Publié le 13 février 2024 10h02:00. L’intelligence artificielle révolutionne la recherche sur la maladie d’Alzheimer, offrant de nouvelles perspectives pour le diagnostic précoce, l’identification de cibles thérapeutiques et la conception d’essais cliniques plus efficaces. Un numéro spécial du Journal of Prevention of Alzheimer’s Disease explore ces avancées prometteuses.
- L’IA permet un diagnostic plus précoce de la maladie d’Alzheimer grâce à l’analyse de données complexes.
- De nouvelles cibles médicamenteuses sont identifiées grâce à l’apprentissage automatique et à l’analyse de vastes ensembles de données.
- La conception des essais cliniques est repensée pour améliorer l’efficacité et réduire les coûts.
Pour des millions de patients et de leurs familles, les progrès dans la lutte contre la maladie d’Alzheimer ont longtemps été lents et frustrants. Malgré des efforts de recherche considérables, les options thérapeutiques restent limitées et le diagnostic précoce demeure un défi majeur. Cependant, une convergence de facteurs – des avancées en biologie des maladies, le partage à grande échelle de données et le développement de l’intelligence artificielle (IA) – laisse entrevoir un changement de paradigme.
L’IA est désormais utilisée pour accélérer le diagnostic, identifier de nouvelles pistes thérapeutiques et optimiser les essais cliniques. Ces applications sont au cœur d’un numéro spécial du Journal of Prevention of Alzheimer’s Disease (JPAD).
Commandé par Gates Ventures et l’ Initiative de données sur la maladie d’Alzheimer, ce numéro rassemble les travaux de chercheurs issus de huit pays et témoigne de l’intégration croissante de l’IA dans la recherche sur cette maladie dévastatrice.
Drug Target Review a interrogé le Dr Niranjan Bose, directeur exécutif par intérim de l’Alzheimer’s Disease Data Initiative et directeur général de la stratégie santé et sciences de la vie chez Gates Ventures, où il conseille Bill Gates, sur l’impact de ces nouvelles approches.
« L’AD Data Initiative rassemble une coalition mondiale de partenaires philanthropiques, industriels, gouvernementaux et à but non lucratif pour transformer fondamentalement la recherche sur la maladie d’Alzheimer grâce au partage de données et à une collaboration mondiale. »
Dr Niranjan Bose, directeur exécutif par intérim de l’Alzheimer’s Disease Data Initiative et directeur général de la stratégie santé et sciences de la vie chez Gates Ventures
Selon le Dr Bose, plusieurs facteurs clés convergent pour rendre ce moment particulièrement propice. Premièrement, des progrès cliniques tangibles sont observés. Après des décennies d’échecs, la recherche commence à proposer des traitements modificateurs de la maladie et des diagnostics plus accessibles.
« Nous disposons désormais de deux traitements modificateurs de la maladie approuvés par la FDA et, pour la première fois, de tests de diagnostic sanguins simples qui rendent le dépistage à grande échelle possible. »
Dr Niranjan Bose, directeur exécutif par intérim de l’Alzheimer’s Disease Data Initiative et directeur général de la stratégie santé et sciences de la vie chez Gates Ventures
Bien que ces avancées ne constituent pas des remèdes, elles confirment que la biologie de la maladie d’Alzheimer peut être influencée et qu’une intervention précoce devient envisageable.
Deuxièmement, l’IA elle-même a connu une évolution rapide. Les systèmes actuels sont capables de raisonner sur des ensembles de données complexes et de générer des hypothèses, dépassant les capacités de la simple reconnaissance de formes.
« Nous sommes passés d’outils d’automatisation simple à des systèmes avancés et des « agents » capables de raisonner sur des ensembles de données complexes, de planifier des analyses de manière autonome et de générer des hypothèses testables. »
Dr Niranjan Bose, directeur exécutif par intérim de l’Alzheimer’s Disease Data Initiative et directeur général de la stratégie santé et sciences de la vie chez Gates Ventures
Troisièmement, la disponibilité des données s’est améliorée. La promesse de l’IA repose sur l’accès à des ensembles de données volumineux, bien organisés et harmonisés, ce qui a longtemps fait défaut dans la recherche sur la maladie d’Alzheimer. Des initiatives telles que le Consortium mondial de protéomique en neurodégénérescence et l’AD Data Initiative AD Workbench contribuent à la création de bases de données partagées et standardisées, ainsi que d’environnements d’analyse sécurisés.
Une nouvelle approche de la recherche
Le numéro du JPAD décrit comment l’IA est appliquée à la découverte biologique d’une manière différente de la recherche traditionnelle, basée sur des hypothèses séquentielles. Les modèles d’IA analysent en parallèle de vastes ensembles de données multimodales pour identifier les mécanismes candidats et les cibles thérapeutiques potentielles.
« L’IA nous aide à observer des schémas biologiques à des échelles que la cognition humaine ne peut tout simplement pas atteindre. »
Dr Niranjan Bose, directeur exécutif par intérim de l’Alzheimer’s Disease Data Initiative et directeur général de la stratégie santé et sciences de la vie chez Gates Ventures
En analysant simultanément les données génomiques, protéomiques, d’imagerie et cliniques, l’apprentissage automatique peut révéler des relations qui resteraient autrement cachées.
Le numéro comprend des articles décrivant l’utilisation de l’IA pour intégrer des résultats contradictoires provenant de nombreuses études sur la maladie d’Alzheimer et pour analyser des ensembles de données multimodales afin d’identifier et de prioriser les cibles thérapeutiques.
« Ces applications ne sont pas simplement des versions plus rapides du même processus de découverte ; elles ouvrent la voie à une toute nouvelle façon de faire de la science », souligne le Dr Bose. Cela pourrait permettre de réduire l’attrition des programmes de recherche, non seulement en accélérant l’identification des cibles, mais aussi en améliorant les hypothèses biologiques qui guident la sélection des programmes.
Repenser les essais cliniques
Le développement clinique reste l’une des étapes les plus coûteuses et les plus risquées du développement de médicaments contre la maladie d’Alzheimer. Le numéro spécial suggère que l’IA pourrait apporter des améliorations significatives, et pas seulement des gains marginaux.
Un défi de longue date est l’identification des participants aux essais qui se trouvent au bon stade de progression de la maladie, ce que le Dr Bose appelle le « problème de la Boucle d’or ».
« L’apprentissage automatique aide à résoudre ce que les chercheurs appellent le « problème de la Boucle d’or » de la maladie d’Alzheimer : trouver des participants aux études qui se trouvent au bon stade de la maladie, ni trop tôt ni trop tard. »
Dr Niranjan Bose, directeur exécutif par intérim de l’Alzheimer’s Disease Data Initiative et directeur général de la stratégie santé et sciences de la vie chez Gates Ventures
En intégrant des données multimodales, les modèles d’IA peuvent mieux prédire l’évolution probable de la maladie chez chaque patient, permettant un recrutement plus précis, des cohortes d’essais plus petites et des résultats plus rapides sans compromettre la puissance statistique.
Les modèles de jumeaux numériques vont encore plus loin en simulant virtuellement les trajectoires de la maladie et les réponses aux traitements. Les chercheurs peuvent tester les modèles d’essais, les stratégies de dosage et les critères d’évaluation in silico avant de recruter des patients, réduisant ainsi les risques et améliorant la prise de décision.
Au-delà de l’efficacité, le Dr Bose souligne l’impact humain. Les conceptions d’essais basées sur l’IA peuvent réduire le fardeau des participants grâce à des études plus courtes, à moins de procédures invasives et à une surveillance à distance plus intelligente à l’aide de biomarqueurs numériques, ce qui peut améliorer le recrutement et la rétention dans ce domaine particulièrement difficile.
Complexité et éthique
La qualité et la diversité des données sous-jacentes sont essentielles à l’application efficace de l’IA dans la recherche sur la maladie d’Alzheimer. La maladie est biologiquement et cliniquement complexe, influencée par la génétique, le mode de vie, l’environnement et les comorbidités. Des ensembles de données limités risquent de produire des modèles biaisés avec une pertinence clinique limitée.
« Les chercheurs doivent examiner les données selon différentes modalités représentatives de toute la diversité des personnes touchées par la maladie », explique le Dr Bose. Cela inclut la génomique, la protéomique, l’imagerie, les biomarqueurs numériques, le mode de vie et les données cliniques longitudinales.
La protéomique revêt une importance particulière car les protéines reflètent l’état fonctionnel de la biologie et sont les cibles directes de la plupart des médicaments. Le Consortium mondial de protéomique en neurodégénérescence a construit ce qui est aujourd’hui le plus grand ensemble de données protéomiques spécifiques à une maladie au monde.
L’harmonisation des données entre cohortes et plateformes nécessite une standardisation et une infrastructure sécurisée. AD Workbench a été conçu pour relever ce défi en permettant aux chercheurs du monde entier de découvrir, d’accéder et d’analyser divers ensembles de données dans un seul environnement.
Le Dr Bose souligne la nécessité d’aborder les considérations éthiques à mesure que l’IA devient plus largement utilisée. La transparence et la confidentialité sont essentielles. Les modèles formés sur des données provenant de populations étroites peuvent produire des résultats biaisés. Il est donc nécessaire de garantir que les ensembles de données reflètent la diversité des personnes touchées par la maladie d’Alzheimer, à la fois pour la fiabilité scientifique et pour une application équitable.
« Une IA responsable commence par la représentation et la validation », dit-il. Les modèles formés sur des données provenant de populations étroites ou homogènes peuvent produire des résultats biaisés et fonctionner mal lorsqu’ils sont appliqués à une population de patients plus large.
La confidentialité reste une préoccupation majeure. Bose cite les cadres de partage de données fédérés et préservant la confidentialité comme preuve que la collaboration et la confidentialité ne s’excluent pas mutuellement.
L’IA, un collaborateur de recherche
Le Dr Bose envisage un avenir dans lequel l’IA jouerait un rôle plus actif dans le processus scientifique, devenant un véritable collaborateur de recherche.
« J’espère voir l’IA passer du statut d’outil de recherche à celui de collaborateur de recherche, comme des systèmes capables de raisonner, de concevoir des expériences et même de proposer de nouvelles hypothèses aux côtés des scientifiques. »
L’AD Data Initiative soutient un prix d’un million de dollars pour développer un agent d’IA pour la recherche sur la maladie d’Alzheimer, tandis que le Consortium C-BrAIn développe des assistants de recherche en IA axés sur les maladies neurodégénératives.
Le Dr Bose espère que ces efforts se traduiront par des résultats concrets pour la découverte de médicaments. « Sur le plan de la découverte, je prévois que nous verrons dans les prochaines années des médicaments et des diagnostics commencer à être développés sur la base des premiers biomarqueurs et cibles thérapeutiques identifiés par l’IA. »
Rencontrez l’expert
Dr Niranjan Bose
Niranjan Bose est actuellement directeur exécutif par intérim de l’Alzheimer’s Disease Data Initiative et directeur général (stratégie de la santé et des sciences de la vie) chez Gates Ventures LLC, où il est conseiller scientifique de M. Bill Gates. Avant de rejoindre Gates Ventures en août 2014, il était chef de cabinet du président du programme de santé mondiale de la Fondation Bill et Melinda Gates.
Il a travaillé à la Fondation Gates de 2007 à 2014, dont plusieurs années au sein de l’équipe stratégique du programme Maladies entériques et diarrhéiques, où il était responsable de la gestion d’un portefeuille d’investissements, notamment le développement clinique de vaccins entériques contre le rotavirus, le choléra, Escherichia coli entérotoxigène et la shigelle.
Niranjan est titulaire d’un doctorat en biochimie du Dartmouth College, d’une maîtrise en sciences biologiques et d’un baccalauréat en sciences pharmaceutiques du Birla Institute of Technology and Science, Pilani, Inde. Il a également reçu le diplôme Business Bridge de la Tuck School of Business de Dartmouth.
Sujets connexes
Intelligence artificielle,
Mégadonnées,
Bioinformatique,
Biomarqueurs,
Système Nerveux Central (SNC),
Essais cliniques,
Techniques informatiques,
Développement de médicaments,
Découverte de médicaments,
Processus de découverte de médicaments,
Cibles médicamenteuses,
Apprentissage automatique,
Recherche et développement,
Technologie,
Science translationnelle