3 minutes de lecture
L’intelligence artificielle (IA) est de loin l’avancée technologique la plus en vue de cette décennie. Bien que le concept d’IA existe depuis des années, les processeurs et la vitesse de calcul des « era s » précédentes n’étaient pas à la hauteur et ne permettaient donc pas d’analyser les volumes de données colossaux requis. Mais grâce à l’évolution des algorithmes et des systèmes de nouvelle génération, les vitesses de calcul ont été multipliées, ouvrant la voie à des analyses en temps réel de vastes bases de données. Ce qui rend l’IA si exceptionnelle, c’est son recours à des modèles prédictifs plutôt qu’aux modèles réactifs des systèmes conventionnels. Soucieuses de tirer parti du potentiel de cette technologie de pointe, presque toutes les industries se sont tournées vers l’IA et l’ont intégrée à leurs processus afin de réduire les tâches routinières et répétitives. Malgré cet immense potentiel, le secteur des sciences de la vie a, jusqu’à présent, été l’un des moins bénéficiaires de cet essor. Mais pourquoi ?
Les obstacles à l'IA dans les sciences de la vie :
La particularité de l’IA réside dans son algorithme de systèmes d’apprentissage continu (CLS), qui fournit aux utilisateurs des données qu’il serait normalement difficile d’obtenir en peu de temps. Elle analyse en permanence les résultats passés, les écarts et les corrections, et détermine la meilleure solution adaptée à une situation donnée afin d’améliorer la précision des résultats futurs. En résumé, elle apprend et s’améliore au fur et à mesure. Mais cela nécessiterait d’énormes quantités de données historiques à partir desquelles l’IA pourrait interpréter et prédire. Or, de nos jours, ces données sont 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). En supposant que les politiques gouvernementales autorisent l’utilisation des données existantes des utilisateurs dans un avenir proche, tant que ces données proviennent d’une seule source, les résultats de l’analyse seront divergents.
Bien que des organismes de santé tels que US FDA aient mis en place des lois telles que la loi « 21st Century Cures Act » afin de contribuer à accélérer l’innovation dans la fabrication des dispositifs médicaux, le développement des médicaments et des produits biologiques ainsi que la conception des essais cliniques, les nouvelles technologies pourraient dépasser le champ d’application des réglementations existantes. Cela pourrait nécessiter des réformes réglementaires régulières. Or, l’obtention des autorisations législatives prend généralement des années. Il peut en résulter un délai d’attente considérable, ce qui retarderait la mise à disposition des avantages pour les utilisateurs finaux.
Outre ces obstacles, la perte de confiance des utilisateurs finaux constitue également un facteur préoccupant pour les fabricants. Il existera certes des appareils capables de diagnostiquer, de détecter et de conseiller les patients sur la marche à suivre pour soulager leurs maux. Mais si l’utilisateur n’est pas disposé à leur faire confiance, l’objectif premier du produit ne sera pas atteint. Or, renforcer la confiance des utilisateurs à l’aide des preuves nécessaires peut prendre beaucoup de temps. On constate également une pénurie de personnel qualifié, capable de maîtriser à la fois les sciences de la vie et les processus technologiques. Former des experts en réglementation aux compétences technologiques, ou inversement, s'avérerait une tâche ardue.
Solutions envisageables :
L'évolution de l'IA devrait être très dynamique. Les organismes de réglementation et le secteur doivent donc agir de concert et s'adapter à l'évolution des besoins. Les entreprises du secteur des sciences de la vie doivent collaborer entre elles lors du développement de systèmes intégrant l'IA afin d'optimiser leur précision. Par ailleurs, sur le plan réglementaire, il incombe aux autorités sanitaires d'évoluer et de mettre en place des approches réglementaires plus innovantes, permettant de réglementer ces outils de pointe de manière rationalisée.
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 entreprises ont recours à l'intelligence artificielle pour certains aspects essentiels du développement de produits. Vous trouverez ci-dessous quelques-unes des applications actuelles.
- Identification de nouvelles indications pour des médicaments pour lesquels on dispose de données d'utilisateurs en grande quantité
- Identification de composés pouvant être associés pour le traitement de nouvelles indications ou pour une efficacité accrue
- Réduire les erreurs de diagnostic
- Améliorer l'efficacité de la conception des essais cliniques
- Gestion des données dans le respect de la législation relative à la confidentialité et à la protection des données
- Identification des lacunes inhérentes au processus de découverte de médicaments et recours à l'IA pour y remédier
Même si les applications actuelles de l'IA ne représentent que la partie émergée de l'iceberg, cette technologie, lorsqu'elle est exploitée à son plein potentiel, est capable de faire progresser les sciences de la vie de plusieurs années-lumière. Dans quelle mesure votre organisation a-t-elle pris conscience de cette technologie en plein essor et en a-t-elle tiré parti ? Comparez vos produits et vos opérations réglementaires, puis faites-les passer au niveau supérieur d'automatisation. Assurez-vous d'être en conformité.
Mots-clés : Sciences de la vie ; Intelligence artificielle, IA ; USFDA; EMA; Affaires réglementaires ; RGPD ; Automatisation, Technologie, 21e Century Cures Act
