie les points entre une séquence d’ADN et toute la biologie moléculaire qui conduit réellement à la maladie », déclare son fondateur.
Le modèle permet de prédire les mécanismes qui régulent l’activation des gènes dans les différents tissus de notre corps, d’identifier les sites potentiels de liaison aux protéines et d’examiner ce que l’on appelle les variants non codants. Il s’agit de modifications de l’ADN qui peuvent activer un gène au mauvais endroit ou au mauvais moment, ou affecter la production d’une protéine importante, ce qui peut potentiellement entraîner une maladie.