La synergie croissante de l’IA et des neurosciences dans le décodage du cerveau humain

L'intelligence artificielle (IA) fait beaucoup parler d'elle ces derniers temps, avec des chatbots comme ChatGPT d'OpenAI, Bard de Google et Grok d'Elon Musk qui gagnent en popularité. Cependant, l'IA n'est pas aussi nouvelle que ces chatbots ; l'intérêt pour l'IA remonte à plusieurs décennies, en 1950, lorsque le scientifique Alan Turing a proposé un test d'intelligence artificielle appelé « Jeu d'imitation » dans son article « Computer Machinery and Intelligence ».

« Les machines peuvent-elles penser ? » demande Turing dans son article, proposant un « test de Turing », dans lequel un interrogateur humain essaierait de faire la distinction entre une réponse informatique et une réponse textuelle humaine. 

Depuis lors, les progrès technologiques ont conduit à des systèmes d’IA plus sophistiqués qui ont été utilisés dans différents domaines, notamment les soins de santé et la compréhension et le traitement de l’organe humain le plus complexe, le cerveau. 

Cliquez ici pour tout savoir sur les puces cérébrales IA.

L’avancement de l’IA et des neurosciences

D’une manière générale, les systèmes d’IA raisonnent, apprennent et exécutent des tâches communément associées aux fonctions cognitives humaines, telles que l’identification de modèles et l’interprétation de la parole en traitant d’énormes quantités de données.

L’IA est essentiellement un ensemble de technologies qui permettent aux ordinateurs d’exécuter diverses fonctions avancées. Épine dorsale de l’innovation dans l’informatique moderne, l’IA englobe différentes disciplines, notamment :

• Data analytics
• Ingénierie matérielle et logicielle
• Linguistique
• Neuroscience
• Psychologie

Ces modèles d'IA qui simulent les processus cognitifs et aident à des tâches cognitives complexes telles que la traduction du langage et la reconnaissance d'images sont basés sur des réseaux neuronaux biologiques, qui sont des systèmes complexes de neurones interconnectés et aident à « former » les machines à donner un sens à la parole, aux images et aux modèles.

Le cerveau humain, complexe et intelligent, représente un défi pour les scientifiques qui cherchent à exploiter les possibilités d'augmentation humaine. Cependant, si l'IA a été exploitée pour créer des systèmes comme Siri d'Apple, Alexa d'Amazon et Watson d'IBM, son impact véritablement transformateur ne sera atteint que lorsque les réseaux de neurones artificiels seront augmentés par l'intelligence humaine native, fruit de siècles de survie.

Bien que les ordinateurs ne puissent toujours pas égaler la flexibilité humaine, certains programmes parviennent à exécuter des tâches spécifiques, et le champ d'application de l'IA s'élargit chaque jour. Ces progrès technologiques, associés aux avancées scientifiques, ont notamment conduit à l'utilisation de l'IA dans le diagnostic et le traitement médicaux.

En analysant de grandes quantités de données patients provenant de sources multiples pour aider les professionnels de santé, l'IA permet d'obtenir une vision complète de l'état de santé d'un patient, ce qui permet des prédictions plus précises et des décisions plus éclairées concernant les soins. Cela permet également de détecter plus tôt les problèmes de santé potentiels, avant qu'ils ne mettent potentiellement la vie en danger. De plus, grâce à l'IA, les professionnels de santé peuvent automatiser les tâches courantes et se concentrer sur les soins plus complexes.

Cliquez ici pour découvrir comment diverses technologies permettent le prochain niveau d’évolution humaine. 

Le rôle de l'IA dans une meilleure compréhension du cerveau humain

Des recherches révolutionnaires en neurosciences ont conduit au développement de techniques avancées d’imagerie cérébrale, notamment :

• Électroencéphalographie (EEG)
• Imagerie par résonance magnétique fonctionnelle (IRMf)

Parallèlement, à mesure que les algorithmes d’IA, en particulier dans l’apprentissage automatique et l’apprentissage profond, sont devenus plus sophistiqués, cela a abouti à une intersection des deux domaines. Une telle synchronisation permet aux scientifiques d’analyser et de comprendre les données cérébrales à une échelle sans précédent.

L’intersection de l’IA et des neurosciences, le domaine axé sur le système nerveux et le cerveau, est particulièrement évidente dans le domaine de l’analyse des données. Actuellement, l’IA permet aux scientifiques et aux chercheurs de cartographier les régions du cerveau avec une précision sans précédent. Cela a été rendu possible grâce aux progrès technologiques de l’IA qui permettent de classer des modèles complexes de données cérébrales et d’établir ensuite des corrélations. Cette collaboration a également ouvert la voie aux chercheurs pour mieux comprendre les voies neuronales.  

Avec l’aide de l’IA, les diagnostics médicaux pourraient être améliorés en améliorant la précision des prédictions, la rapidité et l’efficacité du processus de diagnostic. Des études d'images cérébrales basées sur l'IA ont révélé des changements subtils dans les structures cérébrales qui apparaissent avant que leurs symptômes cliniques ne soient connus, ce qui présente un énorme potentiel de détection et d'intervention précoces, révolutionnant potentiellement notre approche des troubles neurodégénératifs.

Par exemple, à la fin du mois dernier, des chercheurs ont exploité l’IA pour analyser des IRM cérébrales spécialisées des personnes souffrant d’un trouble déficitaire de l’attention/hyperactivité (TDAH). Le TDAH est un trouble courant, avec environ 5.7 millions d'enfants et d'adolescents âgés de 6 à 17 ans diagnostiqués aux États-Unis. 

Ce trouble, de plus en plus répandu en raison de l'arrivée massive des smartphones, peut avoir un impact considérable sur la qualité de vie des patients, car les enfants atteints de TDAH ont tendance à avoir des difficultés d'attention et de régulation de leurs activités. Un diagnostic et une intervention précoces sont essentiels à sa prise en charge, mais le TDAH, comme l'a déclaré Justin Huynh, co-auteur de l'étude :

"C'est extrêmement difficile à diagnostiquer."

L’étude a utilisé les valeurs d’anisotropie fractionnaire (FA) comme entrée pour former un modèle d’IA d’apprentissage profond afin de diagnostiquer le TDAH « dans un cadre de diagnostic quantitatif et objectif ». 

Comme nous l’avons vu, en alimentant des quantités massives d’ensembles de données liées aux scintigraphies cérébrales et aux antécédents des patients, les algorithmes peuvent distinguer des marqueurs subtils qui pourraient ne pas être possibles pour les humains. Ceci, à son tour, augmente la précision du diagnostic, ce qui entraîne des interventions plus précoces et de meilleurs résultats pour les patients. 

Étudier les nouvelles technologies d’imagerie cérébrale pour comprendre les secrets de la science du cerveau, puis les relier à l’IA pour simuler le cerveau est également un moyen de combler le fossé entre l’IA et l’intelligence humaine. De nombreuses avancées ont déjà été réalisées dans le domaine des interfaces cerveau-ordinateur (BCI) grâce à des sociétés comme Neuralink. BCI connecte le cerveau directement à des appareils externes, permettant aux personnes handicapées de contrôler leurs prothèses et d'interagir avec le monde simplement par la pensée, démontrant ainsi leur potentiel pour de nombreuses applications scientifiques et pratiques.

Cette fusion de l'intelligence humaine et de l'IA peut à terme créer des « surhumains », mais nécessite des modèles informatiques intégrant le traitement visuel et le langage naturel, à l'instar du cerveau humain, pour une communication complète. Dans ce contexte, les assistants virtuels peuvent gérer des tâches simples comme complexes, mais les machines doivent apprendre à comprendre des contextes plus riches pour acquérir des compétences de communication comparables à celles des humains.

Le rôle croissant de l'IA dans le traitement du cerveau humain

Dans le domaine de la santé, le diagnostic consiste à évaluer des conditions médicales ou des maladies en analysant les symptômes, les antécédents médicaux et les résultats de tests. Son objectif est d'utiliser des tests tels que des tests d'imagerie, des analyses de sang, etc. pour déterminer la cause d'un problème médical et poser un diagnostic précis afin de fournir un traitement efficace. De plus, les diagnostics peuvent être utilisés pour suivre l’évolution d’une maladie et évaluer l’efficacité du traitement.

Le potentiel thérapeutique de l'IA est très prometteur. L'intelligence artificielle peut analyser les caractéristiques cérébrales d'une personne, ainsi que ses antécédents médicaux, sa génétique, son mode de vie et d'autres facteurs, pour proposer une médecine personnalisée. Ainsi, l'IA promet des plans de traitement sur mesure, prenant en compte les spécificités cérébrales de chaque patient. 

En identifiant des modèles uniques et impartiaux dans les données, l’IA peut potentiellement également découvrir de nouveaux biomarqueurs ou méthodes d’intervention. Les systèmes basés sur l'IA sont plus rapides et plus efficaces que les processus manuels et réduisent considérablement les erreurs humaines.

Une équipe de chercheurs ra récemment utilisé l'IA pour prédire La méthode optimale de synthèse de molécules médicamenteuses. Selon David Nippa, auteur principal de l'article, cette méthode pourrait réduire « considérablement » le nombre d'expériences de laboratoire nécessaires, augmentant ainsi l'efficacité et la durabilité de la synthèse chimique. 

Le modèle d'IA a été formé sur la base de données provenant de travaux scientifiques et d'expériences fiables provenant d'un laboratoire automatisé et peut prédire avec succès la position de borylation de n'importe quelle molécule et fournir les conditions optimales pour la transformation chimique. Déjà utilisé pour identifier les positions dans les ingrédients actifs existants où des groupes actifs supplémentaires peuvent être introduits, ce modèle aidera à développer plus rapidement de nouvelles variantes plus efficaces d'ingrédients actifs médicamenteux connus.

Les principales sociétés pharmaceutiques s’efforcent d’intégrer l’IA

Examinons maintenant quelques-unes des sociétés cotées en bourse du secteur médical qui utilisent cette technologie.

1. Novartis (NVS) 

Ce géant pharmaceutique investit dans l'IA pour l'analyse des données biomédicales et la découverte et le développement de médicaments. Avec une capitalisation boursière de 223.48 milliards de dollars, l'action Novartis s'échange actuellement à 98.27 dollars, en hausse de 8.17 % cette année. Le chiffre d'affaires de l'entreprise sur les douze derniers mois (TTM) s'élève à 47.88 milliards de dollars, avec un BPA (TTM) de 3.59, un PER (TTM) de 27.30 et un ROE (TTM) de 14.94 %. Le rendement du dividende s'établit quant à lui à 3.57 %.

La société a intégré l’IA dans toutes ses opérations, notamment en analysant de vastes ensembles de données couvrant les dossiers de santé publique, les données de prescription, les données internes et les réclamations d’assurance médicale afin d’identifier les patients potentiels pour les essais cliniques afin d’optimiser la conception des essais cliniques. L'utilisation de l'outil d'IA a rendu le recrutement des patients dans les essais plus rapide, moins coûteux et plus efficace, selon Novartis.

2. Pfizer (PFE)

Cette société biopharmaceutique de recherche affiche une capitalisation boursière de 163.238 milliards de dollars et son action s'échange actuellement à 28.97 dollars, en baisse de 43.58 % cette année. Son chiffre d'affaires sur les douze derniers mois (TTM) s'élève à 68.53 milliards de dollars, avec un BPA (TTM) de 1.82, un PER (TTM) de 15.88 et un ROE (TTM) de 11.05 %. Le rendement du dividende s'établit quant à lui à 5.67 %.

Pfizer a montré beaucoup d'intérêt à tirer parti de l'IA pour renforcer ses efforts de découverte de médicaments. La société s'est associée à de nombreuses sociétés d'IA, telles que CytoReason, Tempus, Gero et Truveta. Parallèlement, pour améliorer ses essais cliniques en oncologie, Pfizer a signé un accord de partage de données avec la société d'IA en oncologie Vysioneer, qui dispose également d'une solution d'auto-contournement des tumeurs cérébrales alimentée par l'IA et approuvée par la FDA, appelée VBrain.

Outre la création d'un pôle de recherche en ML pour créer de nouveaux modèles et outils prédictifs, Pfizer s'est également associé à l'un des plus grands fournisseurs de cloud d'Amazon Web Services pour exploiter le cloud computing dans la découverte et la fabrication de médicaments. Ce partenariat s'est avéré particulièrement précieux « pendant la pandémie de COVID-19… dans divers aspects du développement du vaccin, de la fabrication aux essais cliniques ».

3. AstraZeneca (AZN)

Cette société biopharmaceutique affiche une capitalisation boursière de 200.8 milliards de dollars et son action s'échange actuellement à 64.86 dollars, en baisse de 4.44 % cette année. Son chiffre d'affaires sur les douze derniers mois (TTM) a atteint près de 45 milliards de dollars, avec un BPA (TTM) de 1.89, un PER (TTM) de 34.29 et un ROE (TTM) de 16.30 %. Le rendement du dividende s'est établi à 2.22 %.

Le fabricant pharmaceutique anglo-suédois a investi dans l’IA pour analyser des données biologiques complexes en vue de la découverte de médicaments et a collaboré avec des sociétés d’IA pour améliorer leurs capacités de recherche. Plus récemment, AstraZeneca a signé un accord d'une valeur pouvant atteindre 247 millions de dollars avec Absci, société de découverte de médicaments biologiques basée sur l'IA, pour concevoir un anticorps destiné à lutter contre le cancer. La société de produits biologiques utilise l’IA générative pour obtenir des candidats médicaments optimaux en fonction de caractéristiques telles que l’affinité, la fabricabilité et la sécurité, entre autres. 

Le mois dernier, AstraZeneca a créé une unité de technologie de la santé baptisée Evinova afin d'accélérer l'innovation et d'intégrer l'IA aux essais cliniques. L'entreprise a également obtenu un accès anticipé aux jumeaux numériques basés sur l'IA et a signé un accord de découverte de médicaments utilisant l'IA avec Verge Genomics, par l'intermédiaire de sa division maladies rares. Alexion.

4. BenevolentAI SA (BAI.AS)

Cette société de découverte et de développement de médicaments basée sur l'IA affiche une capitalisation boursière de 86.45 milliards de dollars et son action s'échange actuellement à 0.545 dollar, en baisse de 84.43 % cette année. Son BPA (sur les 0.75 derniers mois) est de 0.72 et son PER (sur les XNUMX derniers mois) de XNUMX. 

BenevolentAI est une société au stade clinique qui vise à traiter la dermatite atopique ainsi que des traitements potentiels contre les maladies chroniques et le cancer. Il utilise des algorithmes d’IA prédictifs pour analyser et extraire les informations nécessaires à partir des données disponibles et de la littérature scientifique. En mai de cette année, dans le cadre d'un plan stratégique visant à se positionner pour une nouvelle ère de l'IA, la société a annoncé qu'elle réduirait ses dépenses et libérerait des liquidités nettes pour accroître sa flexibilité financière.

L'entreprise a établi des partenariats avec d'autres grands groupes pharmaceutiques tels que GSK et Novartis, et collabore avec AstraZeneca pour développer des médicaments contre la fibrose et l'insuffisance rénale chronique. Il y a quelques mois, BenevolentAI s'est également associée à Merck KGaA afin de tirer parti de son expertise en oncologie et en neuroinflammation et de soutenir les projets de découverte de médicaments basés sur l'IA de l'entreprise en se concentrant sur la recherche de petites molécules candidates viables.

Réflexions finales

Comme nous l’avons vu, l’IA a un vaste potentiel pour améliorer le diagnostic et le traitement des maladies cérébrales. Cela peut même aider à prédire les troubles cérébraux sur la base d’écarts mineurs par rapport à l’activité cérébrale normale, conduisant ainsi à de meilleurs résultats pour les patients et à un système de santé plus efficient et efficace. Il convient toutefois de noter que cette intersection de l’IA et du cerveau humain n’est pas sans poser de problèmes éthiques et exige donc de strictes garanties de confidentialité.