3 min de lecture
L'intelligence artificielle (IA) est de loin l'avancée technologique qui fait le plus parler d'elle en cette décennie. Bien que le concept de l'IA existe depuis des années, les processeurs et la vitesse de calcul de l'époque n'étaient pas à la hauteur et ne permettaient pas de prendre en charge l'analyse de masses de données requise. Cependant, avec l'évolution des algorithmes et des systèmes de nouvelle génération, les vitesses de calcul ont été multipliées par plusieurs, ouvrant la voie à des analyses en temps ce réel de vastes banques de données. Ce qui rend l'IA si exceptionnelle, c'est son adoption de schémas prédictifs à la place des schémas réactifs des systèmes traditionnels. Dans le but de tirer parti du potentiel de cette nouvelle technologie, presque tous les secteurs l'ont adoptée et intégrée dans leurs processus afin de réduire les tâches routinières et répétitives. Malgré un tel potentiel, l'industrie des sciences de la vie a été jusqu'à présent l'une des moins bénéficiaires de cet essor. Mais pourquoi ?
Obstacles à l'adoption de l'IA dans les sciences de la vie :
La composante unique de l'IA réside dans son algorithme de systèmes d'apprentissage continus (CLS), qui fournit aux utilisateurs des données qu'il serait normalement difficile de percevoir en peu de temps. Ce système analyse continuellement les résultats passés, les écarts et les corrections, ainsi que la meilleure correspondance pour une situation donnée afin d'améliorer la précision des résultats futurs. En un mot, il apprend et s'améliore au fur et à mesure. Mais cela nécessite d'immenses quantités de données historiques à partir desquelles l'IA peut interpréter et prédire. Or, les données sont aujourd'hui protégées par des lois sur la protection de la vie privée (par exemple, le Règlement général sur la protection des données (RGPD) de l'UE). Même si les politiques gouvernementales autorisent l'utilisation des données existantes des utilisateurs dans un avenir proche, tant que ces données proviendront d'une source unique, les résultats de l'analyse resteront divergents.
Bien que les autorités de santé telles que la FDA aux US aient introduit des lois telles que le 21st Century Cures Act pour aider à accélérer l'innovation dans la fabrication de dispositifs médicaux, le développement de médicaments et de produits biologiques, ainsi que la conception des essais cliniques, les nouvelles technologies pourraient évoluer au-delà du champ d'application des réglementations existantes. Cela pourrait entraîner un besoin de réformes réglementaires régulières. Toutefois, l'obtention d'autorisations législatives prend généralement des années. Il peut en résulter une période d'attente considérable et un retard dans l'accès aux avantages pour les utilisateurs finaux.
À ces obstacles s'ajoute la baisse de la confiance des utilisateurs finaux, qui constitue également un facteur préoccupant pour les fabricants. Il existe des dispositifs qui diagnostiquent, détectent et conseillent les patients sur la marche à suivre pour atténuer leurs maux. Mais si l'utilisateur ne souhaite pas leur faire confiance, l'objectif principal du produit n'est pas atteint. Or, renforcer la confiance des utilisateurs en leur apportant les preuves nécessaires peut prendre beaucoup de temps. On constate également une pénurie de personnel qualifié possédant une expérience à la fois dans les sciences de la vie et dans les processus technologiques. Former des experts réglementaires à l'expertise technologique, ou inversement, serait une tâche ardue.
Solutions possibles :
L'évolution de l'intelligence artificielle s'annonce très dynamique. Par conséquent, les organismes de réglementation et l'industrie doivent agir de concert et s'adapter aux besoins changeants. Les organisations des sciences de la vie doivent collaborer entre elles lors du développement de systèmes intégrant l'IA afin d'en optimiser la précision. De plus, sur le plan réglementaire, il incombe aux autorités de santé d'évoluer et d'initier de nouvelles approches réglementaires permettant d'encadrer ces outils avancés de manière fluide.
Applications actuelles de l'IA dans les sciences de la vie :
Actuellement, la transition des systèmes réactifs vers des systèmes prédictifs est en cours. Dans le cadre de cette évolution, les organisations utilisent l'IA pour certains aspects cruciaux du développement de produits. Quelques-unes des applications actuelles sont énumérées ci-dessous.
- Identification de nouvelles indications pour des médicaments disposant d'un volume important de données d'utilisation
- Identification de composés pouvant être associés pour le traitement de nouvelles indications ou pour une efficacité accrue
- Réduction des erreurs de diagnostic
- Amélioration de l'efficacité de la conception des essais cliniques
- Gestion des données dans le respect des lois sur la protection de la vie privée et des données
- Découverte des lacunes inhérentes au processus de découverte de médicaments et utilisation de l'IA pour y remédier
Bien que les utilisations actuelles de l'IA ne soient que la partie émergée de l'iceberg, l'IA, exploitée à son plein potentiel, a la capacité de faire faire un bond de géant aux sciences de la vie. Votre organisation a-t-elle pris la mesure de cette technologie en plein essor et su en tirer profit ? Comparez et faites évoluer vos produits et vos opérations réglementaires vers le niveau supérieur d'automatisation. Restez en conformité.
Mots-clés : Sciences de la vie ; Intelligence artificielle, IA ; USFDA ; EMA ; Affaires réglementaires ; RGPD ; Automatisation, Technologie, Loi sur les cures du 21e siècle
