L'intelligence artificielle et les algorithmes d'apprentissage automatique sont des technologies disruptives ayant un double impact sur le processus de découverte de médicaments. Premièrement, la technologie peut être appliquée afin de gagner du temps et de l'argent au cours du processus d'identification des cibles moléculaires à des fins de développement de médicaments. Deuxièmement, grâce à la disponibilité d'une quantité infinie de données, les essais cliniques et la sélection des patients peuvent être abordées d'une nouvelle manière qui permet également de gagner du temps et de l'argent et, surtout, de réduire considérablement le risque d'échec lors des essais.

De plus, l'intelligence artificielle peut améliorer la portée de l'effort de contrôle préalable dans le cadre du processus de sélection des actions pour les investisseurs dans la biotechnologie, en leur permettant de synthétiser un ensemble plus large de données. L'intelligence artificielle ne remplacera certes pas les gestionnaires de portefeuille, mais elle peut leur fournir des informations complémentaires à des fins de recherche fondamentale en matière d'investissement.

Au cours des dernières années, nous avons intégré d’importants volumes de données dans notre propre recherche informatique, couvrant un large éventail de données. Ce pool de données contient des indications sur des patients, des déclarations d'assurance, des informations fondamentales sur les médicaments, des bulletins d'information, des études publiées, des rapports, de la littérature scientifique, ainsi que des informations recueillies par le biais du réseau international de contacts de l'équipe de gestion de portefeuille. L'analyse de ces données permet d'obtenir par exemple le potentiel commercial d'un médicament candidat sur la base de son mécanisme d'action, de la concurrence, ainsi que de quantifier l'épidémiologie et les besoins médicaux non satisfaits des patients. Les données sont également utilisées pour comprendre le parcours et le flux des patients dans le système médical, en examinant les schémas de remboursement des assurances, qui sont les payeurs finaux des traitements commercialisés.

Plus précisément, si l'on prend l'exemple du traitement de la dépression, l'analyse avancée permet de répondre aux questions suivantes : Dans le monde réel, combien de patients ne répondent pas à une thérapie et passent d'un traitement à l'autre? Après combien de temps? Pour quelles raisons? Quels sont les bénéfices médicaux revendiqués pour les médicaments actuellement autorisés? A quelle fréquence les médicaments autorisés doivent-ils être pris et quel est leur mode d'administration - administration orale conviviale pour le patient, par exemple, ou injection?

Nous sommes convaincus que l'analyse avancée conduira à des progrès médicaux significatifs, en particulier dans le domaine de l'oncologie, où de grandes quantités de données sur les patients et le monde réel ont été collectées, ce qui facilite le processus d'identification des composés ayant le meilleur profil d'efficacité, ainsi que des patients les plus réceptifs à un médicament. Au-delà de l'oncologie, un certain nombre d'entreprises développent de nouveaux médicaments dans tous les domaines thérapeutiques, en particulier la neurologie/psychiatrie et les maladies auto-immunes, afin de mieux segmenter la population hétérogène de patients en utilisant des biomarqueurs et des cibles grâce à l'IA.

Les sociétés de biotechnologie elles-mêmes déploient des outils basés sur des algorithmes à des fins de recherche et de développement. Le nombre d'entreprises qui se consacrent entièrement à la biotechnologie numérique - en utilisant l'intelligence artificielle et l'apprentissage automatique dans leur approche de la découverte ou du développement de médicaments - a augmenté environ depuis 2015, et la plupart d'entre elles dépendent encore du financement par le biais du capital-risque. La plupart des entreprises ont concentré leurs activités de recherche et de développement sur la neurologie et le cancer.

Les années à venir révéleront à quel point les médicaments candidats développés à l'aide d'outils d'IA sont prometteurs et viables. Un nombre croissant de produits candidats, développés avec l'aide de l'IA, entrent dans la phase II des essais, mais la majorité des produits thérapeutiques (42 %) développés à l'aide de la technologie de l'intelligence artificielle en sont au stade préclinique du développement.

Citons comme exemples, deux entreprises qui poursuivent des approches d'intelligence artificielle dans leurs programmes de découverte et de développement de médicaments. Relay Therapeutics a trois médicaments contre le cancer en cours d'études cliniques avancées ciblant des protéines pathogènes qui n'étaient jusqu'à présent pas des cibles moléculaires viables pour le développement de nouvelles thérapies. Elle a récemment publié des données cliniques très convaincantes sur son principal produit candidat inhibiteur du FGFR2. Black Diamond Therapeutics déploie une technologie d'apprentissage automatique pour développer de nouvelles thérapies de précision contre le cancer, conçues pour fonctionner sur un certain nombre de types de tumeurs.

Il existe un énorme potentiel dans l'utilisation de l'intelligence artificielle, pour soutenir à la fois les décisions d'investissement de l'équipe de gestion et pour développer de nouveaux médicaments.

Plus d’information sur BB Biotech par ici -> https://www.bbbiotech.ch/ch-en/private/