L'une des applications les plus importantes de l'apprentissage automatique dans le développement de médicaments réside dans l'identification de nouvelles cibles médicamenteuses. Les algorithmes d’apprentissage automatique peuvent être utilisés pour analyser de vastes ensembles de données génomiques, protéomiques et phénotypiques afin d’identifier de nouvelles protéines impliquées dans les processus pathologiques. Ces protéines peuvent ensuite être ciblées par de nouveaux médicaments.
L'apprentissage automatique peut également être utilisé pour concevoir de nouveaux médicaments. En apprenant des structures des médicaments connus, les algorithmes d’apprentissage automatique peuvent concevoir de nouveaux médicaments plus susceptibles d’être efficaces et d’avoir moins d’effets secondaires.
Enfin, l'apprentissage automatique peut être utilisé pour tester les médicaments plus efficacement. Les algorithmes d’apprentissage automatique peuvent être utilisés pour identifier les patients les plus susceptibles de bénéficier d’un médicament particulier et pour concevoir des essais cliniques plus susceptibles de produire des résultats significatifs.
L’utilisation de l’apprentissage automatique dans le développement de médicaments a le potentiel de révolutionner la manière dont les nouveaux médicaments sont fabriqués. En automatisant les tâches traditionnellement effectuées manuellement, l’apprentissage automatique peut aider les chercheurs à identifier de nouvelles cibles médicamenteuses, à concevoir de nouveaux médicaments et à tester des médicaments plus efficacement. Cela peut conduire à de nouveaux médicaments plus efficaces, ayant moins d’effets secondaires et étant disponibles plus rapidement pour les patients.
Voici quelques exemples spécifiques de la manière dont l'apprentissage automatique est utilisé dans le développement de médicaments :
* En 2016, des chercheurs de Google AI ont utilisé l'apprentissage automatique pour identifier une nouvelle cible médicamenteuse pour traiter le cancer. La cible du médicament est une protéine appelée tyrosine kinase de Bruton (BTK). BTK est impliqué dans la croissance et la survie des cellules cancéreuses. Les chercheurs ont découvert qu’un médicament appelé ibrutinib, déjà approuvé pour traiter certains types de cancer, est efficace pour inhiber la BTK. Cette découverte pourrait conduire à de nouveaux traitements contre le cancer.
* En 2017, des chercheurs du Massachusetts Institute of Technology (MIT) ont utilisé l'apprentissage automatique pour concevoir un nouvel antibiotique. L'antibiotique s'appelle halicine. L'halicine est efficace contre un large éventail de bactéries, y compris les bactéries résistantes à d'autres antibiotiques. Cette découverte pourrait conduire à de nouveaux traitements contre les infections résistantes aux antibiotiques.
* En 2018, des chercheurs de l'Université de Stanford ont utilisé l'apprentissage automatique pour identifier les patients les plus susceptibles de bénéficier d'un médicament particulier. Le médicament s’appelle pembrolizumab. Le pembrolizumab est un médicament d’immunothérapie utilisé pour traiter certains types de cancer. Les chercheurs ont découvert que les patients dont les cellules cancéreuses présentent un taux élevé d’une protéine appelée PD-L1 sont plus susceptibles de bénéficier du pembrolizumab. Cette découverte pourrait aider les médecins à identifier les patients les plus susceptibles de bénéficier du pembrolizumab et à éviter un traitement inutile.
Ce ne sont là que quelques exemples de la manière dont l’apprentissage automatique est utilisé dans le développement de médicaments. À mesure que le domaine de l’apprentissage automatique continue de croître, nous pouvons nous attendre à voir des applications encore plus innovantes et révolutionnaires de l’apprentissage automatique dans le développement de médicaments.
