Le groupe pharmaceutique suédo-britannique Astrazeneca va exploiter le machine learning pour créer plus rapidement de nouveaux vaccins ou traitements.

Selon une étude Deloitte citée par le Leem (organisation professionnelle des entreprises du médicament en France), en 2022, le développement d’un nouveau médicament représentait un investissement moyen de 2,3 Md$ sur une durée moyenne supérieure à 7 ans. C’est sans nul doute une des raisons majeures qui fait du secteur un des plus friands d’IA. En analysant rapidement les données à disposition et en identifiant des diagnostics ou des innovations, l’IA, ou plus précisément le machine learning, fait partie des outils potentiels de réduction de la durée de développement d’une molécule, donc de son coût.

Le suédo-britannique AstraZeneca vient justement de signer un contrat d’un montant de 18 M$ avec la jeune pousse américano-israélienne Immunai. Née en 2018, cette start-up à la double expertise en biologie unicellulaire et IA a développé une solution de cartographie du système immunitaire. Une solution susceptible d’améliorer l’efficacité et les taux de réussite d’essais cliniques sur le cancer, comme le précise le Times of Israël.

Puiser dans le réservoir inexploité des data multi-omiques

D’autant qu’Astrazeneca compte exploiter une mine de données encore insuffisamment utilisée, si l’on en croit Iker Huerga, chief data scientist de l’industriel. Dans une publication Linkedin, ce dernier précise que les travaux avec la start-up serviront à « améliorer [la] stratégie de R&D axée sur les données et obtenir de nouvelles informations sur les mécanismes d’action des immunothérapies ».

« Notre collaboration [avec Immunai] permettra également d’explorer le potentiel de la multi-omique et de l’IA pour éclairer la sélection des doses et l’identification des biomarqueurs, poursuit-il. La multi-omique intègre les domaines dynamiques du transcriptome, du protéome et du métabolome, et représente un réservoir d’informations largement inexploité. L’IA nous aide à obtenir des informations précieuses à partir de ces datasets et pourrait transformer la prise de décision à tous les stades de la découverte et du développement de médicaments, de l’identification des cibles aux essais cliniques ».