Un nouveau modèle d'IA peut prédire avec précision la réponse humaine à de nouveaux composés médicamenteux
Cette technique pourrait accélérer considérablement la découverte de médicaments et la médecine de précision.
Le parcours entre l'identification d'un composé thérapeutique potentiel et l'approbation d'un nouveau médicament par la Food and Drug Administration peut durer plus de dix ans et coûter plus d'un milliard de dollars. Une équipe de recherche du CUNY Graduate Center a créé un modèle d'intelligence artificielle qui pourrait améliorer considérablement la précision et réduire le temps et le coût du processus de développement des médicaments. Décrit dans un article récemment publié dans Nature Machine Intelligence, le nouveau modèle, appelé CODE-AE, peut passer au crible de nouveaux composés médicamenteux afin de prédire avec précision leur efficacité chez l'homme. Lors de tests, il a également été capable d'identifier théoriquement des médicaments personnalisés pour plus de 9 000 patients, qui pourraient mieux traiter leur maladie. Les chercheurs s'attendent à ce que cette technique accélère considérablement la découverte de médicaments et la médecine de précision.
Image symbolique
Computer generated picture
Une prédiction précise et robuste des réponses spécifiques des patients à un nouveau composé chimique est essentielle pour découvrir des thérapeutiques sûres et efficaces et sélectionner un médicament existant pour un patient spécifique. Cependant, il est contraire à l'éthique et infaisable d'effectuer des tests d'efficacité précoces d'un médicament directement chez l'homme. Les modèles cellulaires ou tissulaires sont souvent utilisés comme substituts du corps humain pour évaluer l'effet thérapeutique d'une molécule médicamenteuse. Malheureusement, l'effet du médicament dans un modèle de maladie n'est souvent pas en corrélation avec l'efficacité et la toxicité du médicament chez les patients humains. Ce manque de connaissances est un facteur majeur des coûts élevés et des faibles taux de productivité de la découverte de médicaments.
"Notre nouveau modèle d'apprentissage automatique peut relever le défi de la transposition des modèles de maladies à l'homme", a déclaré Lei Xie, professeur d'informatique, de biologie et de biochimie au CUNY Graduate Center et au Hunter College et auteur principal de l'article. "CODE-AE utilise une conception inspirée de la biologie et tire parti de plusieurs avancées récentes en matière d'apprentissage automatique. Par exemple, l'un de ses composants utilise des techniques similaires dans la génération d'images Deepfake."
Le nouveau modèle peut fournir une solution de contournement au problème de disposer de suffisamment de données sur les patients pour former un modèle d'apprentissage automatique généralisé, a déclaré You Wu, étudiant en doctorat au CUNY Graduate Center et coauteur de l'article. "Bien que de nombreuses méthodes aient été développées pour utiliser les cribles cellulaires afin de prédire les réponses cliniques, leurs performances ne sont pas fiables en raison de l'incongruité et des divergences des données", a déclaré Wu. "CODE-AE peut extraire les signaux biologiques intrinsèques masqués par le bruit et les facteurs de confusion et atténue efficacement le problème de discordance des données."
En conséquence, CODE-AE améliore considérablement la précision et la robustesse par rapport aux méthodes de pointe pour prédire les réponses aux médicaments spécifiques aux patients uniquement à partir de cribles de composés de lignées cellulaires.
Le prochain défi de l'équipe de recherche pour faire progresser l'utilisation de la technologie dans la découverte de médicaments est de trouver un moyen pour CODE-AE de prédire de manière fiable l'effet de la concentration et de la métabolisation d'un nouveau médicament dans le corps humain. Les chercheurs ont également noté que le modèle d'IA pourrait être modifié pour prédire avec précision les effets secondaires des médicaments chez l'homme.
Note: Cet article a été traduit à l'aide d'un système informatique sans intervention humaine. LUMITOS propose ces traductions automatiques pour présenter un plus large éventail d'actualités. Comme cet article a été traduit avec traduction automatique, il est possible qu'il contienne des erreurs de vocabulaire, de syntaxe ou de grammaire. L'article original dans Anglais peut être trouvé ici.
Publication originale
Autres actualités du département science
Recevez les dernières actualités du secteur des sciences de la vie
Ne manquez plus aucune actualité : notre newsletter consacrée aux biotechnologies, au secteur pharmaceutique et aux sciences de la vie vous informe tous les mardis et jeudis. Les dernières nouvelles du secteur, les produits phares et les innovations - de manière compacte et compréhensible dans votre boîte de réception. Recherché par nos soins, pour que vous n'ayez pas à le faire.
