- Un nouvel antibiotique est développé pour traiter les MICI (maladies inflammatoires chroniques de l’intestin)
- La technologie d’IA a contribué en prédisant le mode d’action de l’antibiotique
- Par rapport aux traitements existants, il ouvre la possibilité de surmonter la résistance grâce à un mécanisme inédit
- Sur la base d’un succès expérimental, les attentes montent quant à une future application clinique
- L’usage de l’IA dans les processus de conception et de validation des médicaments devient une tendance de plus en plus importante
Aperçu
- Un nouvel antibiotique étudié pour traiter les maladies inflammatoires chroniques de l’intestin (MICI) suscite récemment l’attention
- Le fait que l’intelligence artificielle (IA) ait prédit le mécanisme d’action de cet antibiotique transforme les processus traditionnels de développement de nouveaux médicaments
- En identifiant la résistance et les limites des traitements existants, la recherche suggère qu’il serait possible de les surmonter grâce à un mécanisme inédit
- Les chercheurs ont confirmé des effets significatifs à un stade précoce, notamment lors d’expériences sur l’animal, et visent une future application clinique
- Le développement de médicaments fondé sur l’IA prend de l’importance dans l’industrie pharmaceutique grâce à ses avantages en matière de prédiction des mécanismes d’action, d’efficacité et de réduction des coûts
1 commentaires
Commentaires sur Hacker News
L’étude originale dans Nature Microbiology est ici : lien. Je voulais partager la partie intéressante. Selon le communiqué de l’université, jusqu’à présent l’IA servait d’outil pour prédire des molécules ayant un potentiel thérapeutique, mais dans cette étude, l’IA a été utilisée pour élucider le « mécanisme d’action (MOA) », c’est-à-dire la manière dont un médicament s’attaque à une maladie. Les études de MOA sont essentielles au développement de médicaments. Elles aident les scientifiques à vérifier la sécurité, optimiser les doses, améliorer l’efficacité et parfois même découvrir de nouvelles cibles thérapeutiques. Les autorités réglementaires peuvent aussi s’appuyer sur ces travaux pour déterminer si un nouveau médicament est adapté à un usage chez l’humain. Jusqu’ici, une étude de MOA prenait généralement 2 ans et coûtait environ 2 millions de dollars, mais cette fois, grâce à l’IA, cela a été bouclé en 6 mois pour 60 000 dollars. Après la découverte du nouvel antibiotique, Stokes a collaboré avec des collègues du MIT CSAIL pour voir si une plateforme moderne de machine learning pouvait accélérer l’étude du MOA. Une prédiction est sortie en seulement 100 secondes, confirmant que le nouveau médicament attaque LolCDE, un micro-complexe protéique essentiel à la survie bactérienne. Regina Barzilay, professeure au MIT et développeuse de DiffDock, explique : « Nous montrons ici que l’IA peut aller au-delà de la simple recherche de molécules et fournir aussi des explications mécanistiques essentielles à l’ensemble du processus de développement. »
Le fait que Stokes, après avoir découvert un nouvel antibiotique en laboratoire, collabore ensuite avec des collègues du MIT CSAIL me paraît vraiment formidable. Quand on est à l’université, on bénéficie d’un environnement fantastique où il est facile de rencontrer sur le campus des experts de nombreux domaines et de résoudre un problème qui nous intéresse en s’appuyant sur la puissance des disciplines de pointe.
Je me demande si DiffDock est un grand modèle de langage (LLM). Le grand public, quand il entend le mot IA, pense tout de suite à un LLM comme ChatGPT, et comme OpenAI dit aussi qu’ils construisent une « machine qui pense » et que le titre de l’article dit qu’elle a « prédit », cela rend la chose encore plus confuse.
Je me demande s’il existe un pre-print. Je ne suis plus dans le milieu universitaire, donc ça me manque un peu de ne plus être dans cette réalité où quelqu’un met les articles en ligne au beau milieu de la nuit comme avant.
Il y a quelque chose qui me paraît étrange. On sait depuis avant 2016 que LolCDE est un point faible d’E. coli, et on connaît depuis 1978 des molécules comme la globomycine capables de l’inhiber référence 1 référence 2. Du coup, je me demande si l’enterololine n’est qu’une nouvelle variante de la globomycine. Je ne sais pas si l’IA devient plus intelligente ou si les scientifiques deviennent plus lents.
Le fait qu’une étude de MOA, qui prenait auparavant 2 ans et 2 millions de dollars, ait été menée ici en 6 mois pour 60 000 dollars grâce à l’IA est vraiment magnifique. On a l’impression de voir enfin apparaître une des vraies valeurs de l’IA / du machine learning, au-delà de l’autocomplétion de code ou de la génération d’images. J’ai vraiment hâte de voir comment ce domaine va évoluer dans les 10 prochaines années. J’aimerais suivre de près AlphaFold pour le repliement des protéines et, ici, cette réduction des coûts et cette accélération des essais cliniques grâce à la prédiction des mécanismes.
Cet article semble renforcer l’idée que « l’IA remplace le travail des chercheurs », mais en pratique cela ressemble beaucoup à ma propre expérience quand j’utilise des outils d’IA au travail. Stokes insiste sur le fait que le résultat de la prédiction est intéressant, mais que cela reste une prédiction, et qu’il faut absolument mener une étude expérimentale (traditionnelle) du MOA. Le fait que l’IA « puisse avoir raison » nous fait gagner du temps dans la réflexion sur l’étape suivante. Ils ont donc commencé les expériences à partir de la prédiction du MIT, et quelques mois plus tard, la prédiction de l’IA s’est révélée correcte. En fin de compte, ils ont validé que la prédiction était juste via les expériences standard sur le MOA, et cette approche leur a fait gagner 1,5 an sur le calendrier habituel.
Je pense que le terme IA est devenu difficile à comprendre aujourd’hui. Le grand public assimile IA = ChatGPT et imagine donc que « ChatGPT a découvert un nouveau médicament ». Mais dans la recherche réelle, on utilise toutes sortes d’outils de ML, pas seulement des transformeurs (LLM), et la plupart n’ont absolument rien à voir avec les LLM ou ChatGPT.
Je suis d’accord aussi. Je ne sais pas si tu utilises directement des LLM ou plutôt des outils de ML / deep learning adaptés à ton domaine. Mais j’ai l’impression que la plupart des réussites récentes des LLM viennent du fait qu’ils aident bien davantage les experts qui sont « sur la ligne de front » de la pratique réelle, c’est-à-dire des gens qui ont déjà lu tous les articles les plus pointus de leur domaine. Les plaintes sur les « hallucinations » viennent selon moi moins des personnes à la frontière du savoir que de non-spécialistes qui n’ont nulle part ailleurs où s’appuyer ni où aller chercher plus d’informations. Au contraire, je trouve que les LLM sont extrêmement efficaces pour proposer des hypothèses ou des pistes en reliant mon domaine d’intérêt à des domaines voisins que je ne connaissais pas du tout. Au final, c’est toujours au chercheur de faire les expériences ou la validation, et parfois, quand je doute de mes propres conclusions, je donne mes données au LLM pour voir s’il arrive à la même conclusion. Je ne m’inquiète pas du tout des hallucinations. Au bout du compte, c’est moi qui suis responsable des erreurs. Et à la frontière de la connaissance, même un conseil farfelu peut déboucher sur une idée neuve. Aujourd’hui, il est devenu beaucoup plus rare de rester bloqué pendant des jours, des semaines ou des mois sur la question de savoir où chercher l’information. Je repense à ce billet de Palantir sur un tournoi d’échecs expliquant que le « workflow » de la collaboration humain/ordinateur était crucial, et qu’au final c’est un amateur avec le meilleur workflow qui avait gagné ; j’ai l’impression qu’on vit désormais dans une société où les nouveaux outils renforcent encore davantage les experts lien
Dans cette étude, ce que l’IA et les chercheurs ont découvert n’est pas un traitement de l’IBD en soi. Au contraire, les personnes atteintes d’IBD ou ayant reçu des antibiotiques à large spectre connaissent souvent une prolifération excessive d’espèces d’Enterobacter dans l’intestin, dont certaines souches d’E. coli. Elles résistent aux antibiotiques existants et ne sont pas bénéfiques à la santé intestinale. Les chercheurs ont découvert une nouvelle substance qui inhibe sélectivement seulement ces Enterobacter, tout en laissant intact le reste du microbiome. Cela pourrait aider les personnes souffrant d’un déséquilibre bactérien intestinal, en particulier les patients atteints d’IBD, à retrouver un environnement intestinal plus sain. Cela dit, on en est encore au stade des expériences chez la souris.
L’hypothèse selon laquelle rétablir complètement l’équilibre du microbiome chez les patients atteints d’IBD pourrait interrompre le cycle de la maladie et permettre une rémission existe depuis longtemps, même si cela n’a pas encore été démontré officiellement.
Selon l’article, « ce médicament pourrait devenir un traitement très prometteur pour des millions de patients atteints d’IBD. Comme il n’existe actuellement aucun remède, il pourrait soulager de manière significative les symptômes et améliorer la qualité de vie ».
Je me demande si le fait que l’IBD soit causée par E. coli est réellement bien établi. Je me demande si ce n’est pas plutôt une prédisposition à réagir de manière sensible à E. coli.
Ce n’est pas encore clair. Il semble que des facteurs génétiques et les microbes interagissent de façon complexe. La situation est assez compliquée. On ne peut pas regarder un tissu cultivé inflammatoire de la peau (ou une biopsie) et se dire « ah, voilà ! ». Même les traitements les plus efficaces consistent au fond à bloquer une partie du système immunitaire, et dans la pratique on essaie divers immunosuppresseurs, parfois en combinaison, pour maintenir les choses tant bien que mal chez certains patients.
Comme nous avons tous de l’E. coli, ce n’est pas une cause directe. L’article prête à confusion, mais ce qui a été découvert ici, c’est un antibiotique à spectre plus étroit que les précédents, qui endommage donc moins la flore bactérienne naturelle du corps. À l’inverse, des Enterobacter résistants — dont l’espèce principale est E. coli, mais pas uniquement — peuvent proliférer plus facilement. Il existe une corrélation entre l’IBD et un microbiome où E. coli prolifère de manière excessive. On a aussi identifié des sous-types d’E. coli impliqués référence.
Plus précisément, l’IBD n’est pas provoquée par E. coli, mais E. coli et d’autres Enterobacteriaceae peuvent effectivement profiter de l’inflammation pour se multiplier. L’inflammation entraîne une sécrétion de nitrate, et les Enterobacteriaceae l’utilisent comme accepteur final d’électrons pour se développer. De plus, lorsque la couche de mucus protectrice s’amincit ou devient poreuse — ce qui arrive souvent quand le microbiome est perturbé — ces bactéries pénètrent plus facilement et prolifèrent. Cette multiplication bactérienne peut à son tour entretenir l’inflammation et rendre la rémission plus difficile. Récemment, quelques résultats cliniques ont aussi montré qu’on pouvait réduire l’inflammation en bloquant les facteurs utilisés par E. coli pour adhérer à la muqueuse.
Je ne comprends pas pourquoi on ne donne pas directement des crédits GPU aux chercheurs. Sans passer par tout un processus juridique pénible, il suffirait de créer un compte avec leur adresse e-mail chez runpod, prime-intelect ou un fournisseur de x-gpu, puis d’y verser l’équivalent de 5 000 dollars. En regardant l’historique Github ou Huggingface, on peut très bien filtrer les personnes qui méritent réellement d’en recevoir.
À propos de l’idée qu’« on ne peut pas supposer que le modèle d’IA a toujours raison », je me demande pourquoi on devrait partir de cette hypothèse. Et il semble que c’est simplement la possibilité qu’il « puisse avoir raison » qui a réduit les tâtonnements à l’étape suivante. Mais je me demande si ce n’est pas simplement du confirmation bias. Par exemple, sur 100 cas, on demande à l’IA « comment cela fonctionne-t-il ? », et 99 fois elle produit une solution absurde ou plausible mais fausse, tandis que nous ne voyons dans les articles que l’unique fois où elle a eu raison. Le fait que cela ait fonctionné en laboratoire suffit-il à dire que l’IA a fait gagner du temps ? Une horloge cassée donne aussi la bonne heure deux fois par jour. On ne peut pas dire « c’est une horloge cassée, mais quand elle tombe juste c’est extraordinaire ! ». J’ai l’impression qu’on ne voit peut-être pas une « IA productive », mais simplement des cas chanceux. Si l’on veut vraiment dire que le domaine progresse, il faut aussi publier ou reconnaître les échecs comme des données. Sinon, on ne fait qu’alimenter le hype.
En pratique, les chercheurs continuent d’appliquer la méthode scientifique. Ce que l’IA fournit, ce sont des hypothèses à vérifier. En ce sens, l’IA est extrêmement puissante pour le « brainstorming d’hypothèses plausibles ».
Les experts humains se trompent eux aussi souvent à la frontière de la recherche. La plupart des hypothèses et des expériences échouent. Pourtant, quand un chercheur réalise une percée, on ne le félicite pas parce qu’il réussit à 100 %, mais parce qu’il a vu juste plus vite que les autres et avec une probabilité supérieure au hasard. Si, sur 100 cas, l’IA fait passer le taux de réussite de 1/99 à 2/99 ou 3/99, c’est déjà une efficacité multipliée par deux ou trois. Et si l’IA peut tester toutes ces intuitions en 100 secondes, on peut alors avancer bien plus vite qu’un humain.
D’après ce que j’ai compris, cette étude ne porte pas sur un traitement de l’IBD, mais plutôt sur un antibiotique plus sûr pour les patients atteints d’IBD.
McMaster University peut sembler être une blague, mais c’est en réalité une université fondée en 1887 [voir Wikipédia].
C’est l’une des meilleures universités du Canada. À mon avis, pour la recherche médicale, c’est probablement la meilleure du pays référence
À Londres, il existe aussi un établissement appelé Goodenough College, en activité depuis 1930, et malgré ce que son nom pourrait laisser croire, il est vraiment très bien géré.
Le machine learning est utilisé dans la recherche scientifique depuis plus de 10 ans. Alors je me demande ce qui change vraiment cette fois-ci. Que la presse généraliste emploie les termes n’importe comment, passe encore, mais je ne comprends pas pourquoi NATURE utilise le mot « intelligence artificielle ».