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

L’intelligence artificielle (IA) a récemment fait couler beaucoup d’encre, avec des chatbots comme ChatGPT d’OpenAI, Bard de Google et Grok d’Elon Musk qui gagnent beaucoup d’adhésion. Cependant, l’IA n’est pas aussi nouvelle que ces chatbots ; en réalité, l’intérêt pour l’IA remonte à plusieurs décennies, en 1950, lorsque le scientifique Alan Turing a proposé un test d’intelligence des machines appelé le 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 », où un interrogateur humain tenterait de distinguer entre la réponse texte d’un ordinateur et celle d’un humain.

Depuis lors, les progrès technologiques ont conduit à des systèmes d’IA plus sophistiqués qui ont été utilisés dans différents domaines, y compris la santé ainsi que 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

En termes généraux, les systèmes d’IA raisonnent, apprennent et exécutent des tâches généralement associées aux fonctions cognitives humaines, telles que l’identification de motifs 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 une variété de fonctions avancées. Pilier de l’innovation en informatique moderne, l’IA englobe différentes disciplines, notamment :

• Analyse de données
• Ingénierie du matériel et des logiciels
• Linguistique
• Neurosciences
• Psychologie

Ces modèles d’IA qui simulent les processus cognitifs et aident dans des tâches cognitives complexes telles que la traduction linguistique et la reconnaissance d’images sont basés sur des réseaux neuronaux biologiques, qui sont des systèmes complexes de neurones interconnectés et aident à « entraîner » les machines à comprendre la parole, les images et les motifs.

Le cerveau humain, à la fois complexe et intelligent, représente un défi pour les scientifiques qui cherchent à débloquer des possibilités d’augmentation humaine. Cependant, bien que l’IA ait été utilisée pour créer des assistants tels que Siri d’Apple, Alexa d’Amazon et Watson d’IBM, l’impact véritablement transformateur ne sera atteint que lorsque les réseaux neuronaux artificiels seront augmentés par l’intelligence native humaine, résultat de siècles d’évolution.

Bien que les ordinateurs ne puissent toujours pas égaler la flexibilité totale des humains, il existe des programmes qui parviennent à exécuter des tâches spécifiques, l’étendue des applications de l’IA s’élargissant chaque jour. Ce progrès technologique, associé aux avancées scientifiques, a 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 multiples sources pour aider les prestataires de soins, l’IA contribue à obtenir une image complète de la santé d’un patient pour une prédiction plus précise et à prendre des décisions plus éclairées concernant les soins. Cela aide également à détecter les problèmes de santé potentiels plus tôt, avant qu’ils ne deviennent potentiellement mortels. De plus, en utilisant l’IA, les prestataires de soins peuvent automatiser les tâches routinières, leur permettant de se concentrer sur des soins aux patients plus complexes.

Cliquez ici pour découvrir comment diverses technologies permettent le prochain niveau de l’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 en apprentissage automatique et en apprentissage profond, sont devenus plus sophistiqués, cela a engendré une intersection des deux domaines. Cette 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, domaine axé sur le système nerveux et le cerveau, est particulièrement évidente dans le domaine de l’analyse de données. Aujourd’hui, l’IA permet aux scientifiques et aux chercheurs de cartographier les régions cérébrales avec une précision inégalée. Cela a été rendu possible grâce aux avancées technologiques de l’IA qui permettent la classification de motifs complexes de données cérébrales puis l’établissement de corrélations. Cette collaboration a également ouvert la voie aux chercheurs pour mieux comprendre les voies neuronales.

Grâce à l’IA, le diagnostic médical pourrait être amélioré en augmentant la précision, la rapidité et l’efficacité du processus de diagnostic. Les études d’imagerie cérébrale alimentées par l’IA ont détecté des changements subtils dans les structures cérébrales qui apparaissent avant que leurs symptômes cliniques ne soient connus, offrant un potentiel énorme pour la détection précoce et l’intervention, ce qui pourrait révolutionner 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 d’individus atteints du trouble du déficit de l’attention avec 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.

Le trouble, qui devient de plus en plus répandu en raison de l’omniprésence des smartphones, peut avoir un impact considérable sur la qualité de vie du patient, les enfants atteints de TDAH ayant tendance à avoir des difficultés d’attention et de régulation de l’activité. Ici, le diagnostic précoce et l’intervention sont essentiels pour le gérer, mais le TDAH, comme l’a déclaré le co‑auteur de l’étude Justin Huynh :

« Il est extrêmement difficile à diagnostiquer. »

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

Comme nous l’avons vu, en alimentant les algorithmes avec d’énormes ensembles de données liées aux scans cérébraux et aux antécédents des patients, ils peuvent distinguer des marqueurs subtils qui ne seraient pas perceptibles pour les humains. Cela augmente la précision du diagnostic, entraînant 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 associer à l’IA pour simuler le cerveau, constitue également un moyen de combler le fossé entre l’IA et l’intelligence humaine. Déjà, de nombreuses avancées ont été réalisées dans les interfaces cerveau-ordinateur (BCI) par des entreprises comme Neuralink. Les BCI connectent directement le cerveau à des dispositifs externes, permettant aux personnes handicapées de contrôler des prothèses et d’interagir avec le monde simplement par la pensée, démontrant leur potentiel pour de nombreuses applications scientifiques et pratiques.

Cette fusion de l’intelligence humaine et de l’IA peut finalement créer des « super‑humains », mais elle nécessite des modèles informatiques qui intègrent le traitement visuel et du langage naturel, tout comme le cerveau humain, pour une communication globale. Dans ce contexte, les assistants virtuels peuvent gérer des tâches simples comme complexes, mais les machines doivent apprendre à comprendre des contextes plus riches afin d’acquérir des compétences de communication semblables 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 les affections ou les maladies en analysant les symptômes, les antécédents médicaux et les résultats d’examens. Son objectif est d’utiliser des tests tels que les examens d’imagerie, les analyses sanguines, etc., pour déterminer la cause d’un problème médical et établir un diagnostic précis afin de fournir un traitement efficace. De plus, le diagnostic peut être utilisé pour suivre l’évolution d’une affection et évaluer l’efficacité du traitement.

Le potentiel de l’IA dans le traitement est très convaincant. L’intelligence artificielle peut fournir une analyse des caractéristiques du cerveau d’une personne ainsi que de son historique médical, de sa génétique, de ses données de mode de vie et d’autres facteurs, sur la base desquels elle peut offrir une médecine personnalisée. Ainsi, l’IA promet des plans de traitement sur mesure qui tiennent compte des particularités uniques du cerveau de chaque patient.

En identifiant des motifs uniques et impartiaux dans les données, l’IA peut potentiellement 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 a récemment utilisé l’IA pour prédire la méthode optimale pour synthétiser des molécules médicamenteuses. Cette méthode, selon l’auteur principal de l’article David Nippa, a le potentiel de réduire le nombre d’expériences en laboratoire « de manière significative », ce qui « augmente à la fois l’efficacité et la durabilité de la synthèse chimique ».

Le modèle d’IA a été entraîné sur des données provenant d’études scientifiques fiables et d’expériences d’un laboratoire automatisé et peut prédire avec succès la position de la borylation pour 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 de nouvelles variantes plus efficaces des ingrédients actifs connus plus rapidement.

Principales entreprises pharmaceutiques qui intègrent l’IA

Voyons maintenant quelques-unes des sociétés cotées du secteur médical qui utilisent cette technologie.

1. Novartis (NVS) 

Ce géant pharmaceutique investit dans l’IA pour l’analyse de données biomédicales ainsi que pour la découverte et le développement de médicaments. Avec une capitalisation boursière de 223,48 milliards de dollars, les actions de Novartis se négocient actuellement à 98,27 $, en hausse de 8,17 % cette année. Le chiffre d’affaires de la société 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 %. Par ailleurs, le rendement du dividende est de 3,57 %.

L’entreprise a intégré l’IA dans l’ensemble de ses opérations, notamment en analysant d’énormes ensembles de données couvrant les dossiers de santé publics, les données de prescriptions, les données internes et les réclamations d’assurance médicale afin d’identifier les patients potentiels pour les essais cliniques et optimiser la conception de ces essais. L’utilisation de l’outil d’IA a rendu l’inscription des patients aux essais plus rapide, moins coûteuse et plus efficace, selon Novartis.

2. Pfizer (PFE)

Cette société biopharmaceutique axée sur la recherche possède une capitalisation boursière de 163,238 milliards de dollars et ses actions se négocient actuellement à 28,97 $, en baisse de 43,58 % cette année. Le chiffre d’affaires de la société 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 %. Par ailleurs, le rendement du dividende est de 5,67 %.

Pfizer (PFE ) montre un grand intérêt pour l’exploitation de l’IA afin d’améliorer ses efforts de découverte de médicaments. La société s’est associée à de nombreuses entreprises d’IA, telles que CytoReason, Tempus, Gero et Truveta. Par ailleurs, 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 possède également une solution d’auto‑contourage de tumeurs cérébrales alimentée par l’IA et approuvée par la FDA, appelée VBrain.

En plus de créer un centre de recherche en apprentissage automatique pour développer de nouveaux modèles prédictifs et outils, Pfizer s’est également associé à l’un des plus grands fournisseurs de cloud, Amazon Web Services, pour utiliser 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 possède une capitalisation boursière de 200,8 milliards de dollars, et ses actions se négocient actuellement à 64,86 $, en baisse de 4,44 % cette année. Le chiffre d’affaires de la société sur les douze derniers mois (TTM) s’élève à 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 %. Par ailleurs, le rendement du dividende est de 2,22 %.

Le fabricant de médicaments anglo‑suédois investit dans l’IA pour analyser des données biologiques complexes en vue de la découverte de médicaments et collabore avec des entreprises d’IA pour renforcer leurs capacités de recherche. Plus récemment, AstraZeneca (AZN ) a signé un accord d’une valeur pouvant atteindre 247 millions de dollars avec la société de découverte de médicaments biologiques basée sur l’IA Absci afin de concevoir un anticorps contre le cancer. L’entreprise de biotechnologie utilise l’IA générative pour obtenir les candidats médicaments optimaux en fonction de critères tels que l’affinité, la fabricabilité et la sécurité, entre autres.

Le mois dernier, AstraZeneca a créé une unité de santé et technologie baptisée Evinova pour accélérer l’innovation et introduire l’IA dans les essais cliniques. La société a également obtenu un accès précoce aux « jumeaux numériques » pilotés par l’IA et a signé un pacte de découverte de médicaments alimenté par l’IA avec Verge Genomics via sa division des maladies rares, Alexion.

4. BenevolentAI SA (BAI.AS)

Cette société de découverte et de développement de médicaments habilitée par l’IA possède une capitalisation boursière de 86,45 milliards de dollars, et ses actions se négocient actuellement à 0,545 $, en baisse de 84,43 % cette année. Le BPA (TTM) de la société est de 0,75, et le PER (TTM) est de 0,72.

BenevolentAI est une société en phase clinique qui vise à traiter la dermatite atopique ainsi que des traitements potentiels pour les maladies chroniques et le cancer. Elle utilise des algorithmes prédictifs d’IA 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 de la trésorerie nette afin d’accroître sa flexibilité financière.

La société a établi des partenariats avec d’autres grands groupes pharmaceutiques tels que GSK et Novartis, tandis que sa collaboration avec AstraZeneca vise à développer des médicaments contre la fibrose et les maladies rénales chroniques. Il y a quelques mois, BenevolentAI a également conclu un partenariat avec Merck KGaA (MRK.DE ) pour exploiter son expertise en oncologie et neuroinflammation et soutenir les projets de découverte de médicaments pilotés par l’IA de la société en se concentrant sur la recherche de candidats moléculaires petits et viables.

Réflexions finales

Comme nous l’avons vu, l’IA possède un potentiel immense pour améliorer le diagnostic et le traitement des maladies cérébrales. Elle peut même aider à prédire les troubles du cerveau à partir de légères déviations de l’activité cérébrale normale, conduisant à de meilleurs résultats pour les patients et à un système de santé plus efficace et efficient. Cependant, il convient de noter que cette intersection de l’IA et du cerveau humain n’est pas dépourvue de préoccupations éthiques et nécessite donc des garanties strictes en matière de confidentialité.