L'intelligence artificielle au service du repositionnement des médicaments ?

L’intelligence artificielle au service du repositionnement des médicaments ?

Alors que le modèle traditionnel de R&D de l’industrie pharmaceutique est à bout de souffle, les technologies numériques, et en particulier les approches basées sur l’intelligence artificielle, peuvent constituer une voie d’optimisation. Alcimed passe en revue les derniers progrès réalisés dans ce domaine dynamique et aborde la manière dont ils vont réécrire le processus de découverte des médicaments.

Le développement de médicaments : un voyage long, coûteux et fastidieux

Depuis plusieurs années, la baisse de productivité de la recherche et du développement (R&D) dans le secteur pharmaceutique est considérée comme un problème majeur, car elle devient insoutenable au fil du temps. Il faut en moyenne 10 ans pour mettre un nouveau médicament sur le marché selon le processus traditionnel de découverte de médicaments. Selon le Tufts Center for the Study of Drug Development (CSDD), le coût de développement d’un nouveau médicament sur ordonnance avec autorisation de mise sur le marché est d’environ 2,6 milliards de dollars et seulement 1/20 des médicaments obtiennent l’autorisation de procéder à des essais cliniques. Cela représente une augmentation de 145 % entre 2003 et 2014.

Ce phénomène, connu depuis 2012 sous le nom de loi « EROOM », indique que le nombre de nouveaux médicaments approuvés par milliard de dollars dépensé en R&D a été réduit de moitié tous les 9 ans depuis 1950. La référence claire à la célèbre loi de Moore dans l’industrie des semi-conducteurs dresse un portrait sombre de l’évolution de la R&D au cours des dernières décennies.

En fin de compte, cette diminution de la productivité de la R&D se traduit par un risque plus élevé de développement et une augmentation des prix des médicaments lorsqu’ils arrivent sur le marché. Cela représente une double menace : la durabilité économique pour l’industrie pharmaceutique et l’accessibilité des médicaments innovants pour les patients. Il n’est donc pas surprenant que les approches visant à rationaliser la R&D pharmaceutique fassent l’objet d’un examen approfondi.

L’intelligence artificielle dans la R&D pharmaceutique : vers l’efficacité

L’intelligence artificielle est très prometteuse dans le domaine des soins de santé, qu’il s’agisse de diagnostics médicaux assistés par l’IA, du triage des patients, de tâches administratives assistées par le langage naturel ou de la détection précoce des symptômes. Plus précisément, dans le domaine de la R&D pharmaceutique, l’éventail de ses avantages potentiels est très large :

À l’heure où nous écrivons ces lignes, le blog de BenchSci a répertorié plus de 230 entreprises et jeunes pousses actives dans ces domaines, dont beaucoup ont conclu des partenariats concrets avec des entreprises pharmaceutiques.

La découverte de médicaments assistée par ordinateur n’est pas nouvelle. En 1981, le magazine Fortune a publié un article de couverture intitulé « Next Industrial Revolution : Designing Drugs by Computer at Merck ». Ce qui a changé au cours des quatre dernières décennies, c’est à la fois l’augmentation de la disponibilité des données et le renouveau de l’intelligence artificielle au début des années 2010, avec l’apprentissage automatique (ML) et les réseaux neuronaux profonds (DNN) qui ont pris le devant de la scène de l’IA dans le domaine de la santé.

Par exemple, Takeda a annoncé l’extension d’un accord préexistant avec la société d’IA Recursion Pharmaceuticals. Pendant 18 mois, ils ont conjointement évalué et identifié de nouveaux candidats précliniques pour des maladies rares dans plus de 60 indications uniques. De nouveaux candidats thérapeutiques ont été identifiés pour plus d’une demi-douzaine de maladies, deux d’entre eux étant inclus dans l’option exercée par la société pharmaceutique japonaise. Autre moment marquant dans le domaine, Insilico Medicine a publié en 2019 qu’en 46 jours, elle avait généré des composés principaux pour une cible de fibrose déjà connue, filtré 30 000 molécules possibles jusqu’à 6 plus prometteuses et confirmé l’activité de la maladie du candidat principal sur des modèles murins. Depuis lors, la société a également affirmé avoir trouvé une cible non découverte pour la fibrose pulmonaire idiopathique et conçu une molécule adaptée à ce nouveau mécanisme d’action pour moins de 2 millions de dollars et 18 mois.

Bien qu’il soit trop tôt pour prétendre à un succès clinique car aucune molécule découverte par l’IA n’a encore été mise sur le marché, un tel écart par rapport aux 5 à 8 années traditionnelles de découverte de médicaments représente une opportunité inexploitée critique pour l’industrie pharmaceutique de réduire les risques, d’accélérer les développements et de multiplier les efforts sur un plus grand panel de cibles ou d’indications. En effet, la plus grande partie des coûts de R&D pour le développement pharmaceutique réside dans la rapidité des essais. Echouer rapidement devient un nouveau talent que les entreprises pharmaceutiques doivent maîtriser si elles veulent, non seulement réussir, mais aussi prospérer dans l’avenir de l’industrie.

Se concentrer sur la réaffectation des médicaments : accélérer le passage à de nouvelles modalités

L’un des domaines où l’IA pourrait changer la donne est la reconversion des médicaments (ou repositionnement des médicaments), c’est-à-dire la recherche d’autres utilisations pour un médicament pionnier ou un médicament fabriqué par un autre innovateur, qu’il soit approuvé ou non. Dans ce scénario spécifique, l’objectif est de raccourcir le processus complet de développement du candidat en s’appuyant sur des médicaments à risque. Ces enjeux sont particulièrement élevés dans les domaines négligés tels que les maladies rares, où le développement de médicaments princeps est extrêmement risqué, ou dans le domaine du SNC, où la pharmacie a malheureusement connu plusieurs déceptions ces dernières années, ce qui a conduit à des désinvestissements progressifs.

Parmi les plus de 230 entreprises mentionnées ci-dessus, beaucoup sont présentes dans ces domaines thérapeutiques. Par exemple, SOM Biotech, en Espagne, octroie des licences pour des composés identifiés grâce à sa plateforme propriétaire, mais mène également ses propres développements, sur la chorée de la maladie de Huntington ou la phénylcétonurie. Recursion Pharmaceuticals, mentionné plus haut, a également suivi la voie des développements internes de composés phares dans diverses maladies rares telles que la neurofibromatose. Ces applications offrent l’espoir de trouver des modalités thérapeutiques pour les patients dans des domaines où le niveau des besoins non satisfaits est particulièrement élevé.

Dans ces domaines et au-delà, l’intégration en aval de l’intelligence artificielle, par exemple pour le recrutement des patients, la constitution de cohortes, la gestion des essais cliniques ou la conception d’essais in silico, nous laisse imaginer un nouveau mode d’emploi pour la R&D pharmaceutique où le développement de médicaments assisté par ordinateur résout deux problèmes en un : mettre fin à la loi EROOM et combler les lacunes dans les domaines thérapeutiques négligés.


A propos de l’auteur, 

Benjamin, Grand Explorateur et Christelle, responsable de mission au sein de l’équipe Santé d’Alcimed en France

Vous avez un projet d’exploration ?
Nos explorateurs sont prêts à en discuter avec vous

Contactez nos explorateurs >