Les promesses de l’intelligence artificielle de traiter le cancer et toutes les maladies restent loin de résultats pratiques décisifs, mais la start-up de biotechnologie Vivodyne estime que le principal obstacle n’est pas le manque de puissance de calcul, mais celui de données appropriées sur le fonctionnement des tissus humains. C’est pourquoi l’entreprise a développé des laboratoires robotisés modulaires qu’elle appelle HIVE, afin de produire des données biologiques causales pouvant être utilisées pour entraîner des modèles comprenant mieux les complexités du corps humain.
Les laboratoires HIVE peuvent, selon l’entreprise, cultiver 20 types de tissus humains, puis les exposer automatiquement à différentes doses et surveiller leur réaction. L’idée est de passer de l’observation de l’état d’une cellule ou d’une protéine à un moment donné au suivi de ce qui se produit lorsqu’un facteur donné entraîne une modification biologique ultérieure.
L’écart entre les modèles d’intelligence artificielle et la biologie humaine
Une grande partie des données actuellement utilisées dans la recherche sur la découverte de médicaments repose sur des expériences animales ou sur des études portant sur des cellules individuelles et des protéines. Vivodyne estime que ces sources ne fournissent pas toujours une image suffisante du comportement des tissus humains vivants, en particulier lorsque la réponse résulte de l’interaction de plusieurs voies biologiques.
Andrei Georgescu, directeur général et cofondateur de l’entreprise, a expliqué le problème en affirmant que les modèles actuels apprennent à distinguer un « état cellulaire » d’un autre, mais n’apprennent pas nécessairement que le second état résultait d’une inflammation ou d’un stimulus ayant provoqué le passage depuis le premier. Selon lui, l’absence de tests humains rend les modèles susceptibles de produire des résultats pouvant fonctionner chez les souris sans être transposables aux humains.
Cette observation intervient alors que certaines déclarations sur la capacité de l’intelligence artificielle à traiter le cancer ont commencé à sembler plus ambitieuses que les données disponibles. Dario Amodei, directeur général d’Anthropic, a indiqué que parler d’un traitement du cancer par l’intelligence artificielle relevait désormais davantage de la formule toute faite que d’une prévision fiable, bien qu’il ait déjà évoqué cette possibilité dans ses écrits. Sam Altman a également cité à plusieurs reprises le traitement du cancer pour justifier la volonté d’OpenAI de parvenir à l’intelligence artificielle générale et d’accroître les investissements dans le calcul informatique, tandis que Demis Hassabis, de Google DeepMind, a déclaré l’année dernière que l’intelligence artificielle pourrait contribuer à traiter toutes les maladies d’ici une décennie.
Que disent les résultats actuels ?
Les résultats concrets restent limités. Une poignée de médicaments conçus avec l’aide de l’intelligence artificielle sont entrés dans des essais humains, et l’un d’eux a atteint la phase III, mais cela n’a pas résolu les obstacles fondamentaux à l’approbation de nouveaux médicaments. AlphaFold, qui a reçu un prix Nobel et contribué à la compréhension de la structure fondamentale de la vie, n’a pas encore produit de nouveau médicament concret, selon l’article. Isomorphic Labs, l’entreprise créée pour s’appuyer sur AlphaFold, prévoit de commencer ses premiers essais d’ici la fin de 2026, alors qu’ils étaient initialement prévus pour 2025.
L’article indique qu’environ 90 % des médicaments qui réussissent suffisamment les tests sur les animaux pour atteindre les essais cliniques n’obtiennent ensuite pas d’autorisation réglementaire pour une utilisation humaine. Vivodyne affirme que ses tissus ont atteint une précision prédictive de 94 % lors de tests de toxicité sur des cellules hépatiques, comparés aux essais humains, et que les tissus des voies respiratoires ont reproduit le comportement de tissus humains réels dans 96 % des cas, tandis que la moelle osseuse a atteint une concordance totale lors de tests portant sur 20 médicaments de chimiothérapie différents. Ces chiffres sont annoncés par l’entreprise et ne remplacent pas une validation indépendante à grande échelle.
Que construit concrètement Vivodyne ?
Vivodyne s’est séparée de l’Université de Pennsylvanie en 2021, après l’obtention par Georgescu d’un doctorat en bio-ingénierie. La semaine précédant la publication de l’article, l’entreprise a inauguré ce qu’elle appelle le plus grand « centre de données humaines » au monde, à proximité de San Francisco. Elle affirme y réaliser un nombre d’expériences équivalant au double du total des expériences animales menées aux États-Unis, sans révéler les noms de ses partenaires, tout en confirmant collaborer avec plusieurs grandes entreprises pharmaceutiques.
L’objectif commercial immédiat est d’aider les développeurs de médicaments à estimer les chances de succès d’un candidat avant de dépenser des dizaines de millions de dollars dans un essai clinique. Georgescu compare cela aux tests de collision dans l’industrie automobile : le constructeur sait généralement avant le test si la voiture satisfera aux exigences de la NHTSA, tandis que les développeurs de médicaments entament les essais cliniques avec un degré de certitude moindre, et avec une forte probabilité que le médicament n’obtienne pas l’autorisation de la FDA.
Vivodyne a levé un peu moins de 80 millions de dollars lors de deux tours de financement dirigés par Khosla Ventures. L’entreprise ne révèle pas les noms de ses clients ou partenaires, de sorte que l’article seul ne permet pas d’évaluer l’ampleur de l’utilisation commerciale effective de sa plateforme.
Pourquoi cette approche est-elle importante ?
L’importance du projet de Vivodyne réside dans sa tentative de traiter une étape souvent négligée dans le débat sur l’intelligence artificielle : la qualité des données à partir desquelles le modèle apprend, et pas seulement la taille du modèle. L’entreprise affirme que les laboratoires HIVE suivent des centaines de milliers d’expériences en cours dans lesquelles des tissus malades sont exposés à différents stimuli, ce qui pourrait fournir des données d’entraînement sur les relations causales et peut-être soutenir des modèles capables de proposer la cause conduisant à un effet donné.
Ce type de données pourrait devenir plus important dans le développement de traitements combinés ciblant plusieurs voies, car Georgescu estime que le nombre de combinaisons possibles augmente rapidement et ne peut pas être exploré par une approche expérimentale aléatoire. Mais l’article ne fournit aucune preuve que Vivodyne soit proche d’un traitement contre le cancer : il présente plutôt un pari technologique selon lequel l’amélioration des données humaines pourrait être une condition nécessaire à des progrès plus réalistes dans la découverte de médicaments.