Les derniers outils et les nouvelles technologies favorisent une recherche et un développement pharmaceutiques plus durables, ces techniques apportant leur valeur ajoutée aux multiples étapes de l’analyse pharmaceutique, dont la découverte de médicaments, la modification structurale, l’administration, la prédiction de la sensibilité et l’évaluation de la toxicité. De nombreuses études décrivent cette transformation de la recherche et du développement pharma, stimulés par l’intégration de l’intelligence artificielle (IA), des technologies multi-omiques et autres méthodes expérimentales avancées. Des innovations qui ont déjà considérablement transformé le paysage du développement des médicaments.
L’essor rapide de l’IA et de l’analyse du Big Data a déjà ouvert de nouvelles perspectives pour la recherche et le développement pharmaceutiques et ces technologies sont déjà exploitées à différentes étapes du développement des médicaments, permettant déjà de grandes économies de ressources et une mise sur le marché plus rapide.
L’impact de l’IA sur les délais de découverte et de mise sur le marché des médicaments
est décrit comme l’un des principaux moteurs de cette pharma plus durable. Le développement traditionnel de médicaments nécessite généralement 10 à 15 ans entre la découverte et la mise sur le marché, avec des coûts de préapprobation pouvant excéder les 2,5 milliards de dollars, pour certains. Les approches basées sur l’IA qui permettent un criblage plus rapide et moins coûteux des molécules et de leurs propriétés ont non seulement permis de réduire considérablement les délais mais aussi l’empreinte climatique de ces développements.
La génomique, la protéomique et la métabolomique apportent également leur écot à cette nouvelle économie pharma plus durable. Ces nouvelles disciplines et les technologies qui leur sont associées permettent de mieux comprendre les mécanismes et de mieux prédire les réponses thérapeutiques. Ce sont les outils indispensables d’une médecine de précision, elle-aussi à moindre impact pour la planète mais à impact optimal pour le patient.
Réduire les taux d’échec du développement de médicaments
Une innovation méthodologique intéressante réside en l’application d’une « fédération » de la recherche qui permet à plusieurs instituts de collaborer au développement de médicaments tout en préservant la confidentialité des données. Cette approche répond à l’un des principaux défis de la recherche pharmaceutique : la nécessité de disposer d’ensembles de données volumineux et diversifiés tout en protégeant la confidentialité des informations sensibles.
Au final, on estime que ces nouvelles technologies et méthodologies pourraient permettre de réduire les taux d’échec élevés du développement de médicaments : on estime ainsi aujourd’hui que
seuls 14 % des candidats aboutissent à une AMM.
La recherche pharmaceutique est donc en pleine transformation, elle-aussi. Autrefois basée sur une « science des essais et des erreurs » elle est en marche vers une approche plus précise, plus efficace, plus personnalisée et plus durable du développement de médicaments.
Biblio:
- Current Pharmaceutical Analysis Dec 2024 DOI:10.1016/j.cpan.2024.11.001 Advancing pharmaceutical research: A comprehensive review of cutting-edge tools and technologies
- Nature Reviews Drug Discovery June 2019 DOI : 10.1038/s41573-019-0024-5 Applications of machine learning in drug discovery and development
- Briefing in Bioinformatics September 2019 DOI : 10.1093/bib/bby061 Recent applications of deep learning and machine intelligence on in silico drug discovery: methods, tools and databases
- Biomarker Research 20 January 2017 DOI : 10.1186/s40364-017-0082-y Machine learning and systems genomics approaches for multi-omics data
- Journal of Health Economics 2016 DOI : 10.1016/j.jhealeco.2016.01.012 Innovation in the pharmaceutical industry: New estimates of R&D costs
Jeu de briques
Snake
Pacman
Bubble