Utilisations de l'IA, du cloud computing et des ordinateurs quantiques dans l'industrie pharmaceutique

Comment les compagnies pharmaceutiques se tournent vers les ordinateurs pour mettre de nouveaux médicaments sur le marché rapidement et à moindre coût.

Les sociétés pharmaceutiques sont toujours à la recherche de moyens d'accélérer les processus de développement et d'approbation des médicaments et de réduire les dépenses. La R&D pour chaque nouveau médicament peut coûter entre près de 1 milliard de dollars et plus de 2 milliards de dollars. Cela n'inclut pas les essais cliniques mandatés par la FDA. Ceux-ci peuvent coûter entre 7 et 19 millions de dollars dans la phase 2 et sauter par-dessus 52 millions de dollars dans la phase 3. (Il y a quatre phases.)

Pire encore, seuls 12 à 13 % des nouveaux médicaments naviguent en moyenne sur l'ensemble du processus de 10 à 15 ans pour arriver sur les tablettes du marché.

Voici trois façons – toutes technologiques – que les sociétés pharmaceutiques cherchent à réduire ce prix.

Intelligence artificielle : trier les données pour trouver des solutions

Les compagnies pharmaceutiques produisent d'énormes quantités d'informations. Celles-ci peuvent aller de la composition d'une molécule particulière aux résultats de l'enquête menée par les volontaires de l'essai.

Une grande partie de ces informations est stockée brute dans des bases de données telles que des lacs de données. Aucun être humain ne peut trier et analyser toutes ces informations en un temps raisonnable. Les entreprises se tournent donc vers l'intelligence artificielle (IA) pour rechercher et trier toutes ces données.

Trouver de nouveaux médicaments (ou les possibilités d'un) en tête de liste. L'IA, par exemple, devrait comprendre comment une molécule spécifique fonctionne pour produire un résultat particulier dans un médicament. Aucun programme spécifique pour atteindre la solution n'est fourni ; au lieu de cela, la machine elle-même devrait en créer une par elle-même. Les chercheurs peuvent ensuite utiliser les algorithmes nouvellement générés pour créer de nouveaux médicaments similaires et avoir confiance en leurs effets.

Les IA aident également à déterminer les effets de ces médicaments potentiels avant de les tester sur des êtres vivants. Comment cela fonctionne est un programme avec une capacité d'apprentissage en profondeur (DL) examinerait un million d'images de cellules pour apprendre les différentes parties. Il appliquerait ensuite les connaissances pour discerner les différences entre les cellules normales, saines et anormales. Cette information pourrait être utile pour déterminer les effets d'un nouveau médicament dans la lutte contre les cellules cancéreuses.

Une autre façon d'utiliser les IA est d'aider aux essais cliniques les plus importants. Ils peuvent trier les données des patients obtenues à partir d'un DME et de sources similaires pour les bénévoles les plus qualifiés. Cela peut augmenter considérablement le succès des essais tout au long des quatre phases. Des études ont montré que sans cette assistance, environ 80 % des essais échouent parce que les entreprises n'ont pas pu trouver les bons candidats pour respecter les délais des essais.

La gestion des maladies chroniques jusqu'à la prévision de la prochaine épidémie est également envisagée pour ces applications avancées.

Cloud Computing : gestion des données pour les solutions

Les lacs de données mentionnés précédemment peuvent être construits et stockés à l'aide du cloud computing. Cela offre plusieurs avantages :

Les sociétés pharmaceutiques évitent le besoin d'un réseau interne coûteux et d'un service informatique pour sa gestion. Cela comprend du matériel et des logiciels coûteux qui peuvent rapidement devenir obsolètes.

Mettez à l'échelle les opérations comme vous le souhaitez. Besoin de plus de stockage pour héberger un nouvel algorithme d'IA ? Informez simplement le fournisseur de cloud. Vous avez besoin d'encore plus d'espace ainsi que de puissance de calcul pour exécuter les programmes d'apprentissage automatique et en profondeur de l'IA ? Encore une fois, contactez le fournisseur. Les fournisseurs de cloud hyperscale Amazon, Google et Microsoft ne sont que quelques-unes des entreprises disposant de réseaux suffisamment vastes pour gérer les opérations de nombreuses grandes sociétés pharmaceutiques.

Répartissez les tâches à l'échelle mondiale. Les employés peuvent travailler en collaboration depuis leur domicile ou d'autres endroits éloignés, ce qui est devenu vital pendant la pandémie de COVID-19 de 2020 et les confinements qui ont suivi. Les partenaires tels que les petites entreprises de biotechnologie, les groupes universitaires et même les sociétés pharmaceutiques rivales pourront se connecter 24 heures sur 24 et 7 jours sur 7 avec leur panel PC médical pour travailler sur des objectifs communs avec des coûts minimes. Une coopération comme celle-ci réduit à la fois les coûts et le temps de développement et d'approbation des médicaments.

Informatique quantique : appliquer la physique à la chimie des médicaments

Comme indiqué précédemment, les sociétés pharmaceutiques génèrent d'énormes quantités d'informations. La découverte, l'analyse, les tests et le traitement de médicaments mettent à rude épreuve même les meilleurs supercalculateurs d'aujourd'hui. En réponse, les sociétés pharmaceutiques espèrent que l'informatique quantique sera la percée dont elles auront besoin pour faire face à ce goulot d'étranglement.

Les ordinateurs quantiques sont envisagés pour aider de deux manières distinctes, mais liées.

Les superordinateurs d'aujourd'hui peuvent prendre des mois, voire des années, pour effectuer les calculs nécessaires de toutes les interactions moléculaires d'un médicament comme l'aspirine. Les ordinateurs quantiques, en revanche, prendraient quelques secondes. Cela réduirait considérablement le temps et l'argent consacrés à la recherche de nouvelles molécules médicamenteuses pour les produits commerciaux.

La seconde est la façon dont ces médicaments interagissent avec le corps humain. Ordinateurs quantiques

pourrait potentiellement calculer tous les effets possibles d'un nouveau médicament sur le corps humain. Pour ce faire, ils utilisent des modèles in silico (humains virtuels) hébergés dans leurs algorithmes. Cela pourrait réduire ou même éliminer à jamais les essais sur l'homme.