Comment exploiter l’IA tout au long du pipeline de traitement pharmaceutique

Nous avons réalisé des progrès incroyables dans le domaine de la santé au cours des dernières décennies grâce à l’introduction de nouvelles technologies. Maintenant, l’intelligence artificielle (IA) présente une autre opportunité majeure de poursuivre cette tendance pour améliorer encore la vie des patients. Il existe un large éventail d’applications de l’IA lorsqu’il s’agit de comprendre et de traiter les affections de santé. En fait, l’IA peut être exploitée tout au long de l’ensemble du pipeline lorsque les chercheurs se lancent dans le traitement d’une nouvelle maladie. La technologie peut être particulièrement utile pour découvrir de nouveaux médicaments, comprendre les maladies émergentes et mesurer les résultats des traitements.

IA dans la découverte de médicaments

Longtemps avant que les fabricants ne puissent mettre un médicament sur le marché, les chercheurs travaillent à identifier les bonnes molécules. L’IA peut être appliquée à la découverte et au développement de médicaments, en particulier dans le but de rendre le processus plus efficace et moins coûteux. Dans le processus typique de découverte, les chercheurs peuvent passer des années à tester différentes molécules, pour finalement réaliser que la molécule sélectionnée pour un essai clinique n’a pas l’effet escompté. L’IA peut jouer un rôle dans ce processus en prédissant la bioactivité et les interactions des différentes molécules. En exploitant les données existantes, un modèle prédictif peut être en mesure d’identifier une molécule qui a une probabilité plus élevée d’avoir l’impact escompté par un chercheur et la communauté médicale, même avant que quiconque ne mette les pieds dans le laboratoire.

L’utilisation de l’IA dans le développement de médicaments est encore dans les stades relativement précoces, et aucun médicament découvert par l’IA n’est actuellement sur le marché. Cela étant dit, de nombreuses organisations de santé et de recherche ont déjà commencé à intégrer l’IA dans le processus et atteignent les essais cliniques avec des médicaments développés par l’IA. Par exemple, un médicament contre la fibrose pulmonaire idiopathique (FPI) qui a été identifié à l’aide de l’IA a entamé les essais de phase 1 en 2022 et a obtenu la désignation de médicament orphelin de la FDA plus tôt cette année. À mesure que l’industrie devient plus à l’aise avec l’IA, ses applications dans le développement de médicaments vont probablement s’étendre encore plus, et nous pourrions éventuellement voir des médicaments développés avec l’IA être administrés aux patients.

IA dans l’épidémiologie et la gestion des essais cliniques

Une autre étape clé pour apporter une thérapie sur le marché et la mettre entre les mains des patients est de comprendre une maladie et son impact sur les résultats de santé au niveau de la population. C’est là que les épidémiologistes interviennent – le groupe de chercheurs responsables de la quantification et de la surveillance de la gestion des risques thérapeutiques dans les populations cibles et les indications.

En utilisant l’IA et les techniques d’apprentissage automatique (ML), les épidémiologistes peuvent explorer les données du monde réel (RWD) – parmi d’autres types de données disponibles – et identifier les tendances pertinentes pour la prise de décision commerciale et clinique. Puisque le ML est optimisé pour explorer les données de manière sans hypothèse, il permet aux chercheurs de découvrir des modèles nouveaux, de générer de meilleures prédictions pour les tendances clés telles que la prévalence de la maladie, et d’identifier les facteurs de risque associés à de mauvais résultats. Ces connaissances sont essentielles pour les chercheurs pour développer des traitements qui répondront le plus efficacement aux besoins de leur population cible.

L’IA peut également automatiser certaines parties de la phase d’essai clinique du développement de médicaments, qui est cruciale pour établir la sécurité et l’efficacité d’une nouvelle thérapie avant qu’elle ne parvienne aux patients. Par exemple, l’IA peut être utilisée pour s’assurer que les patients corrects sont recrutés pour un essai clinique, et que le groupe d’étude représente la population générale en tenant compte de la diversité et de l’équité. L’IA peut également aider à examiner les rapports de sécurité d’un essai de manière plus fiable qu’une équipe humaine. Toute l’épidémiologie et la conception d’essais cliniques ne peuvent pas être automatisées, mais l’IA peut rendre certains aspects du processus plus efficaces.

IA dans l’évaluation des résultats des traitements

Une fois qu’un essai clinique a démontré son efficacité, il est crucial de comprendre la valeur d’une nouvelle intervention sur le marché de la santé. À ce stade, les chercheurs ont passé des heures innombrables et des centaines de millions, voire des milliards, de dollars à développer une thérapie – mais ils doivent encore s’assurer que les patients corrects peuvent y accéder lorsqu’ils en ont besoin. C’est là que les économistes de la santé et les recherches sur les résultats (HEOR) – l’étude de la valeur des interventions de santé – jouent un rôle crucial dans le pipeline de développement de médicaments.

L’objectif ultime des analyses HEOR est d’aider les payeurs et les autres personnes chargées de financer les soins de santé à optimiser la santé de leurs populations tout en minimisant les coûts. Sans cela, les systèmes de santé ne seraient pas financièrement stables, et la livraison rapide des soins serait compromise. L’IA peut jouer un rôle dans les analyses HEOR en découvrant des modèles dans les données qui aident à quantifier le bénéfice incrémental d’un traitement, comme l’identification de sous-populations uniques qui connaissent une amélioration accrue des résultats par rapport à la population générale.

Par exemple, le ML a été utilisé dans une étude menée auprès de personnes atteintes de diabète de type 2 pour examiner quelles sous-populations pourraient bénéficier d’une intervention comportementale visant à la perte de poids. Alors qu’aucun impact significatif n’a été trouvé dans la population générale de personnes atteintes de diabète de type 2, les chercheurs ont constaté qu’un sous-groupe avec des caractéristiques spécifiques pouvait éviter les complications de la maladie cardiovasculaire après l’intervention. Ces connaissances ont aidé les cliniciens et les plans de santé à savoir quels patients spécifiques pourraient bénéficier le plus de l’intervention, contribuant ainsi à améliorer les résultats pour les patients et à réduire les coûts globaux.

Le futur de l’IA dans le pipeline pharmaceutique

Il existe clairement une multitude d’applications de l’IA lorsqu’il s’agit de comprendre et de traiter les maladies, et les chercheurs sont déterminés à faire progresser encore la technologie. En fait, l’organisation de premier plan pour HEOR, ISPOR, a récemment établi des lignes directrices pour l’utilisation de l’apprentissage automatique dans ce domaine. Cela démontre un engagement à étendre l’utilisation de l’IA et du ML afin de maximiser son potentiel.

Les épidémiologistes, les chercheurs, les économistes de la santé et les autres personnes qui jouent un rôle dans le pipeline de développement de médicaments peuvent tous trouver une valeur en intégrant l’IA dans leur travail. Et si nous pouvons utiliser l’IA pour mieux comprendre les maladies et développer des traitements plus efficaces et ciblés, les patients peuvent bénéficier considérablement à la fin de la journée. L’IA offre un potentiel illimité dans le domaine de la santé et des produits pharmaceutiques pour améliorer la vie – et il est de notre responsabilité de l’exploiter à sa pleine capacité.