Pour créer un nouveau médicament, les chercheurs doivent tester des dizaines de milliers de composés et déterminer comment ils interagissent. Et il s’agit de la partie la plus simple. Une fois une substance jugée efficace contre une maladie, elle doit ensuite continuer de fonctionner au fil des trois phases d’essais cliniques et finalement être approuvée par les organismes de réglementation. On estime qu’en moyenne, la mise sur le marché d’un nouveau médicament nécessite 1000 personnes, 12 à 15 ans, et jusqu’à 1,6 milliard de dollars.
La semaine dernière, des chercheurs ont publié un document détaillant un système d’intelligence artificielle (IA) conçu pour aider à découvrir de nouveaux médicaments et raccourcir considérablement le temps et l’argent nécessaires pour le faire.
AtomNet est développé par la start-up AtomWise. La technologie vise à rationaliser la phase initiale de découverte de médicaments, en analysant la façon dont différentes molécules interagissent les unes avec les autres. Habituellement les scientifiques progressent en essayant et en faisant des erreurs pour éliminer au fur et à mesure de leur analyse des dizaines de milliers de composés, naturels et synthétiques.
AtomNet supprime cette étape du processus en s’appuyant sur l’apprentissage profond (deep learning) pour prédire le comportement des molécules se comportent et la probabilité qu’elles se lient ensemble. Le système s’inspire de l’interaction moléculaire en identifiant des modèles, de la même façon que l’IA apprend à reconnaître les images. AtomNet s’est déjà avéré performant en aidant à créer de nouveaux traitements contre deux maladies, Ebola et la sclérose en plaques.
