L’avenir du traitement personnalisé du cancer grâce à l’intelligence artificielle
Le traitement conventionnel du cancer à l’aide de médicaments chimiothérapeutiques tend à traiter les patients de la même manière avec des approches uniformes. Lorsque ces traitements cessent d’agir, comme c’est le cas pour les patients en rechute ou réfractaires, les cliniciens se retrouvent avec peu d’alternatives thérapeutiques. Dans la plupart des cas, il n’y a aucun moyen de prédire si les patients répondront ou non à une ligne de traitement. De même, les entreprises pharmaceutiques sont souvent confrontées à des résultats décourageants dans les essais cliniques en raison de leur compréhension limitée des facteurs déterminant la réponse des patients. Les phénotypes cliniques ou les signatures génomiques permettent de stratifier les patients, mais pas nécessairement de prédire les réponses aux médicaments. Par conséquent, il est nécessaire de mettre au point des outils fiables de prédiction de la sensibilité aux médicaments pour aider les cliniciens et les sociétés pharmaceutiques à proposer des médicaments plus efficaces aux patients atteints de cancer. En outre, les cellules cancéreuses ont tendance à développer une résistance aux médicaments, ce qui nécessite l’utilisation de combinaisons de médicaments pour obtenir de bons résultats cliniques. Cependant, l’identification de combinaisons synergiques et efficaces de médicaments est traditionnellement un processus qui prend du temps et qui s’avère souvent imprévisible.
Outils informatiques pour une thérapie personnalisée du cancer
Financé par le Conseil européen de la recherche, le projet DrugComb a développé des outils mathématiques et informatiques pour identifier et hiérarchiser les combinaisons de médicaments efficaces pour les patients atteints de cancer. En outre, il a entrepris des études de criblage de combinaisons de médicaments sur des cellules cancéreuses à des fins de validation expérimentale. «Notre objectif était de comprendre la synergie potentielle entre les médicaments et de traduire ces connaissances en suggestions de traitement pour les patients atteints de cancer», explique Jing Tang, coordinatrice du projet.
Des outils d’intelligence artificielle pour prédire et tester les interactions médicamenteuses
Les chercheurs ont utilisé des techniques d’exploration de texte basées sur l’intelligence artificielle (IA) pour extraire des données sur les interactions expérimentales entre médicaments et cibles à partir de la littérature scientifique. Les données relatives à la sensibilité et à la cible des médicaments ont ensuite été intégrées dans le portail de données de DrugComb, qui comprend des outils pour l’analyse des combinaisons de médicaments. Le projet a également développé un outil en libre accès appelé www.synergyfinder.org (SynergyFinder Plus) pour étudier la synergie des médicaments approuvés et des médicaments issus d’essais cliniques dans des échantillons de cancer extraits des patients. Si une combinaison de médicaments s’avère synergique contre les cellules cancéreuses sans endommager les cellules normales, elle est alors considérée comme un candidat potentiel. En outre, les algorithmes basés sur l’IA ont permis aux scientifiques de découvrir les liens entre les synergies médicamenteuses et les gènes responsables du cancer, afin d’améliorer l’efficacité des traitements tout en réduisant les effets secondaires.
Valeur ajoutée de l’IA dans la prévision des associations de médicaments
La médecine personnalisée telle qu’elle est pratiquée aujourd’hui ne tient généralement pas compte des caractéristiques uniques de chaque patient. En outre, la plupart des options thérapeutiques ne font appel qu’à un seul médicament, dont l’efficacité est limitée en raison de l’émergence d’une résistance aux médicaments. «Le pipeline d’analyse théorique de DrugComb présente un potentiel exceptionnel pour conduire à des traitements nouveaux, plus efficaces et plus sûrs que les monothérapies cytotoxiques actuelles», souligne Jing Tang. DrugComb est l’un des pionniers dans le développement d’outils informatiques pour la prédiction des combinaisons de médicaments. La principale nouveauté de la solution DrugComb réside dans le fait qu’elle combine la génomique et les données de sensibilité aux médicaments pour fournir des profils plus complets et dynamiques sur la maladie en temps réel. La plateforme a été utilisée avec succès pour prédire les combinaisons synergiques chez les patients atteints de leucémie prolymphocytaire T et de cancer du sein. Depuis l’achèvement du projet, plusieurs sociétés pharmaceutiques ont manifesté leur intérêt pour une licence d’utilisation du portail DrugComb à des fins d’analyse de données. L’équipe envisage des versions commerciales des outils logiciels pour les sociétés pharmaceutiques. Jing Tang envisage «une entreprise axée sur la découverte de médicaments assistée par l’IA, utilisant les bases de données et les outils développés par DrugComb pour accroître la rentabilité et améliorer les soins aux patients».
Mots‑clés
DrugComb, cancer, IA, sensibilité aux médicaments, pharmaceutique, outil informatique, génomique, réponse aux médicaments, médecine personnalisée
