Un peu plus de 60% des publications scientifiques sur l’intelligence artificielle (IA) en pharma portent sur la R&D, où la technologie permet notamment de réduire les délais de recherche et développement de médicaments.

C’est un des résultats du rapport de Product Life Group (PLG), publié le 12 novembre et intitulé “L’IA et son pouvoir de transformation sur l’industrie pharmaceutique“.

Ce document analyse l’impact de l’IA et détaille les principaux domaines d’application, les défis de l’adoption de l’IA, ainsi que les perspectives pour la bonne intégration de la technologie dans le secteur.

R &D

La R&D est le domaine le plus touché par l’IA, représentant environ 60% des publications scientifiques, notamment car l’IA aide à réduire les délais de découverte et de développement de médicaments, les faisant passer des cinq/six ans historiques à moins de quatre ans, avec des programmes utilisant l’IA réussis, souligne le rapport.

Les experts de PLG notent aussi que les entreprises pharmaceutiques allouent environ 15% de leur chiffre d’affaires à la R&D, un chiffre qui justifie la forte concentration de la recherche en IA dans ce domaine, notamment pour comprendre des maladies complexes et découvrir de nouveaux médicaments.

La R&D concentre 39 publications dans l’échantillon de PLG, traitant des essais cliniques, de la découverte de médicaments, et des données “multi-omiques”.

REGLEMENTATION

L’IA optimise aussi la préparation des documents réglementaires, notamment via l’intelligence documentaire et l’IA générative. Environ 10% des publications traitent de cette application, bien que les affaires réglementaires représentent moins de 6 à 8% des dépenses de l’industrie. Les modèles de langage (large language models-LLM) facilitent la rédaction automatique des dossiers réglementaires, nécessitant cependant une supervision humaine pour garantir la précision et la conformité.

PHARMACOVIGILANCE

En pharmacovigilance, l’IA permet de gérer rapidement de vastes volumes de données de sécurité et d’améliorer la gestion des cas. Elle réduit de 50% le temps consacré aux étapes de triage initial, de saisie des données et de révision de qualité.

Le rapport fait valoir un fort potentiel de transformation pour la surveillance de la littérature, la gestion des cas et l’information médicale standardisée.

PRODUCTION ET QUALITÉ

L’automatisation IA en production et en assurance qualité représente 13% des publications analysées. Elle contribue à améliorer les processus de fabrication et de maintenance prédictive, avec un contrôle en temps réel et une optimisation des rendements de production, conformément aux évolutions de l’industrie 4.0 et 5.0.

Bien que sous-utilisée, l’IA présente un potentiel élevé pour automatiser et simplifier les processus d’accès au marché, d’établissement des prix et de remboursement. Ce domaine représente environ 5% des publications. L’analyse de données sur la santé économique et les prix permet une compréhension plus fine des besoins des cliniciens et des patients, facilitant ainsi des lancements de produits mieux ciblés.

Les défis émergents dans l’adoption de l’IA

1) Les experts de PLG rappellent que l’IA nécessite un contrôle strict de la qualité des données selon les principes dits “ALCOA+”, c’est-à-dire que les données doivent être attribuables, lisibles, contemporaines, originales, fiables, complètes, cohérentes, durables et disponibles.

2) Lors d’une consultation avec 62 leaders de l’industrie, menée en 2024, la validation des systèmes IA et la précision des données ont été identifiées comme des obstacles majeurs à son adoption.

3) La mise en œuvre de l’IA implique également de combler des lacunes en compétences, demandant des formations coûteuses ou des recrutements spécialisés. En parallèle, l’intégration harmonieuse de l’IA dans les flux de travail existants nécessite une gestion du changement.

4) Le développement et la validation de systèmes IA demande d’importants investissements financiers et humains et pose la question intangible de définition d’un modèle économique viable. PLG recommande ainsi aux entreprises pionnières du secteur de partager leurs retours d’expérience, notamment en matière de réduction des délais de R&D, pour justifier économiquement l’adoption de l’IA.

Dans son rapport, PLG s’interroge en conclusion : les entreprises devraient-elles adopter l’IA pour des gains immédiats, ou adapter leurs systèmes en profondeur pour maximiser ses avantages à long terme ?

L’adoption apporte des gains d’efficacité rapides, tandis que l’adaptation nécessite des changements structurels profonds et la création d’une infrastructure capable d’évoluer avec les avancées de l’IA.

Source : PLG Life group

Des scientifiques de l’Institut Pasteur, de l’Inserm, de l’AP-HP et de l’Université Paris Cité ont développé un outil susceptible de choisir le meilleur cocktail de bactériophages possible pour un patient donné.

« La phagothérapie a été inventée par le chercheur pasteurien Félix d’Hérelle dans les années 1920 puis a été abandonnée avec l’essor des antibiotiques à la fin des années 1930, beaucoup plus simples et économiques à fabriquer et à utiliser. Aujourd’hui, seuls quelques pays de l’Europe de l’Est, comme la Géorgie, utilisent encore la phagothérapie, tandis que dans les pays occidentaux, des phages à “large spectre” sont utilisés ponctuellement de façon compassionnelle pour traiter des infections chroniques multirésistantes aux antibiotiques, quand plus aucun médicament autorisé n’est efficace, rappelle Baptiste Gaborieau, co-premier auteur de l’article, médecin réanimateur à l’Hôpital Louis Mourier (AP-HP) et chercheur dans le laboratoire IAME (Université Paris Cité-Inserm). Depuis une vingtaine d’années, grâce à sa promotion par l’OMS et plus récemment la mise en place d’essais cliniques notamment européens, la phagothérapie suscite à nouveau l’intérêt. »

C’est ainsi que des scientifiques de l’Institut Pasteur, de l’Inserm, de l’AP-HP et de l’Université Paris Cité ont développé un nouvel outil susceptible de choisir, de façon simple et efficace, le meilleur cocktail de bactériophages possible pour un patient donné. Pour cela, ils ont élaboré et entraîné un modèle à base d’intelligence artificielle capable de sélectionner sur mesure des bactériophages en se basant uniquement sur le génome des bactéries ciblées.

La première étape a consisté en la création d’une base de données de qualité avec d’un côté 403 souches de bactéries Escherichia coli et de l’autre 96 bactériophages. Un travail qui aura nécessité plus de deux ans d’efforts. « Nous avons mis en contact les phages avec les bactéries en culture et observé quelles bactéries étaient tuées. Nous avons étudié 350 000 interactions et réussi à identifier, au niveau du génome des bactéries, les caractéristiques susceptibles de prédire l’efficacité des phages, résume Aude Bernheim, principale autrice de l’étude et responsable du laboratoire Diversité moléculaire des microbes à l’Institut Pasteur.

Grâce à cette analyse précise et complète des mécanismes d’interaction entre les bactéries et les phages, les bio-informaticiens de l’équipe ont pu concevoir un programme d’intelligence artificielle optimisé et efficace.

Après plus de deux ans de conception et d’entraînement, l’IA a ainsi été capable de prédire correctement l’efficacité des bactériophages face aux bactéries E. coli de la base de données dans 85 % des cas, simplement en analysant l’ADN des bactéries. 

Cette méthode, facilement utilisable dans les laboratoires de biologie hospitalière, ouvre la voie dans les années à venir à une sélection personnalisée et rapide de traitements par bactériophages en cas de diagnostic d’infection bactérienne à Escherichia coli très résistants aux antibiotiques. 

Les résultats de ces travaux ont été publiés le 31 octobre 2024 dans la revue Nature Microbiology. 

Source : La Gazette du Laboratoire, Institut Pasteur