Il existe plus de 7 000 maladies rares et non diagnostiquées dans le monde. Bien que chaque pathologie ne touche qu’un petit nombre de personnes, ces maladies ont collectivement un impact humain et économique considérable, puisqu’elles touchent quelque 300 millions de personnes dans le monde.
Pourtant, avec seulement 5 à 7 % de ces maladies pour lesquelles un médicament approuvé par la FDA est disponible, elles restent largement non traitées ou sous-traitées.
Développer de nouveaux médicaments représente un défi de taille, mais un nouvel outil d’intelligence artificielle peut propulser la découverte de nouvelles thérapies à partir de médicaments existants, offrant de l’espoir aux patients atteints de maladies rares et négligées et aux cliniciens qui les traitent.
Le modèle d’IA, appelé TxGNN, est le premier développé spécifiquement pour identifier des candidats médicaments pour les maladies rares et les affections sans traitement.
Il a identifié des candidats médicaments parmi les médicaments existants pour plus de 17 000 maladies, dont beaucoup n’ont pas de traitement existant. Cela représente le plus grand nombre de maladies qu’un seul modèle d’IA puisse traiter à ce jour. Les chercheurs notent que le modèle pourrait être appliqué à encore plus de maladies au-delà des 17 000 sur lesquelles il a travaillé lors des expériences initiales.
L’œuvre, décrite le 25 septembre dans Médecine naturellea été menée par des scientifiques de la Harvard Medical School. Les chercheurs ont mis l’outil à disposition gratuitement et souhaitent encourager les cliniciens-chercheurs à l’utiliser dans leur recherche de nouvelles thérapies, en particulier pour les maladies pour lesquelles les options de traitement sont inexistantes ou limitées.
« Avec cet outil, nous cherchons à identifier de nouvelles thérapies sur tout le spectre des maladies, mais lorsqu’il s’agit de maladies rares, ultra-rares et négligées, nous prévoyons que ce modèle pourrait aider à combler, ou du moins à réduire, un écart qui crée de graves disparités en matière de santé », a déclaré la chercheuse principale Marinka Zitnik, professeure adjointe d’informatique biomédicale à l’Institut Blavatnik de HMS.
« C’est précisément là que nous voyons la promesse de l’IA dans la réduction du fardeau mondial des maladies, dans la recherche de nouvelles utilisations pour les médicaments existants, ce qui est également un moyen plus rapide et plus rentable de développer des thérapies que de concevoir de nouveaux médicaments à partir de zéro », a ajouté Zitnik, qui est membre associé du corps professoral de l’Institut Kempner pour l’étude de l’intelligence naturelle et artificielle à l’Université de Harvard.
Le nouvel outil comporte deux fonctions principales : l’une identifie les candidats au traitement ainsi que les effets secondaires possibles et l’autre explique la justification de la décision.
Au total, l’outil a identifié des candidats médicaments parmi près de 8 000 médicaments (à la fois des médicaments approuvés par la FDA et des médicaments expérimentaux actuellement en phase d’essais cliniques) pour 17 080 maladies, y compris des pathologies pour lesquelles il n’existe aucun traitement. Il a également prédit quels médicaments auraient des effets secondaires et des contre-indications pour des pathologies spécifiques, ce que l’approche actuelle de découverte de médicaments identifie principalement par essais et erreurs lors des premiers essais cliniques axés sur la sécurité.
Comparé aux principaux modèles d’IA pour le réemploi de médicaments, le nouvel outil s’est révélé en moyenne 50 % plus performant pour identifier les médicaments candidats. Il s’est également révélé 35 % plus précis pour prédire quels médicaments présenteraient des contre-indications.
Avantages de l’utilisation de médicaments déjà approuvés
La réutilisation de médicaments existants est une manière attrayante de développer de nouveaux traitements, car elle s’appuie sur des médicaments qui ont été étudiés, dont les profils de sécurité sont bien compris et qui ont suivi le processus d’approbation réglementaire.
La plupart des médicaments ont des effets multiples qui vont au-delà des cibles spécifiques pour lesquelles ils ont été initialement développés et approuvés. Mais nombre de ces effets restent inconnus et peu étudiés lors des tests initiaux, des essais cliniques et des évaluations, et n’apparaissent qu’après des années d’utilisation par des millions de personnes. En effet, près de 30 % des médicaments approuvés par la FDA ont acquis au moins une indication thérapeutique supplémentaire après l’approbation initiale, et bon nombre d’entre eux ont acquis des dizaines d’indications thérapeutiques supplémentaires au fil des ans.
Cette approche de la réutilisation des médicaments est au mieux hasardeuse. Elle s’appuie sur les rapports des patients concernant des effets secondaires bénéfiques inattendus ou sur l’intuition des médecins quant à l’opportunité d’utiliser un médicament pour une pathologie pour laquelle il n’est pas prévu, une pratique connue sous le nom d’utilisation hors indication.
« Nous avons tendance à nous fier à la chance et au hasard plutôt qu’à la stratégie, ce qui limite la découverte de médicaments aux maladies pour lesquelles des médicaments existent déjà », a déclaré Zitnik.
Les avantages du réemploi des médicaments s’étendent au-delà des maladies sans traitement, a noté Zitnik.
« Même pour les maladies les plus courantes avec des traitements approuvés, de nouveaux médicaments pourraient offrir des alternatives avec moins d’effets secondaires ou remplacer des médicaments inefficaces pour certains patients », a-t-elle déclaré.
Qu’est-ce qui rend le nouvel outil d’IA meilleur que les modèles existants ?
La plupart des modèles d’IA actuels utilisés pour la découverte de médicaments sont formés sur une seule maladie ou sur quelques pathologies. Plutôt que de se concentrer sur des maladies spécifiques, le nouvel outil a été formé de manière à pouvoir utiliser les données existantes pour faire de nouvelles prédictions. Il le fait en identifiant des caractéristiques communes à plusieurs maladies, telles que des aberrations génomiques communes.
Par exemple, le modèle d’IA identifie les mécanismes de maladies partagés en se basant sur des bases génomiques communes, ce qui lui permet d’extrapoler d’une maladie bien comprise avec des traitements connus à une maladie mal comprise sans traitement.
Cette capacité, a déclaré l’équipe de recherche, rapproche l’outil d’IA du type de raisonnement qu’un clinicien humain pourrait utiliser pour générer de nouvelles idées s’il avait accès à toutes les connaissances préexistantes et aux données brutes que le modèle d’IA possède mais auxquelles le cerveau humain ne peut pas accéder ou stocker.
L’outil a été entraîné sur de grandes quantités de données, notamment des informations sur l’ADN, la signalisation cellulaire, les niveaux d’activité des gènes, les notes cliniques, etc. Les chercheurs ont testé et affiné le modèle en lui demandant d’effectuer diverses tâches. Enfin, les performances de l’outil ont été validées sur 1,2 million de dossiers de patients et ont été invitées à identifier des candidats médicaments pour diverses maladies.
Les chercheurs ont également demandé à l’outil de prédire quelles caractéristiques des patients rendraient les candidats médicaments identifiés contre-indiqués pour certaines populations de patients.
Une autre tâche consistait à demander à l’outil d’identifier les petites molécules existantes qui pourraient bloquer efficacement l’activité de certaines protéines impliquées dans les voies et processus causant des maladies.
Dans un test conçu pour évaluer la capacité du modèle à raisonner comme le ferait un clinicien humain, les chercheurs ont demandé au modèle de trouver des médicaments pour trois maladies rares qu’il n’avait pas vues dans le cadre de sa formation : un trouble du développement neurologique, une maladie du tissu conjonctif et une maladie génétique rare qui provoque un déséquilibre hydrique.
Les chercheurs ont ensuite comparé les recommandations du modèle en matière de traitement médicamenteux avec les connaissances médicales actuelles sur le fonctionnement des médicaments suggérés. Dans chaque exemple, les recommandations de l’outil correspondaient aux connaissances médicales actuelles.
De plus, le modèle a non seulement identifié des médicaments pour les trois maladies, mais a également fourni les raisons qui ont motivé sa décision. Cette fonction explicative permet une transparence et peut accroître la confiance des médecins.
Les chercheurs préviennent que toute thérapie identifiée par le modèle nécessiterait une évaluation supplémentaire du dosage et du moment d’administration. Mais, ajoutent-ils, avec cette capacité sans précédent, le nouveau modèle d’IA accélérerait la réutilisation des médicaments d’une manière qui n’était pas possible jusqu’à présent. L’équipe collabore déjà avec plusieurs fondations de maladies rares pour aider à identifier des traitements possibles.
