Demis Hassabis, PDG de Google DeepMind, pense que la première chose que l'IA pourrait faire pour l'humanité serait de guérir des centaines de maladies,

En accélérant le processus de découverte de médicaments

Demis Hassabis, PDG de Google Deepmind et d'Isomorphic Labs, a déclaré que l'IA pourrait devenir le principal allié de l'humanité dans la lutte contre les maladies de tout type. Il pense notamment que l'IA pourrait aider à guérir des centaines de maladies graves en accélérant le processus de découverte des médicaments et en le rendant plus efficace. Il est convaincu qu'il s'agit du meilleur cas d'utilisation de la technologie. Ses déclarations interviennent après que Google DeepMind a dévoilé AlphaFold 3, un modèle d'IA qui vise à accélérer la recherche en biologie et révolutionner la découverte de médicaments en réduisant les délais et les coûts

Demis Hassabis est entrepreneur et chercheur britannique en IA. Il est aussi reconnu comme neuroscientifique, ancien développeur de jeux vidéo et joueur d'échecs. En 2010, il a cofondé DeepMind, un laboratoire d'IA racheté par Google en 2014 et rebaptisé Google DeepMind l'année dernière. Hassabis est PDG de Google DeepMind et a créé en 2021 Isomorphic Labs, une spin-off de son premier laboratoire d'IA, qu'il dirige également. Il décrit Isomorphic comme une startup de biologie numérique qui vise à accélérer la recherche en biologie et à redéfinir la découverte de médicaments grâce à la puissance de l'IA.


Selon Hassabis, la première chose que l'IA pourrait faire pour l'humanité serait de l'aider à guérir les maladies grâce à la découverte de nouveaux médicaments. Lors d'une récente interview avec Bloomberg, il a déclaré que l'IA a ce potentiel et qu'elle sera incroyablement bénéfique pour la société et l'humanité. Il croit également que l'IA a le potentiel d'accélérer le processus de découverte de nouveaux médicaments, ce qui pourrait créer une valeur commerciale énorme.

Selon les experts, le premier et principal avantage de l'IA dans la découverte de nouveaux médicaments est sa capacité à accélérer le processus de sélection pour les chercheurs. L'IA peut scanner et analyser de grandes quantités de données beaucoup plus rapidement que l'évaluation manuelle par des humains, ce qui permet d'identifier des médicaments potentiels en une fraction du temps nécessaire aux méthodes traditionnelles. Cette accélération du processus de découverte de médicaments pourrait potentiellement sauver d'innombrables vies en mettant plus rapidement sur le marché des traitements efficaces.

À titre d'exemple, le médicament contre les troubles obsessionnels compulsifs conçu par l'IA d'Exscientia, en collaboration avec la société japonaise Sumitomo Dainippon Pharma, a atteint le stade de l'essai clinique en seulement 12 mois, contre une période moyenne de 4 à 5 ans avec les méthodes traditionnelles. Grâce à ce délai plus court, les médicaments conçus par l'IA offrent également la possibilité de réduire le coût de la découverte de médicaments, car le processus traditionnel de découverte de médicaments implique généralement des essais cliniques longs et coûteux pour évaluer les composés prometteurs.

L'IA a le potentiel d'éliminer la nécessité de certains de ces essais préliminaires en prédisant le comportement d'un médicament sur la base des données existantes. Toutefois, aussi prometteurs que puissent paraître les médicaments conçus par l'IA, ils présentent une série d'inconvénients, notamment :

• manque de transparence : les algorithmes d'IA, en particulier ceux qui utilisent des techniques avancées comme l'apprentissage profond, souffrent souvent du problème de la "boîte noire". Il est difficile de comprendre pourquoi ils prennent les décisions qu'ils prennent. Ce manque de transparence peut être un obstacle à l'acceptation dans la communauté médicale, où il est crucial de comprendre la logique qui sous-tend le choix d'un médicament ;
• une dépendance excessive à l'égard des données : les systèmes d'IA ne valent que ce que valent les données sur lesquelles ils sont formés. Par conséquent, si les données sont imparfaites ou biaisées, l'IA pourrait faire des prédictions erronées. En outre, l'IA peut négliger des médicaments candidats potentiellement efficaces simplement parce qu'ils ne correspondent pas aux schémas des données sur lesquelles elle a été entraînée ;
• préoccupations éthiques et réglementaires : l'utilisation de l'IA dans la découverte de médicaments soulève de nouvelles questions éthiques et réglementaires, telles que la normalisation du processus de découverte de l'IA ou l'examen de la manière dont ces prédictions peuvent être validées en termes d'innocuité et d'efficacité. En outre, compte tenu de la grande quantité de données nécessaires pour entraîner ces algorithmes, des mesures suffisantes seraient nécessaires pour protéger la confidentialité des données des patients.
  

Google DeepMind et Isomorphic ont publié récemment AlphaFold 3, un modèle d'IA qui pourrait permettre d'identifier des traitements pour diverses maladies. Il serait capable de prédire le comportement des protéines lorsqu'elles rencontrent d'autres molécules et des ions. Entraîné sur une base de données mondiale de structures moléculaires en 3D, il pourrait aider les scientifiques à approfondir leur compréhension des maladies et à trouver des traitements pour des affections comme le cancer. « Nous pensons que cette nouvelle technologie a le potentiel d'améliorer la qualité de la vie des gens », affirme Hassabis.


En 2020, Google DeepMind [URL="https://intelligence-artificielle.developpez.com/actu/31...