Science des données et intelligence artificielle

Ouvrir de nouvelles perspectives scientifiques


Science des données et intelligence artificielle

Chez AstraZeneca, nous nous appuyons sur les données et la technologie pour optimiser le temps nécessaire à la découverte et à l’offre de nouveaux médicaments potentiels. À l’heure actuelle, nous incorporons la science des données et l’intelligence artificielle (IA) au sein de notre R&D.

 


La science des données et l’IA ont le potentiel de transformer la façon dont nous découvrons et développons de nouveaux médicaments afin de réussir à transformer les innovations scientifiques en médicaments qui changent la vie des patients.

Jim Weatherall Vice-président, Science des données et IA, R&D

Transformer les données en connaissances


Grâce à la science des données et à l’IA, nous découvrons de nouvelles connaissances biologiques dans le but d’accroître la productivité de notre R&D.

La science des données et l’IA peuvent également nous aider à révéler les secrets de la maladie dans nos gènes. Notre Centre de recherche en génomique travaille à l’analyse de deux millions de génomes d’ici 2026.


Prédire quelles molécules concevoir et comment les concevoir


Nous explorons l’utilisation de l’IA pour nous aider à découvrir de nouveaux médicaments. Nous pensons que l’IA présente un grand potentiel d’amélioration de la qualité et de réduction du temps nécessaire à la découverte d’un candidat-médicament potentiel. Actuellement, plusieurs années de recherche scientifique approfondie, de synthèse et de tests de milliers de molécules sont nécessaires pour obtenir les bonnes propriétés médicamenteuses.

L’IA transforme ce long processus - en nous permettant de générer rapidement des idées novatrices de molécules et de mettre au point et de classer ces idées en utilisant des prédictions basées sur les grands ensembles de données dont nous disposons désormais.

Après avoir identifié des molécules prometteuses, l’étape suivante consiste à les synthétiser en laboratoire. L’IA commence à nous aider dans cette étape aussi: la science de la prédiction de synthèse évolue rapidement et nous pourrons bientôt utiliser l’IA pour nous aider à déduire la meilleure manière de concevoir une molécule le plus rapidement possible.


Utiliser l’IA pour une analyse rapide et précise d’image



Chaque semaine, nos anatomopathologistes analysent des centaines d’échantillons de tissus provenant de nos études de recherche. Ils les examinent pour détecter les maladies et les biomarqueurs qui pourraient indiquer les patients les plus susceptibles de répondre à nos médicaments. Cela prend beaucoup de temps, c’est pourquoi nous entraînons des systèmes d’IA pour assister les anatomopathologistes pour une analyse des échantillons précise et plus facile. Ces systèmes permettront potentiellement de réduire le temps d’analyse de plus de 30%.

Pour l’un de nos systèmes d’IA, nous avons mis en place une approche inspirée de la façon dont certaines voitures autonomes comprennent leur environnement. Nous avons entraîné le système d’IA à noter les cellules tumorales et immunitaires en fonction d’un biomarqueur, le PD-L1, ce qui pourra contribuer à éclairer les décisions de traitement basées sur l’immunothérapie pour le cancer de la vessie.

Notre système d’IA examine des milliers d’images issues d’échantillons de tissus, en recherchant méthodiquement le PD-L1 dans chacune d’entre elles. Cela fait gagner du temps à nos anatomopathologistes et est particulièrement utile dans les cas difficiles.


Accélérer les essais cliniques grâce à la science des données et à l’IA


Les essais cliniques randomisés (ECR) sont actuellement la méthode de choix lorsqu’il s’agit d’évaluer de nouveaux médicaments potentiels. Toutefois, les données publiées montrent qu’ils sont devenus plus coûteux et plus complexes au fil du temps. Les progrès de la science des données peuvent nous aider à repenser les essais cliniques en améliorant les pratiques actuelles et en trouvant de nouvelles manières de découvrir et de développer de nouveaux médicaments potentiels.

Par exemple, l’adoption rapide des dossiers électroniques du patient (DEP) de haute qualité représente une source de données importante, riche et très pertinente qui a un fort potentiel pour améliorer la mise en œuvre des essais cliniques.

Nous utilisons aussi l’IA et les outils d’apprentissage automatique pour tirer le meilleur parti des données des essais cliniques.


Construire la bonne architecture de données


Aujourd’hui, nous produisons et avons accès à plus de données que jamais auparavant. Les données et l’analyse ont le potentiel de transformer nos activités, mais ces données scientifiques n’ont une véritable valeur que s’il s'agit de données «FAIR», c’est-à-dire de données faciles à trouver, accessibles, interopérables et réutilisables.

Les entités de R&D et technologies d’information d’AstraZeneca travaillent en étroite collaboration pour créer une architecture de données d’entreprise et d’IA de pointe. Cela nous aidera à optimiser notre capacité à exploiter les nouveaux outils et technologies que sont l’IA et l’apprentissage automatique, aujourd’hui comme demain.


CH-2306 ; 03/2020