Non, l’IA ne va probablement pas révolutionner le développement des médicaments

Avatar photo

Le développement de médicaments est coûteux, long et risqué. Le développement d’un nouveau médicament coûte des milliards de dollars et nécessite plus de dix ans de travail. Pourtant, seuls 0,02 % des médicaments en cours de développement parviennent à être commercialisés.

Certains prétendent que l’IA, ou intelligence artificielle, va révolutionner le développement des médicaments en raccourcissant considérablement les délais de développement et en réduisant drastiquement les coûts. De nombreux scientifiques et consultants en affaires sont particulièrement optimistes quant à la capacité de l’IA à prédire la forme de presque toutes les protéines connues à l’aide d’AlphaFold de DeepMind, un outil d’intelligence artificielle développé par Alphabet, la société mère de Google ; prédire cette information avec beaucoup de détails serait essentiel pour développer rapidement des médicaments. Comme s’enorgueillit une entreprise d’IA, “Nous … croyons fermement que l’IA a le potentiel de transformer le processus de découverte de médicaments pour réaliser des gains de temps et de coûts.”

Ce type de rhétorique pourrait être considéré comme un faux-fuyant typique. Mais le Washington Postun observateur vraisemblablement neutre, a également promu ce récit. “Les nouvelles recherches sur les protéines promettent des percées dans le domaine des médicaments, et bien d’autres choses encore”, peut-on lire dans un article d’opinion publié par le quotidien. Le site New York Times a abondé dans le même sens dans un article similaire intitulé “We Need to Talk About How Good A.I. Is Getting”. Une chose est certainement vraie : ” Les investisseurs parient sur les start-up de l’IA pour stimuler le développement des médicaments “, comme le souligne le New York Times. Financial Times a rapporté.

Moderna affirme que des simulations informatiques d’IA ont aidé à analyser les données de séquences génétiques d’une “manière optimale”. Peu importe que la manière “optimale” soit rarement connue. En outre, la plupart du temps et des efforts nécessaires au développement d’un médicament ne sont pas consacrés à des simulations informatiques, mais à des essais cliniques – un processus hautement incertain et risqué qui n’est pas rendu plus rapide ou moins coûteux par des algorithmes d’intelligence artificielle. A Nature article intitulé “The lightning-fast quest for COVID vaccines-and what it means for other diseases” ne mentionne même pas l’IA parmi les raisons du développement rapide des vaccins COVID-19. Au lieu de cela, il souligne que,

Le monde a pu développer des vaccins COVID-19 aussi rapidement grâce à des années de recherches antérieures sur des virus apparentés et à des moyens plus rapides de fabriquer des vaccins, à un financement énorme qui a permis aux entreprises de mener plusieurs essais en parallèle, et aux régulateurs qui ont agi plus rapidement que d’habitude. Certains de ces facteurs pourraient se traduire par d’autres efforts en matière de vaccins, notamment par des plates-formes de fabrication plus rapides.

Déterminé à mettre un vaccin COVID-19 à la disposition du public avant l’élection présidentielle du 3 novembre 2020, le gouvernement américain a consacré 14 milliards de dollars pour soutenir les efforts des sociétés pharmaceutiques en matière de vaccins. Le gouvernement a accepté de verser 5,87 milliards de dollars à Pfizer pour 300 millions de doses si cette dernière mettait au point un vaccin approuvé par la FDA – indépendamment du fait que le vaccin soit toujours nécessaire. Moderna a reçu 954 millions de dollars pour la recherche et le développement et un achat fédéral garanti de 4,94 milliards de dollars pour 300 millions de doses. Johnson & ; Johnson a reçu 456 millions de dollars pour la recherche et le développement et a promis 1 milliard de dollars pour 100 millions de doses.

La relative insignifiance de l’IA dans le développement de COVID est conforme à la conclusion de nombreux scientifiques selon laquelle l’IA n’est pas sur le point de révolutionner le développement des médicaments. Le principal problème est que les essais cliniques sont la partie la plus longue et généralement la plus coûteuse du processus, et que l’IA ne peut pas remplacer les essais réels. Même l’impact de l’IA sur la découverte de médicaments pourrait être limité. AScience op-ed a récemment fait valoir que, “[AI] ne fait pas autant de différence pour la découverte de médicaments que de nombreuses histoires et communiqués de presse l’ont fait croire….. La prédiction de la structure des protéines est un problème difficile, mais il en reste d’autres encore plus difficiles.”

Le déluge de données a fait que le nombre de modèles prometteurs mais fortuits qui attendent d’être découverts est beaucoup, beaucoup plus grand que le nombre de relations utiles – ce qui signifie que la probabilité qu’un modèle découvert soit vraiment utile est très proche de zéro.

Une partie souvent cruciale du développement de médicaments consiste à déterminer si un médicament se lie à la protéine candidate, ce que les chercheurs du MIT ont montré qu’AlphaFold ne peut pas faire et que DeepMind admet qu’AlphaFold ne peut pas faire : “Prédire la liaison d’un médicament est probablement l’une des tâches les plus difficiles en biologie : il s’agit d’interactions à plusieurs atomes entre des molécules complexes avec de nombreuses conformations potentielles, et le but du docking est d’en localiser une seule.”

De même, le PDG de la société pharmaceutique Verseon est profondément sceptique :

Les gens disent : “L’IA va tout résoudre.” Ils vous donnent des mots fantaisistes. “Nous allons ingérer toutes ces données longitudinales et nous allons faire une analyse latitudinale.”C’est n’importe quoi. C’est juste de la propagande.

L’un des obstacles majeurs auxquels se heurtent tous les algorithmes d’exploration des données de l’IA est que le déluge de données a rendu le nombre de modèles prometteurs mais fortuits qui attendent d’être découverts beaucoup, beaucoup plus grand que le nombre de relations utiles – ce qui signifie que la probabilité qu’un modèle découvert soit vraiment utile est très proche de zéro. Le PDG de Verseon affirme que le nombre total de composés chimiques possibles dans l’univers est de l’ordre de 10 à la 33e puissance. Les entreprises ne peuvent pas effectuer d’essais cliniques sur tous les composés possibles, et elles ne peuvent pas non plus compter sur l’IA pour trouver des aiguilles dans cette énorme botte de foin.

Il faudra une véritable intelligence – et non une intelligence artificielle – pour déterminer quels composés sont les plus susceptibles de générer des gains qui justifient les énormes coûts des essais. De même, il faudra une véritable intelligence – et non une intelligence artificielle – pour mener les essais cliniques nécessaires pour évaluer l’efficacité et les éventuels effets secondaires.

Related Posts