Convergence des données & IA

Identifier et valider des cibles pertinentes dès les premières étapes de la recherche est essentiel car cette phase conditionne à la fois les échecs cliniques et les taux ultérieurs d’approbation des médicaments. Grâce à ARCH, nos scientifiques peuvent agréger de multiples informations sur les maladies provenant de nombreuses sources, visualiser les schémas et les liens entre elles, puis effectuer des analyses de données afin de déterminer les gènes ou les protéines à étudier.

Les sites d’essais cliniques occupent une place déterminante dans le développement des médicaments, en fournissant un environnement rigoureusement contrôlé et sécurisé pour l’évaluation des candidats-médicaments chez les patients. AbbVie mobilise des outils d’analyse avancés reposant sur l’intelligence artificielle et l’apprentissage automatique, qui exploitent plusieurs décennies de données pour prédire quels sites seront les plus rapidement opérationnels et à même de soutenir les objectifs de l’étude.

AbbVie utilise de manière innovante la technologie numérique en santé, telles que les biocapteurs et les dispositifs portables, pour collecter des données en temps réel. Cela permet d’alléger la charge qui pèse sur les participants aux essais cliniques et offre à nos chercheurs une meilleure vue d’ensemble de l’état de santé des participants et de la réponse aux traitements.

Les chercheurs d’AbbVie utilisent l’apprentissage automatique pour mieux comprendre les similitudes et les différences entre les gènes, les protéines et d’autres biomarqueurs potentiels chez des patients atteints de la même maladie. Ils se servent ensuite de ces connaissances pour identifier des cibles thérapeutiques potentielles spécifiques à cette population.

Une fois le candidat-médicament sélectionné, les scientifiques s’attachent à identifier et à optimiser les composés susceptibles d’être transformés en futurs traitements thérapeutiques. Aujourd’hui, les chercheurs d’AbbVie utilisent l’IA générative pour reconnaître des modèles dans le « langage » des protéines afin de prédire de nouvelles structures protéiques susceptibles de traiter des maladies.