{{{sourceTextContent.title}}}

LES UTILISATIONS DE L'INTELLIGENCE ARTIFICIELLE DANS L'INDUSTRIE DES SCIENCES DE LA VIE

{{{sourceTextContent.subTitle}}}

Trier la vie pour sauver les gens

{{{sourceTextContent.description}}}

La surcharge d'informations touche tous les secteurs d'activité. Prenons l'exemple de l'industrie des sciences de la vie. Les entreprises de biotechnologie doivent évaluer l'impact des organismes génétiquement modifiés (OGM) sur un écosystème et l'efficacité des microbes mangeurs de pétrole sur une marée noire. Les fabricants de dispositifs médicaux évaluent les risques de leurs dispositifs pour les patients, tandis que les organisations de recherche sous contrat (CRO) et les organisations de fabrication sous contrat (CMO) s'efforcent de soutenir leurs clients du secteur des sciences de la vie dans leurs projets.

Il n'est donc pas surprenant que l'industrie se tourne vers l'intelligence artificielle (IA) et tous ses sous-ensembles comme l'apprentissage machine (ML) pour obtenir de l'aide.

Qu'est-ce que l'industrie des sciences de la vie ?

L'industrie des sciences de la vie est composée d'entreprises qui font de la recherche, du développement et de la fabrication de biens et de services visant à améliorer la vie des organismes. Bien qu'il existe de nombreux domaines spécifiques (par exemple : la bioinformatique, les produits cosméceutiques, la transformation des aliments et les produits nutraceutiques), la plupart d'entre eux se répartissent en quatre grands secteurs :

Produits pharmaceutiques - création de médicaments, généralement à partir de produits chimiques et de procédés synthétiques.

Biotechnologie - utilisation d'organismes vivants tels que les microbes et les plantes pour développer des produits (exemple : le vin).

Dispositifs médicaux - traitement des affections médicales généralement au moyen d'un appareil, d'un instrument, d'un implant, d'une machine et même de certains logiciels.

CRO / CMO - soutiennent les différentes entreprises des sciences de la vie sous la forme de services externalisés.

Pharmaceutique : Produire des médicaments vitaux plus rapidement et à moindre coût

L'industrie pharmaceutique, en résumé, c'est :

Rechercher et trier des données pour trouver d'éventuels nouveaux médicaments (découverte de médicaments).

Déterminer les effets des nouveaux médicaments potentiels sur le corps humain virtuellement par DL avant de les tester sur des volontaires.

Trouver les meilleurs candidats pour les essais cliniques.

Le développement et la mise sur le marché de nouveaux médicaments est un processus lent et coûteux qui comporte un risque élevé d'échec. L'IA est utilisée pour accélérer le processus en toute sécurité, à moindre coût et avec de meilleures chances de réussite.

Biotechnologie : Maîtriser les risques

De nombreuses utilisations de l'IA dans le secteur pharmaceutique peuvent être appliquées aux sciences de la vie dans le domaine de la biotechnologie. Les deux principales différences sont toutefois les suivantes :

La biotechnologie englobe beaucoup plus d'industries comme l'agriculture, l'élevage, l'industrie, etc. En voici quelques exemples :

La fabrication d'insuline humaine par des bactéries génétiquement modifiées.

L'élevage d'animaux modifiés par CRISPR afin de fournir des organes pour traiter des maladies humaines telles que le diabète et l'insuffisance cardiaque.

Création de cultures résistantes aux maladies.

Modification des vaches pour qu'elles produisent plus de lait.

Créer de nouveaux vins et de nouvelles bières en modifiant leurs sources (vignes et bactéries respectivement)

Développement de biocarburants à partir de cultures telles que le soja.

La seconde est la source de la biotechnologie. En raison de l'utilisation d'êtres vivants, on craint davantage que la technologie ne devienne incontrôlable. Les microbes génétiquement modifiés pourraient muter et produire des effets indésirables, par exemple. Il en va de même pour les OGM. On espère que l'intelligence artificielle permettra de minimiser ces risques grâce à l'analyse intensive des registres de reproduction animale et aux tests virtuels des conceptions moléculaires.

Dispositifs médicaux : Gestion des données

Les appareils médicaux d'aujourd'hui génèrent de grandes quantités de données. Les appareils à rayons X et les dispositifs similaires tels que les tomodensitogrammes peuvent prendre des images internes très détaillées pour permettre aux radiologues d'établir un diagnostic. Les systèmes de surveillance des unités de soins intensifs des hôpitaux peuvent assurer une surveillance 24 heures sur 24 et 7 jours sur 7 des patients souffrant de maladies graves. Enfin, les dispositifs portables actuels permettent aux patients de surveiller leur état sur une tablette médicale depuis leur domicile, ou au personnel médical de le faire à des kilomètres de là, dans une clinique.

Le traitement de toutes ces données réduirait considérablement le temps que les cliniciens consacrent aux patients, qui est déjà limité. Les fabricants d'appareils médicaux se tournent donc vers l'IA pour les aider. Ces systèmes avancés pourraient aider à surveiller et à administrer la bonne quantité d'insuline aux diabétiques, par exemple. Ou aider les radiologues à trouver des tumeurs parmi les nombreuses radiographies d'un patient.

Les fabricants se tournent également vers l'IA pour accélérer le temps de développement, réduire les coûts et améliorer le taux d'approbation, à l'instar des entreprises pharmaceutiques et biotechnologiques. C'est ce que souligne Todd Morley, directeur de la science des données chez Medtronic, lors d'un entretien avec Medical Design & Outsourcing : "nous prévoyons une application généralisée de l'IA à la fabrication, y compris au sein de notre chaîne d'approvisionnement. Les ingénieurs industriels appliquent des méthodes statistiques à la fabrication depuis des décennies. Cependant, la convergence de capteurs omniprésents et peu coûteux, de ressources informatiques abondantes et de méthodes d'IA puissantes et très précises, telles que l'apprentissage profond et la modélisation graphique, crée de nouveaux cas d'affaires pour l'IA dans la fabrication."

CRO / CMO / CDMO : Fournir de l'aide

Johnson & Johnson, Novo Nordisk et Abbott sont des géants dans leur secteur (respectivement pharmaceutique, biotechnologique et fabrication de dispositifs médicaux). Malgré cela, même ces entreprises ont des limites dans le développement et la fabrication de leurs nombreux produits.

C'est là qu'interviennent les organisations de recherche sous contrat (CRO) et les organisations de fabrication sous contrat (CMO). Ces entreprises aident leurs clients à tester, affiner et commercialiser leurs produits, qu'il s'agisse de nouveaux médicaments, de produits biotechnologiques ou de dispositifs médicaux. Les ORC fournissent des services de recherche et de développement, tandis que les CMO - sans surprise - se concentrent sur la fabrication. Celles qui font les deux sont appelées organisations de développement et de fabrication sous contrat (CDMO).

Toutes ces organisations contractuelles utilisent l'IA de la même manière que les grandes entreprises. L'ORC CellChorus a été la première à utiliser l'IA pour l'analyse de cellules uniques, tandis que l'ORC twoXAR utilise l'IA pour la découverte de médicaments. La manière dont ces entreprises utilisent leurs ressources et leur technologie varie en fonction de leurs clients et même de l'industrie. Andrew Henderson, directeur commercial de Sterling Pharma Solutions, une CDMO, résume le rôle des CMO et des CDMO : "Les petites biotechs ou les biotechs virtuelles s'appuient presque entièrement sur l'externalisation dans toutes les disciplines ; les entreprises pharmaceutiques de taille moyenne investissent dans des activités essentielles en interne, telles que la R&D et la commercialisation, mais pas dans la fabrication ; et les grandes entreprises pharmaceutiques externalisent stratégiquement la fabrication afin d'utiliser leurs actifs de manière efficace."

Conclusion

L'intelligence artificielle joue un rôle considérable dans l'amélioration de nombreux secteurs. Cela inclut le vaste domaine des sciences de la vie, dans lequel la plupart des entreprises sont engagées dans quatre groupes : pharmaceutique, biotechnologie, fabrication de dispositifs médicaux et organisations contractuelles. En raison des énormes quantités de données qui arrivent, beaucoup ajoutent l'IA, la ML et plus encore pour aider à l'exploration des données et à la simplification des processus de fabrication.

Contactez un expert de Cybernet si vous souhaitez en savoir plus sur l'intégration de l'IA dans votre entreprise de sciences de la vie.