Révolutionner les antibiotiques grâce à la technologie de l’IA

Deux chercheurs de l’Université du Manitoba, Rebecca Davis, professeure agrégée au département de chimie, et Hunter Sturm, candidat au doctorat, sont les pionniers d’une nouvelle approche du développement d’antibiotiques utilisant l’intelligence artificielle (IA).

Davis dirige le groupe de recherche Davis de l’Université du Manitoba, situé à l’extérieur du bâtiment Parker sur le campus de Fort Garry.

Le groupe utilise la chimie organique informatique et physique pour développer des modèles prédictifs qui résolvent les problèmes liés au développement de méthodes de synthèse. Le groupe espère également contribuer aux efforts de découverte d’antibiotiques.

Les recherches de Davis et Sturm se concentrent sur la manière dont l’IA explicable (XAI) peut être appliquée dans des modèles d’IA pour le développement de médicaments antibiotiques.

XAI est un sous-ensemble de l’IA qui permet de justifier les raisons qui sous-tendent les décisions et les prédictions d’un algorithme d’apprentissage automatique.

Contrairement à l’IA traditionnelle, cette IA rend les décisions complexes en matière d’IA plus transparentes en offrant un aperçu clair de la manière dont elle est parvenue à ses prédictions.

Sturm a souligné l’importance de la transparence dans l’IA, déclarant qu’ils ont l’intention d’apprendre aux modèles d’IA à montrer les étapes qu’ils suivent pour arriver à une conclusion, plutôt que de simplement supposer que les étapes qu’ils ont suivies sont exactes.

Il a déclaré : « nous savons que l’IA est aussi bonne que les informations qui y sont introduites, nous voulons donc lever le mystère et former le modèle d’IA sur ce qu’il doit rechercher et comprendre les mesures qu’il a prises. »

Davis a également précisé que ce n’était pas la première fois qu’ils travaillaient avec ce modèle d’IA.

Elle a mentionné qu’ils avaient déjà utilisé ce modèle pour classer les agrégateurs de molécules – un type de faux positifs dans les tests d’activité – et que le succès est leur principale source d’inspiration pour croire que XAI peut également être utile dans le développement de médicaments.

Selon Davis, ils « utiliseront à la fois des modèles d’apprentissage profond et XAI pour identifier des échafaudages moléculaires qui peuvent être médicamenteux pour cette recherche ». Leur objectif dans cette recherche est de réduire le coût et le temps nécessaire à la mise sur le marché des médicaments.

Sturm a déclaré : « Nous allons pouvoir accélérer le processus de découverte de médicaments afin que la découverte de nouveaux antibiotiques se fasse plus rapidement, ce qui signifie que nous aurions plus d’antibiotiques sur le marché dans un délai plus rapide. »

L’équipe estime que XAI favoriserait une application plus sûre et plus éthique de l’IA dans le développement de médicaments.

Davis a exprimé que l’interprétation des explications par XAI peut améliorer la validation et le raffinement du modèle, car elle leur permet d’évaluer si les prédictions de l’IA s’alignent sur les mécanismes expérimentaux connus du médicament.

De plus, ce projet s’inscrit dans une collaboration internationale plus large qui inclut des experts de divers domaines, tels que la microbiologie, la bioinformatique et l’informatique.

Cette équipe multidisciplinaire se consacre à affiner le pipeline de découverte d’antibiotiques, ce qui pourrait conduire à un développement de médicaments plus efficace et plus rapide.

Davis et Sturm ont également présenté leurs travaux lors de la réunion d’automne de l’American Chemical Society, car ils font partie d’un petit groupe de chercheurs en Amérique du Nord qui tentent d’informer la communauté scientifique autour de XAI et d’encourager une ouverture d’esprit envers les nouvelles méthodologies.