Comment l’IA et l’apprentissage automatique peuvent améliorer la qualité dans le secteur biopharmaceutique

L’intelligence artificielle (IA) et l’apprentissage machine (ML) sont facilement confondus, mais il est essentiel de reconnaître la différence fondamentale qui les sépare. L’IA fait référence à des produits pré-intégrés qui identifient des modèles basés sur le comportement humain autour de

reconnaissance et la prise de décision, puis utilisent ces modèles pour permettre aux plateformes assistées par l’IA de répondre aux questions, de fournir des informations pertinentes ou d’effectuer les tâches demandées. Le ML, quant à lui, utilise des algorithmes mathématiques pour prédire des activités ou des résultats sur la base de données. Le ML est un sous-ensemble de l’IA, ce qui signifie que si tous les ML dérivent de l’IA, toute l’IA n’est pas basée sur le ML.¹

L’industrie pharmaceutique a trouvé des applications pour les deux. La capacité du ML à analyser rapidement de grandes quantités de données a grandement contribué à l’identification des maladies, ce qui a permis d’accélérer les diagnostics et d’améliorer les résultats pour sauver des vies. L’IA, quant à elle, est en train de devenir une véritable force dans la découverte et la fabrication de médicaments. Elle augmente la productivité, l’efficacité et la vitesse de production, permettant aux entreprises pharmaceutiques de lancer des produits plus rapidement et à moindre coût.²

Ce changement radical en cours aura des répercussions bien au-delà de la mise au point et de l’administration de médicaments. L’impact sur de nombreuses industries et la valeur marchande de la technologie elle-même ne feront qu’augmenter. Le marché mondial des logiciels basés sur l’IA devrait atteindre 126 milliards de dollars d’ici 2025, contre 10,1 milliards de dollars en 2018. Les principaux moteurs et défis de l’industrie pharmaceutique, outre le développement de nouveaux médicaments, consistent à répondre aux attentes croissantes des clients, à s’attaquer aux maladies incurables et à naviguer dans des droits de propriété intellectuelle plus complexes.²

Si le développement rapide de l’IA et de la ML implique une escalade des coûts, les dirigeants tournés vers l’avenir et soucieux du marché reconnaissent que les avantages de l’analyse prédictive basée sur l’IA/ML, tels qu’une plus grande précision, une plus grande exactitude et une meilleure compréhension, l’emportent sur les dépenses initiales.

Le coût total de la recherche, des essais, du perfectionnement et de la validation d’un seul concept de médicament peut atteindre 2 milliards de dollars. Cependant, en rendant les médicaments plus efficaces plus tôt dans le processus de développement, les chances de succès augmentent tout en réduisant les coûts associés aux essais cliniques. Cette réduction des essais et des erreurs se traduit par une approbation plus rapide de la FDA et, en fin de compte, par une diminution des frais de recherche et de développement.²

Les processus traditionnels d’essais cliniques se heurtent à des limites telles que la fragmentation des données et des systèmes dans des formats multiples, la transcription manuelle extensive des données, la répétition d’éléments de données essentiellement identiques et la complexité de l’intégration de données provenant de nouvelles sources. Les défis liés aux patients comprennent le recrutement et l’enrôlement, le suivi de l’adhésion et de la rétention, ainsi que la diversité des participants aux essais cliniques.³

L’IA et d’autres technologies innovantes qui recueillent, traitent et analysent des données provenant de sources multiples peuvent conduire à des traitements plus précis et plus ciblés. Ces technologies ont également le potentiel de faire évoluer l’écosystème des soins de santé du statu quo vers un écosystème plus personnalisé, prédictif, préventif et participatif. Ces changements auront un impact significatif sur les résultats des patients au cours de la prochaine décennie, en particulier dans les régions, les communautés et les populations de patients mal desservies.⁴

Les avantages de l’utilisation de l’IA et de la ML dans les essais cliniques comprennent les impacts positifs de la collecte des données de l’essai, l’amélioration du flux d’informations par voie numérique et l’utilisation de dispositifs portables de grande puissance pour améliorer le recrutement des participants. La surveillance à distance augmente la commodité et stimule la rétention, tandis que les algorithmes suivent et prédisent les comportements des patients, permettant des interactions plus significatives. Les essais menés de manière efficace permettent de réduire les délais et les coûts, car l’automatisation intelligente diminue la nécessité de retravailler le traitement des données des essais cliniques. En outre, les technologies d’IA et de ML permettent aux organisations de réutiliser les données existantes, éliminant ainsi la nécessité de développer de « nouvelles » bases de données pour chaque essai.³

La vitesse à laquelle l’IA traite les données dépasse de loin les capacités humaines, comme le montre le partenariat entre Pfizer et IBM sur Watson Drug Discovery. Au lieu qu’un chercheur humain examine jusqu’à 300 articles par an, Watson peut examiner plus de 25 millions de résumés d’articles Medline et 1 million d’articles de revues médicales. Ce processus très accéléré permet aux chercheurs d’identifier plus tôt les perspectives prometteuses, ce qui conduit à l’introduction de nouveaux médicaments et traitements sur le marché à un rythme plus rapide.⁵ L’utilisation par les universités de la modélisation et de la simulation pilotées par l’IA dans la recherche et la découverte de médicaments a déjà commencé et devrait augmenter de manière significative d’ici 2030.⁴

L’industrie pharmaceutique a depuis longtemps adopté des outils et des technologies innovants pour garantir la sécurité et l’efficacité des médicaments délivrés aux consommateurs. La récente pandémie a mis en évidence l’urgence constante de développer des vaccins, et l’utilisation de technologies et d’outils numériques a permis au secteur pharmaceutique de franchir des étapes importantes dans ce domaine, et bien d’autres encore.²

L’IA et la ML ont joué un rôle central dans la modernisation de l’industrie et la production de résultats impactants. Au cours des cinq dernières années, ces technologies innovantes ont révolutionné le développement de nouveaux médicaments, traitements de maladies et thérapies. Leur puissance, leur vitesse, leur agilité et leur utilité ne feront qu’augmenter. Selon un récent rapport de Verdict, 70 % des entreprises interrogées reconnaissent l’importance de l’IA pour leur survie et leur croissance, et cette importance est particulièrement significative pour l’industrie pharmaceutique, une industrie dans laquelle l’innovation joue un rôle plus profond que dans la plupart des autres. L’IA/ML s’est révélée être un catalyseur inestimable pour la recherche et le développement de nouveaux produits pharmaceutiques, et son influence persistera et s’accroîtra pendant de nombreuses années.

L’utilisation de l’IA et de la ML dans le développement de médicaments présente des avantages significatifs en termes de coûts. Malgré la rapidité du développement et l’escalade des coûts associés à la recherche et aux essais, la capacité de l’analyse prédictive pilotée par l’IA/ML à atteindre une plus grande précision, une plus grande exactitude et une meilleure compréhension l’emporte largement sur les coûts initiaux. L’intégration des technologies d’IA/ML peut rendre les médicaments plus efficaces dès le stade du développement, augmentant ainsi les chances de succès et réduisant les coûts des essais cliniques. Des solutions viables peuvent être mises sur le marché plus rapidement et les dépenses de recherche et développement réduites.

En outre, l’IA et la ML ont le potentiel de remédier aux limites des essais cliniques et d’améliorer les résultats pour les patients, en particulier pour les groupes de patients qui ont longtemps eu besoin d’améliorations et les attendaient. En outre, la rapidité et l’efficacité de l’IA permettent d’identifier les produits les plus prometteurs, ce qui accélère l’introduction de nouveaux médicaments et traitements auprès des prestataires de soins, des patients, des soignants et des familles. L’adoption continue de l’IA et de la ML façonnera sans aucun doute l’avenir de l’industrie pharmaceutique encore plus loin qu’elle ne l’a déjà fait, conduisant à une efficacité encore plus grande, à de meilleurs soins pour les patients et à des économies pour toutes les parties prenantes.

Informations sur l’auteur

Bryan Abney, MS, est vice-président chargé de l’assurance qualité et de la conformité au sein du groupe Syner-G Biopharma.

Références

1. Rosenberger S. Growth of artificial intelligence in pharma manufacturing. Genetic Engineering and Biotechnology News. 12 janvier 2023. Consulté le 21 août 2023. https://www.genengnews.com/artificial-intelligence/growth-of-artificial-intelligence-in-pharma-manufacturing/
2. Reddy SS. Comment l’IA et la ML génèrent de la valeur pour les acteurs pharmaceutiques mondiaux. Journal of mHealth. 9 août 2021. Consulté le 21 août 2023. https://thejournalofmhealth.com/how-ai-and-ml-is-driving-value-for-global-pharma-players/
3. Lingler N, Karia S. Utiliser l’IA pour accélérer les essais cliniques. Deloitte. 24 février 2022. Consulté le 21 août 2023. https://www2.deloitte.com/us/en/blog/health-care-blog/2022/using-ai-to-accelerate-clinical-trials.html
4. Kudumala A. Découvrez comment l’IA transforme l’industrie pharmaceutique, de la molécule au marché. Deloitte. https://www2.deloitte.com/us/en/pages/life-sciences-and-health-care/articles/ai-in-pharma-and-life-sciences.html
5. Académie des services pharmaceutiques appliqués. L’IA jouera-t-elle un rôle important dans les carrières d’assurance et de contrôle de la qualité ? 14 novembre 2017. Consulté le 21 août 2023. https://www.aaps.ca/blog/will-ai-play-an-important-role-in-quality-assurance-and-quality-control-careers