Comment exploiter l’IA tout au long du processus de traitement pharmaceutique

Utilisation de l'IA dans le traitement pharmaceutique

Nous avons réalisé d’incroyables avancées dans le domaine de la santé au cours des dernières décennies grâce à l’introduction de nouvelles technologies. Maintenant, l’intelligence artificielle (IA) présente une autre opportunité majeure pour continuer à stimuler cette tendance afin d’améliorer davantage la vie des patients. Il existe une grande variété d’applications de l’IA en ce qui concerne la compréhension et le traitement des problèmes de santé. En fait, l’IA peut être exploitée tout au long du processus lorsque les chercheurs entreprennent de traiter une nouvelle maladie. La technologie peut être particulièrement utile pour découvrir de nouveaux médicaments, comprendre les maladies émergentes et mesurer les résultats des traitements.

L’IA dans la découverte de médicaments

Avant même que les fabricants ne puissent mettre un médicament sur le marché, les chercheurs travaillent à identifier les bonnes molécules. L’IA peut être appliquée à la découverte et au développement de médicaments, notamment dans le but de rendre le processus plus efficace et moins coûteux. Dans le processus typique de découverte, les chercheurs peuvent passer des années à tester différentes molécules, pour finalement se rendre compte que celle sélectionnée pour un essai clinique n’a pas l’effet escompté. L’IA peut jouer un rôle dans ce processus en prédisant la bioactivité et les interactions des différentes molécules. En exploitant les données existantes, un modèle prédictif peut être en mesure d’identifier une molécule ayant une probabilité plus élevée d’avoir l’impact souhaité par un chercheur et la communauté médicale, même avant que quiconque ne mette les pieds dans le laboratoire.

L’utilisation de l’IA dans le développement de médicaments en est encore aux premiers stades, et aucun médicament découvert par l’IA n’est actuellement sur le marché. Cela étant dit, plusieurs organisations de santé et de recherche ont déjà commencé à intégrer l’IA dans le processus et atteignent les essais cliniques avec des médicaments développés par l’IA. Par exemple, un médicament contre la fibrose pulmonaire idiopathique (FPI) identifié à l’aide de l’IA est entré en phase 1 des essais en 2022 et a obtenu la désignation de médicament orphelin de la FDA plus tôt cette année. À mesure que l’industrie se familiarise davantage avec l’IA, ses applications dans le développement de médicaments devraient encore se développer, et nous pourrions finalement voir des médicaments développés avec l’IA être administrés aux patients.

L’IA en épidémiologie et gestion des essais cliniques

Une autre étape clé pour mettre une thérapie sur le marché et la rendre accessible aux patients est de comprendre la maladie et son impact sur les résultats de santé à l’échelle de la population. C’est là que les épidémiologistes interviennent – le groupe de chercheurs chargés de quantifier et de surveiller la gestion des risques thérapeutiques dans les populations cibles et les indications.

• Ce bulletin d’information sur l’IA est tout ce dont vous avez besoin #62
• MLOps pour l’inférence par lots avec la surveillance et la réentrainement des modèles à l’aide d’Amazon SageMaker, HashiCorp Terraform et GitLab CI/CD
• Framework Permet aux Robots d’Effectuer des Tâches Interactives dans un Ordre Séquentiel

En utilisant l’IA et les techniques d’apprentissage automatique (ML), les épidémiologistes peuvent explorer les données du monde réel (RWD) – entre autres types de données disponibles – et identifier les tendances pertinentes pour la prise de décision commerciale et clinique. Parce que l’apprentissage automatique est optimisé pour explorer les données de manière hypothèse-libre, il permet aux chercheurs de découvrir de nouveaux schémas, de générer de meilleures prédictions pour des tendances clés telles que la prévalence des maladies, et d’identifier les facteurs de risque associés à de mauvais résultats. Ces informations sont essentielles pour que les chercheurs développent des traitements qui répondent le mieux aux besoins de leur population cible.

L’IA peut également automatiser certaines parties de la phase d’essai clinique du développement de médicaments, ce qui est essentiel pour établir la sécurité et l’efficacité d’une nouvelle thérapie avant qu’elle ne parvienne aux patients. Par exemple, l’IA peut être utilisée pour s’assurer que les patients appropriés sont recrutés pour un essai clinique et que le groupe d’étude représente la population générale tout en tenant compte de la diversité et de l’équité. L’IA peut également aider à la revue des rapports de sécurité d’un essai de manière plus fiable qu’une équipe humaine. Tous les aspects de l’épidémiologie et de la conception des essais cliniques ne peuvent pas être automatisés, mais l’IA peut rendre certains aspects du processus plus efficaces.

L’IA dans l’évaluation des résultats des traitements

Une fois qu’un essai clinique a démontré son efficacité, il est essentiel de comprendre la valeur d’une nouvelle intervention sur le marché des soins de santé. À ce stade, les chercheurs ont passé d’innombrables heures et des centaines de millions, voire des milliards de dollars, à développer une thérapie – mais ils doivent encore s’assurer que les patients appropriés peuvent y accéder lorsqu’ils en ont besoin. C’est là que l’économie de la santé et la recherche sur les résultats (HEOR) – l’étude de la valeur des interventions en santé – jouent un rôle crucial dans le pipeline de développement de médicaments.

L’objectif ultime des analyses HEOR est d’aider les payeurs et d’autres acteurs chargés du financement des soins de santé à optimiser la santé de leurs populations tout en minimisant les coûts. Sans cela, les systèmes de santé ne seraient pas financièrement stables et la prestation en temps opportun des soins serait compromise. L’IA peut jouer un rôle dans les analyses HEOR en découvrant des schémas dans les données qui aident à quantifier le bénéfice incrémental d’un traitement, tels que l’identification de sous-populations uniques qui connaissent une amélioration accrue des résultats par rapport à la population générale.

Par exemple, l’apprentissage automatique a été utilisé dans une étude menée auprès de personnes atteintes de diabète de type 2 pour enquêter sur les sous-populations qui pourraient bénéficier d’une intervention comportementale visant à perdre du poids. Bien qu’aucun impact significatif n’ait été constaté parmi la population générale de personnes atteintes de diabète de type 2, les chercheurs ont découvert qu’un sous-groupe présentant des caractéristiques spécifiques pouvait éviter les complications de maladies cardiovasculaires suite à l’intervention. Ces informations ont aidé les cliniciens et les régimes d’assurance maladie à savoir quelles patients spécifiques bénéficieraient le plus de l’intervention, contribuant ainsi à améliorer les résultats des patients et à économiser des coûts globaux.

L’avenir de l’IA dans le pipeline pharmaceutique

Il existe clairement une multitude d’applications de l’IA en ce qui concerne la compréhension et le traitement des maladies, et les chercheurs s’engagent à faire progresser encore davantage la technologie. En fait, l’organisation leader pour l’HEOR, ISPOR, a récemment établi des lignes directrices pour l’utilisation de l’apprentissage automatique dans ce domaine. Cela démontre un engagement à étendre l’utilisation de l’IA et de l’apprentissage automatique afin de maximiser son potentiel.

Les épidémiologistes, les chercheurs, les économistes de la santé et autres acteurs du développement de médicaments peuvent tous trouver de la valeur en intégrant l’IA dans leur travail. Et si nous pouvons utiliser l’IA pour mieux comprendre les maladies et développer des traitements plus efficaces et ciblés, les patients sont susceptibles de bénéficier énormément à la fin de la journée. L’IA offre un potentiel illimité dans le domaine de la santé et de la pharmacie pour améliorer les vies – et il est de notre responsabilité de l’utiliser au mieux de ses capacités.

We will continue to update IPGirl; if you have any questions or suggestions, please contact us!