Entreprise de biotechnologie Muna Therapeutics découvre et met au point des traitements permettant de ralentir ou d'enrayer des maladies neurodégénératives dévastatrices, notamment la maladie d'Alzheimer et la maladie de Parkinson.
Basée à Basée à Louvain et à Copenhague, cette organisation est dirigée par sa PDG, Rita Balice-Gordon, qui s'est entretenue avec Anne-Marie Demoucelle au sujet du rôle important que joue l'intelligence artificielle (IA) dans la recherche scientifique, en particulier dans le domaine de la maladie de Parkinson.
Merci à Mme Balice-Gordon pour le temps qu'elle nous a consacré et pour ses réflexions.
*** Dans quelle mesure l'IA est-elle répandue dans la recherche et la pratique clinique actuelles ?
L'IA est omniprésente, et nous l'utilisons parfois sans même nous en rendre compte.
En milieu clinique, elle est notamment utilisée pour analyser les paramètres biochimiques sanguins, les schémas respiratoires et les électrocardiogrammes afin de faciliter l'établissement d'un diagnostic et de prévoir l'évolution de la maladie. Même des appareils courants comme nos téléphones et nos montres sont désormais capables de générer des informations détaillées sur les mouvements, la démarche, la longueur de 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 vais prendre l’exemple de Muna Therapeutics, car je pense que nous sommes assez représentatifs —, nous utilisons l’IA pour analyser des tissus cérébraux humains d’une manière qui était impossible il y a encore 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 seule molécule d’eau dans un lac : les ensembles de données sont tout simplement trop vastes pour qu’un individu puisse les analyser seul. L’IA nous aide à regrouper les cellules en différents types et à analyser simultanément plusieurs voies génétiques, révélant ainsi des schémas que le cerveau humain ne peut pas percevoir à lui seul.
*** Pourriez-vous nous en dire plus sur la plateforme innovante MiND-MAP de Muna et sur la manière dont elle est utilisée ?
L'un des défis de la recherche pharmaceutique consiste à transposer les résultats obtenus in vitro sur des cellules et des animaux de laboratoire en une efficacité chez les patients. Nous avons développé notre plateforme MiND-MAP pour relever ce défi. Nous l'avons d'abord utilisée dans le cadre de la maladie d'Alzheimer, puis nous l'avons récemment étendue à la maladie de Parkinson.
Nous analysons les cerveaux de patients décédés afin de 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 touchées et celles qui ne présentent pas encore de signes de la maladie.
Ce qui rend notre approche unique, c’est que nous conservons les informations géographiques relatives à la localisation des cellules dans le cerveau. Les techniques traditionnelles consistent souvent à analyser toutes les cellules ensemble, ce qui entraîne la perte d’informations spatiales cruciales concernant les différentes régions cérébrales. Notre plateforme préserve cette relation spatiale tout en analysant l’expression génique, ce qui nous permet de comprendre ce qui se passe dans des zones spécifiques du cerveau où les neurones se dégénèrent, telles que la substance noire, le striatum et le cortex. Cela nous apporte des informations bien plus riches sur la progression de la maladie et les cibles thérapeutiques potentielles.
*** Comment les chercheurs utilisent-ils l'IA pour faire le lien entre les résultats obtenus en laboratoire et les maladies humaines ?
Nous commençons par analyser le cerveau humain afin d’obtenir des premières pistes de réflexion. Nous utilisons ensuite des outils basés sur l’IA pour analyser de vastes ensembles de données et en tirer de nouvelles informations. Celles-ci sont ensuite testées sur des cellules humaines cultivées en laboratoire, où nous pouvons manipuler les gènes pour comprendre leur fonction. Dans la mesure du possible, nous validons ensuite ces résultats sur des modèles animaux. À chaque étape, les outils d’IA nous aident à analyser les résultats et à affiner nos hypothèses. Nous nous posons constamment la question suivante : “ Est-ce identique ou différent de ce qui se passe chez l’être humain ? ” Cette approche intégrée nous aide à augmenter nos chances de découvrir des traitements efficaces.
*** L'IA a-t-elle considérablement accéléré les délais de recherche ?
Tout à fait. Par exemple, une analyse spatiale de l’expression génique dans la maladie de Parkinson, qui était encore impossible il y a dix ans et qui aurait pu prendre deux ans à réaliser il y a seulement cinq ans, ne prend désormais qu’une fraction de ce temps. Ce qui aurait nécessité des mois de travail à une armée de personnes peut désormais être réalisé en quelques clics sur un ordinateur.
Quand j’étais étudiant, nous séquencions des gènes à l’aide de gels gigantesques dont l’analyse prenait toute la nuit. Aujourd’hui, il est possible de séquencer un gène dans un appareil en quelques minutes à une demi-heure seulement. Mais lorsque l’on peut collecter des quantités considérables de données, on est amené à se poser la question suivante : “ Comment vais-je les analyser et que vais-je en faire ? ” L’IA et l’apprentissage automatique peuvent aider à identifier des tendances et des schémas dans de grands ensembles de données qu’un cerveau humain ne peut appréhender à lui seul. Ces tendances et ces schémas peuvent servir à formuler des hypothèses qui seront ensuite testées sur des cellules animales, des modèles animaux ou des cellules humaines, afin d’accélérer le rythme de la découverte de médicaments.
*** Au-delà de la recherche, de quelles autres manières l'IA contribue-t-elle au développement de médicaments ?
L'IA révolutionne plusieurs étapes du développement. Nous utilisons des outils d’IA pour prédire les structures protéiques, identifier des cibles thérapeutiques potentielles, et même rédiger des documents réglementaires et des demandes d’essais cliniques. Un document réglementaire dont la rédaction aurait pu prendre des mois peut désormais être généré en quelques semaines à l’aide d’outils d’IA. À chaque étape, nous utilisons l’IA et l’apprentissage automatique pour accélérer notre travail et augmenter nos chances de réussite.
*** Y a-t-il des limites à ce que l'IA peut apporter à la recherche sur la maladie de Parkinson ?
Oui, il existe des limites importantes. Si l’IA accélère de nombreux aspects de la recherche, elle ne peut pas réduire la durée effective des essais cliniques : nous avons toujours besoin de temps pour traiter les patients et évaluer les résultats. En revanche, les outils d’IA peuvent servir à identifier la population de patients susceptible d’en bénéficier, ce qui permet d’obtenir une population d’essai plus homogène et d’augmenter les chances de réussite. Nous sommes sur le point de prendre pleinement conscience de l’impact de l’IA, de l’idée initiale à l’armoire à pharmacie, mais nous n’en sommes pas encore tout à fait là.
*** Quelles sont les idées reçues les plus courantes concernant l'IA dans la recherche médicale ?
Une idée fausse très répandue 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'en réalité, rien ne peut se substituer à l'expertise humaine et à la prise de décision humaine. On pense aussi parfois que l'IA est infaillible, mais elle peut commettre des erreurs, et c'est d'ailleurs le cas.
*** L'intelligence artificielle pourrait-elle réduire le recours à l'expertise humaine dans les domaines des sciences et de la médecine ?
Je ne pense absolument pas que l’IA représente le plus grand risque pour les professionnels des domaines scientifique et clinique. En réalité, elle rend la science, la recherche clinique et la découverte de médicaments bien plus passionnantes et captivantes, car elle permet d’obtenir plus rapidement de nouvelles connaissances qui peuvent ensuite être exploitées pour avoir un impact plus rapide. Je suis convaincu 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 des traitements cliniques.
Les véritables défis se situent ailleurs : on observe actuellement une moindre reconnaissance de la science et des scientifiques par la société, et la pratique de la médecine a évolué en raison de facteurs infrastructurels et économiques. Ce sont ces enjeux, et non l’IA, qui rendent plus difficile le recrutement de talents dans ce domaine. Nous observons des tendances inquiétantes, avec une baisse des admissions et des candidatures aux filières médicales et scientifiques. C’est un problème auquel nous devons nous attaquer en tant que société, mais cela n’est pas imputable à l’IA : c’est plutôt un retour en force de l’antiscience post-COVID dont nous devons nous préoccuper.
*** À l'avenir, 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, afin de nous permettre d’apprendre plus rapidement, de diagnostiquer les patients plus tôt et de développer plus vite des médicaments pour aider les patients dès les premiers stades de la maladie. Si cela accélère de nombreux aspects de la chaîne de découverte, de la biologie à la médecine, cela se traduira, presque par définition, par davantage d’occasions de marquer. Et qui dit plus de tentatives, dit plus de buts marqués : l’IA aura sans aucun doute un impact positif sur l’augmentation de nos chances de réussite.
