La société de biotechnologie Muna Therapeutics, basée à Louvain et à Copenhague ,découvre et développe des thérapies qui ralentissent ou arrêtent les maladies neurodégénératives dévastatrices, notamment les maladies d’Alzheimer et de Parkinson.
Sa PDG, Rita Balice-Gordon, s’est entretenue avec Anne-Marie Demoucelle sur le rôle important que joue l’intelligence artificielle (IA) dans la recherche scientifique, en particulier dans le domaine de la maladie de Parkinson.
Nous remercions le Dr Balice-Gordon pour le temps qu’elle nous a accordé et les informations qu’elle nous a fournies.
——–
*** Quelle est la place de l’IA dans la recherche et la pratique clinique d’aujourd’hui ?
L’IA est omniprésente et nous l’utilisons parfois sans nous en rendre compte.
En milieu clinique, elle est utilisée, par exemple, pour analyser la chimie du sang, les schémas respiratoires et les électrocardiogrammes afin d’aider à prédire le diagnostic et la progression de la maladie. Même des appareils courants comme nos téléphones et nos montres peuvent désormais générer des informations détaillées sur les mouvements, la démarche, la longueur de la foulée, la vitesse et l’équilibre – toutes ces données sont analysées par l’IA, souvent en temps réel.
Dans le domaine de la recherche – je prendrai l’exemple de Muna Therapeutics parce que je pense que nous sommes assez représentatifs – nous utilisons l’IA pour analyser le tissu cérébral humain d’une manière qui était impossible il y a seulement quelques années. Nous examinons des centaines de milliers de cellules, chacune exprimant différemment des dizaines de milliers de gènes. Ce serait comme essayer de trouver une molécule d’eau dans un lac – les ensembles de données sont tout simplement trop vastes pour qu’un individu puisse les analyser. L’IA nous aide à regrouper les cellules en différents types et à analyser simultanément plusieurs voies génétiques, révélant ainsi des schémas que les cerveaux humains ne peuvent pas voir indépendamment.
*** Pouvez-vous nous en dire plus sur la plateforme innovante MiND-MAP de Muna et sur son utilisation ?
L’un des défis de la découverte de médicaments est de traduire les résultats obtenus, sur des cellules et des animaux en laboratoire, en termes d’efficacité chez les patients. Nous avons développé notre plateforme MiND-MAP pour relever ce défi. Nous l’avons d’abord utilisée pour la maladie d’Alzheimer et l’avons récemment étendue à la maladie de Parkinson.
Nous analysons les cerveaux de patients décédés pour comprendre comment les cellules réagissent à la pathologie de la maladie – par exemple, dans le cas de la maladie de Parkinson, comment les cellules réagissent à l’alpha-synucléine et à d’autres pathologies. Nous étudions à la fois les cellules affectées et celles qui ne présentent pas encore de signes de maladie.
Ce qui rend notre approche unique, c’est que nous conservons les informations géographiques sur la localisation des cellules dans le cerveau. Les techniques traditionnelles consistent souvent à analyser toutes les cellules ensemble, ce qui fait perdre les informations spatiales cruciales sur les différentes régions du cerveau. Notre plateforme préserve cette relation spatiale tout en analysant l’expression des gènes, ce qui nous permet de comprendre ce qui se passe dans des parties spécifiques du cerveau où les neurones dégénèrent, comme la substantia nigra, le striatum et le cortex. Cela nous donne une vision beaucoup plus riche de la progression de la maladie et des cibles thérapeutiques potentielles.
*** Comment les chercheurs utilisent-ils l’IA pour combler le fossé entre les résultats obtenus en laboratoire et les maladies humaines ?
Nous commençons par analyser le cerveau humain pour obtenir des informations initiales. Nous utilisons ensuite des outils basés sur l’IA pour analyser de vastes ensembles de données et en tirer de nouvelles conclusions. Celles-ci sont ensuite testées sur des cellules humaines cultivées en boîte, où nous pouvons manipuler les gènes pour comprendre leur fonction. Lorsque cela est possible, nous validons les résultats sur des modèles animaux. À chaque étape, des outils d’IA nous aident à analyser les résultats et à affiner nos hypothèses. Nous nous posons constamment la question suivante : « Est-ce la même chose ou est-ce différent que chez l’homme ? » Cette approche intégrée contribue à augmenter nos chances de découvrir des traitements efficaces.
*** L’IA a-t-elle considérablement accéléré les délais de recherche ?
Absolument. Par exemple, une analyse spatiale de l’expression des gènes dans la maladie de Parkinson, qui n’aurait même pas pu être réalisée il y a dix ans et qui aurait pris deux ans il y a seulement cinq ans, ne prend plus qu’une fraction de ce temps. Ce qui aurait pris des mois à des armées de personnes pour l’analyser peut maintenant être réalisé en quelques clics sur un ordinateur.
Lorsque j’étais étudiante, nous séquencions les gènes à l’aide de gels gigantesques qui prenaient toute la nuit. Aujourd’hui, on peut séquencer un gène dans une machine en quelques minutes ou une demi-heure. Mais lorsque l’on peut recueillir des tonnes de données, il faut se poser la question suivante : « Comment vais-je les analyser ? « Comment vais-je les analyser et qu’est-ce que je vais en faire ? » L’IA et l’apprentissage automatique peuvent vous aider à identifier des tendances et des modèles dans de grands ensembles de données qu’un cerveau individuel ne peut pas saisir seul. Ces tendances et ces modèles peuvent être utilisés pour générer des hypothèses qui peuvent ensuite être testées dans des cellules animales, dans des modèles animaux, dans des cellules humaines, afin d’accélérer le rythme de la découverte de médicaments.
*** Au-delà de la recherche, comment l’IA contribue-t-elle au développement des médicaments ?
L’IA révolutionne plusieurs étapes du développement. Nous utilisons des outils d’IA pour prédire les structures des protéines, identifier les cibles potentielles des médicaments et même pour rédiger des documents réglementaires et des demandes d’essais cliniques. Un document réglementaire qui aurait pris des mois à rédiger peut maintenant être généré en quelques semaines grâce à des outils d’IA. À chaque étape, nous utilisons l’IA et l’apprentissage automatique pour accélérer notre travail et améliorer nos chances de réussite.
*** Y a-t-il des limites à ce que l’IA peut faire dans la recherche sur la maladie de Parkinson ?
Oui, il y a des limites importantes. Si l’IA accélère de nombreux aspects de la recherche, elle ne peut pas raccourcir la durée réelle des essais cliniques – nous avons toujours besoin de temps pour traiter les patients et évaluer les résultats. D’un autre côté, les outils d’IA peuvent être utilisés pour prédire la population de patients susceptibles d’en bénéficier, ce qui permet d’obtenir une population d’essais plus homogène et d’augmenter les chances de succès. Nous sommes sur le point de réaliser le plein impact de l’IA, de l’idée à l’armoire à pharmacie, mais nous n’y sommes pas encore tout à fait.
*** Quelles sont les idées fausses les plus répandues sur l’IA dans la recherche médicale ?
L’une des principales idées fausses est que l’IA est impartiale – en réalité, ses résultats dépendent entièrement de la qualité des données d’entrée. Une autre idée fausse est que l’IA remplacera le jugement humain, alors qu’il n’y a pas de substitut à l’expertise et à la prise de décision humaine. Les gens pensent aussi parfois que l’IA est infaillible, alors qu’elle peut faire des erreurs et qu’elle en fait.
*** L’IA pourrait-elle réduire le besoin d’expertise humaine en sciences et en médecine ?
Je ne pense pas du tout que l’IA représente le plus grand risque pour le personnel scientifique et clinique. En fait, elle rend la science, la recherche clinique et la découverte de médicaments beaucoup plus passionnantes et attrayantes parce que vous pouvez obtenir de nouvelles connaissances plus rapidement et que celles-ci peuvent être développées pour avoir un impact plus rapidement. Je pense que l’IA permettra, et a déjà permis, une meilleure prise de décision au niveau de la recherche, de la découverte et du développement de médicaments, ainsi qu’au niveau du traitement clinique.
Les véritables défis se situent ailleurs : la société apprécie moins la science et les scientifiques et la pratique de la médecine a changé en raison de l’infrastructure et de facteurs économiques. Ces problèmes, plutôt que l’IA, font qu’il est plus difficile d’attirer des personnes talentueuses dans ce domaine. Nous observons des tendances inquiétantes où les admissions et les candidatures sont en baisse pour les carrières médicales et scientifiques. C’est un problème que nous devons résoudre en tant que société, mais ce n’est pas un reflet de l’IA – il s’agit plutôt d’un rebond anti-science post-COVID dont nous devons nous préoccuper.
*** Quel est l’objectif ultime de l’IA dans la recherche sur la maladie de Parkinson ?
Notre objectif est que ces outils deviennent plus puissants et omniprésents, ce qui nous permettra d’apprendre plus rapidement, de diagnostiquer les patients plus tôt et de développer des médicaments plus rapidement pour aider les patients à un stade précoce de la maladie. S’ils accélèrent de nombreux aspects de la chaîne de découverte, de la biologie à la médecine, ils se traduiront, presque par définition, par un plus grand nombre de tirs au but. Plus de tirs au but signifie plus de buts marqués – l’IA aura absolument un impact sur l’augmentation de nos chances de succès.