La conception de médicaments est un défi scientifique coûteux et risqué. Grâce à l’IA, les chercheurs peuvent désormais accélérer le processus et améliorer les chances de succès.
La conception et le développement de nouveaux médicaments représentent un défi scientifique complexe et coûteux, souvent marqué par un taux d’échec élevé. Un nouveau médicament peut prendre des années à se développer, impliquant des investissements financiers considérables, et la majorité des candidats potentiels n’atteignent jamais le patient. Cela est particulièrement vrai pour les médicaments biologiques, qui sont fabriqués à partir de protéines conçues plutôt que de chimie synthétique, et qui sont souvent utilisés pour traiter des maladies aiguës et chroniques. Les scientifiques doivent explorer une multitude de molécules possibles pour identifier celles qui se lieront au bon ciblage, resteront stables dans le corps humain et seront manufacturables à grande échelle. Aujourd’hui, l’intelligence artificielle (IA) joue un rôle crucial dans l’accélération de ces processus, devenant une partie intégrante de l’infrastructure de la recherche et développement pharmaceutique. L’assistance de l’IA dans la conception des médicaments biologiques est en pleine expansion, et des entreprises comme AstraZeneca investissent dans des équipes d’ingénierie pour faire avancer cette technologie. Puja Sapra, vice-présidente senior et responsable de l’ingénierie des biologiques chez AstraZeneca, déclare : “Tout ce que nous faisons, que ce soit concevoir, fabriquer, tester ou analyser, est désormais amélioré par le calcul. Les cycles de développement se raccourcissent, tandis que la productivité et l’innovation augmentent.” AstraZeneca utilise une boucle de construction-mesure-apprentissage où l’IA génère ou priorise les molécules candidates, prédisant celles qui ont le plus de chances de succès. Cela permet aux scientifiques de concentrer leurs ressources de laboratoire uniquement sur les candidats les mieux classés, réduisant ainsi les impasses et accélérant l’itération. Par ailleurs, l’IA aide également à la découverte de nouvelles classes de médicaments, capables de cibler plusieurs voies de maladie simultanément ou de délivrer des charges thérapeutiques précises à des cellules spécifiques. Pour concevoir ces médicaments complexes, des modèles basés sur l’IA pourraient aider à identifier les cibles prioritaires et optimiser les paramètres pour équilibrer la puissance, la stabilité, la manufacturabilité et la sécurité d’une molécule. Puja Sapra affirme que “traiter les cibles indétectables devient une réalité” grâce à ces technologies, ouvrant la voie à des médicaments contre des cibles autrefois jugées inaccessibles, avec un potentiel considérable pour améliorer la vie des patients.