Jeffrey Snyder du Broadcast Retirement Network discute de l’utilisation de l’intelligence artificielle dans la création d’un nouveau médicament avec le scientifique en biotechnologie Andrew R. Snyder, PhD.
Jeffrey Snyder, Réseau de retraite de radiodiffusion
Je suis maintenant accompagné du Dr Andrew Snyder. Il est chercheur, développeur et scientifique en matière de médicaments et, je dois l’avouer, il est aussi mon frère. Dr Snyder, Andy, c’est un plaisir de vous voir ce matin.
Andrew R. Snyder, PhD., scientifique en biotechnologie débutant
C’est un plaisir d’être de retour parmi vous, Jeff.
Jeffrey Snyder, Réseau de retraite de radiodiffusion
Oui, c’est toujours un plaisir de discuter avec vous. Avant d’aborder l’intelligence artificielle et le processus de développement de médicaments, je souhaite examiner l’investissement et l’innovation. Comment ça va ?
Voyez-vous vos relations sur le terrain, voyez-vous plus d’investissements maintenant que la dernière fois que vous étiez dans l’émission ?
Andrew R. Snyder, PhD., scientifique en biotechnologie débutant
Peut-être progressivement. Je pense qu’il y a quelques petites fissures. La dernière fois que nous avons parlé des fenêtres d’introduction en bourse, elles s’ouvrent peut-être un peu.
Il y a certainement beaucoup de nouvelles importantes sur le front des fusions et acquisitions, et toutes cela se répercuteront sur le paysage de l’innovation. Je pense que nous voyons des signes positifs dans notre environnement.
Jeffrey Snyder, Réseau de retraite de radiodiffusion
Brillant. C’est une excellente nouvelle. Je pense que c’est formidable pour les patients.
C’est formidable pour nous tous, car nous avons besoin de ces innovations pour continuer à vivre plus longtemps, plus heureux et en meilleure santé. Très bien, Andy, parlons d’abord du processus traditionnel de développement de médicaments. Cela prend beaucoup de temps.
Pouvez-vous nous donner quelques grandes lignes de ce à quoi cela ressemble du début à la fin ?
Andrew R. Snyder, PhD., scientifique en biotechnologie débutant
Ouais, c’est un bon point de départ, Jeff. Mon expérience est généralement nouvelle, donc il y a de nouveaux objectifs, peut-être une modalité existante, mais quelque chose de nouveau. Ils diront simplement que ce sont des chiffres approximatifs, mais cela leur donnera une échelle de temps.
Vous direz que mettre un médicament sur le marché coûte 2 milliards de dollars et vous direz que cela prend 10 à 15 ans. Ce sont les coûts associés à la mise en œuvre d’une nouvelle modalité. Il y a de nombreux obstacles sur le chemin.
Une solution difficile consiste à prendre une nouvelle cible académique et à comprendre si c’est une bonne cible ou non, à rechercher dans cette cible peut-être une petite molécule qui la module, puis à la développer de manière préclinique pour qu’elle fonctionne sur des modèles animaux. C’est la phase préclinique, et c’est là que je passe tout mon temps, mais c’est vraiment là que l’on investit le moins. C’est à ce moment-là que vous entrez dans la clinique où vous réalisez des études de grande valeur et coûteuses sur des patients, parfois pour la première fois avec une nouvelle modalité ou avec un nouvel objectif.
Jeffrey Snyder, Réseau de retraite de radiodiffusion
Je suppose que nous appellerions cela des essais cliniques. Vous testez le médicament pour voir s’il s’agit d’un processus, et vous le testez pour vous assurer qu’il fonctionne réellement et qu’il fait ce qu’il doit faire et s’il y a des changements en cours de route. Maintenant, parlons d’intelligence artificielle car vous lisez la même chose que moi, mais vous regardez les informations.
L’IA vient d’être répandue partout, du secteur manufacturier aux services financiers. De nombreuses personnes utilisent JETGPT. Nous ne faisons pas cela sur ce réseau, mais comment l’intelligence artificielle peut-elle aider à éliminer certains des goulots d’étranglement dont vous parliez ?
Peut-être que cela pourrait réellement contribuer à accélérer ce processus de 10 à 15 ans dont vous parliez ?
Andrew R. Snyder, PhD., scientifique en biotechnologie débutant
Jeff, c’est l’espoir. Nous voyons l’IA imprégner toutes les phases du processus de découverte de médicaments. Laissez-moi vous donner quelques exemples concrets de ce que je vois lorsque je lis l’actualité, lorsque je discute avec des gens de mon domaine et lorsque je regarde vers l’avenir.
Je pense, vous savez, parlons d’abord du côté découverte. Bien. Il existe donc des outils appelés AlphaFold, qui aident à prédire la structure des protéines.
Et cela pourrait avoir pour effet de donner aux chimistes et autres développeurs de médicaments une chance meilleure et plus rapide de trouver la bonne molécule maintenant qu’ils peuvent avoir une structure 3D entre leurs mains. De la même manière, il existe même ces approches monumentales pour avoir des laboratoires autonomes qui non seulement fonctionnent de manière autonome, vous savez, en déplaçant des plaques dans le laboratoire, mais, je cite, pensent par eux-mêmes et testent leurs propres hypothèses, n’est-ce pas ? Il y a donc des entreprises comme Lila Biosciences ici dans la région de Boston qui sont véritablement pionnières dans cette approche.
Je pense que je regardais juste, vous savez, ils appellent ça la superintelligence de laboratoire. Et ils essaient vraiment de stimuler l’innovation. Et laissez-moi vous donner un troisième exemple de ce qui se passe du côté de la cible initiale.
Il existe une société appelée Tahoe en Californie qui travaille sur ces ensembles de données sur les perturbations unicellulaires. Ils traitent des cellules et tentent de comprendre les interactions entre différentes molécules et différentes protéines. Et ils finissent par rendre publique une grande partie de ces données, mais ils les utilisent également pour obtenir des informations clés sur les cibles des médicaments, n’est-ce pas ?
Ils essaient donc de trouver des liens entre les données qui pourraient leur donner une meilleure cible que celle qu’ils auraient normalement trouvée.
Jeffrey Snyder, Réseau de retraite de radiodiffusion
Donc, vous savez, vous avez généralement fait, je dirais que j’appellerais cela le travail de tranchée qui consiste à tester. Le futur Dr Andrew Snyder est-il à la fois scientifique des données et chercheur ? Vous êtes donc en train de changer.
Quelqu’un dans votre domaine adopte actuellement cette technologie et fait progresser son approche. Parce que j’imagine qu’avec ces ensembles de données et cette nouvelle technologie, il n’est peut-être pas nécessaire d’appliquer certaines des mêmes tactiques. Ajustez peut-être votre tactique.
Encore une fois, je suis un profane ici, mais ce que je pense, c’est à quoi ressemblera le futur chercheur scientifique, quelqu’un comme vous ? Comment évoluer vers la prochaine chose, en utilisant cette technologie ?
Andrew R. Snyder, PhD., scientifique en biotechnologie débutant
Eh bien, écoutez, je pense que certaines choses restent à déterminer. Voyons comment cela se déroule. Il y a des gens du côté de la chimie qui me disent qu’une partie de cela doit être déterminée de manière empirique, n’est-ce pas ?
La façon dont nous faisons les choses pourrait encore être la même. Mais il existe d’autres ensembles de données qui peuvent certainement être exploités. Et je pense qu’il s’agit de comprendre où se trouvent ces goulots d’étranglement et où nous déployons ces outils, n’est-ce pas ?
Surtout les entreprises, vous savez, comme les grandes sociétés pharmaceutiques qui disposent d’énormes ensembles de données, à la fois précliniques et cliniques. L’IA sera vraiment la clé. Comment pouvons-nous exploiter ces données pour établir des liens qu’il nous aurait fallu une éternité pour établir ?
Ou peut-être que nous ne les avons pas vus. Et donc, vous savez, je ne sais pas si je serais le data scientist, mais je pense que cela devrait être sur le radar de tout le monde alors que nous avançons dans tous ces différents processus de découverte et de développement de médicaments.
Jeffrey Snyder, Réseau de retraite de radiodiffusion
Ouais, au moins connecté à ta hanche, pour ainsi dire, pour que tu sois, tu sais, je compare ça à nous sommes tous les deux fans des Orioles, malheureusement, dans un certain sens. Le sport compte désormais de nombreux statisticiens qui travaillent directement avec les entraîneurs. C’est peut-être une sorte d’analogie.
Et puis je suppose que ma dernière question, que nous vous ramènerons le mois prochain, bien sûr, je veux parler du processus réglementaire. Parce que si l’intelligence artificielle est utilisée, j’imagine que la Food and Drug Administration et d’autres entités de réglementation devraient tenir compte du fait que certains de ces modèles de données sont utilisés pour créer de nouveaux médicaments. Je veux dire, je pense que cela change l’approche traditionnelle de l’environnement réglementaire.
Andrew R. Snyder, PhD., scientifique en biotechnologie débutant
Eh bien, je ne sais pas, ils auront toujours besoin des mêmes ensembles de données, vous savez, le médicament doit être sûr et efficace pour qu’il soit approuvé. Et bien sûr, il existe certaines situations avec de nombreux besoins non satisfaits, où il y a des approbations accélérées, etc., basées sur des ensembles de données historiques. Mais je pense que le package de données restera le même.
Vous savez, je pense simplement que c’est un cas où nous avons l’opportunité d’accélérer la découverte et le développement de médicaments. Vous savez, Jeff, il y a un autre endroit, vous savez, je lisais quelque part, et je ne veux pas, vous savez, détourner la conversation, quelque chose comme 10 % des actifs de la première phase finissent par être approuvés. Et c’est pourquoi 90 % d’entre eux ne le font pas.
Pour diverses raisons. Mais si nous pouvons utiliser l’IA, et cela est fait, vous savez, dans tout l’écosystème, pour diriger la bonne modalité au bon moment vers les bons patients, peut-être que nous récupérerons certains de ces échecs, n’est-ce pas ? Et peut-être pouvons-nous orienter ces thérapies vers les bonnes personnes.
Et donc, vous savez, nous examinons cela tout au long du cycle de vie ici, du début à la fin, je pense que nous verrons ce que l’avenir nous réserve. Mais il est très prometteur que cela puisse affecter plusieurs étapes du processus de découverte de médicaments.
Jeffrey Snyder, Réseau de retraite de radiodiffusion
Ouais, nous n’abordons même pas la question de l’expérience par rapport à la non-expérience. Je veux dire, vous avez des décennies d’expérience dans la création de médicaments et de processus. Il est important de collaborer avec des data scientists avec les ensembles de données analysés par l’IA.
Dr Snyder, Andy, nous allons devoir en rester là. C’est toujours génial à voir. Je regarde, j’aimerais pouvoir voir en personne un peu plus.
Peut-être que nous nous reverrons très bientôt. Mais nous espérons le revoir très bientôt dans la série.
Andrew R. Snyder, PhD., scientifique en biotechnologie débutant
Merci Jeff.
