Google présente un ensemble de modèles d’intelligence artificielle et d’outils de recherche utilisés pour accélérer la découverte de médicaments, analyser le génome, cartographier le cerveau, améliorer le diagnostic du cancer et prévoir les épidémies. L’entreprise expose des résultats de recherche et des partenariats, tandis que la plupart des applications restent dans le domaine de la recherche ou du soutien clinique, et non du remplacement complet des experts.
Google utilise l’intelligence artificielle à plusieurs étapes de la recherche médicale, de l’analyse des mécanismes pathologiques au niveau moléculaire au soutien au diagnostic et à la planification de la santé publique. L’entreprise affirme que ses équipes ont publié, au cours des cinq dernières années, 90 articles évalués par les pairs sur la compréhension et le traitement des maladies, qui ont recueilli plus de 90 000 citations.
L’article, rédigé par Yossi Matias, vice-président de Google et directeur général de Google Research, et Pushmeet Kohli, vice-président des sciences chez Google DeepMind et scientifique en chef de Google Cloud, présente un bilan d’outils et de partenariats de recherche plutôt que l’annonce d’un produit médical unique.
Du génome aux cartes du cerveau
Google présente la plateforme AlphaGenome Atlas comme un index des prédictions de l’impact des variations d’une seule lettre dans le génome sur la biologie moléculaire. Des chercheurs de University of Exeter ont utilisé la plateforme pour analyser les données de plus de 54 000 personnes et identifier des variants associés aux niveaux de protéines, notamment PLA2G7, liée au vieillissement, et EGLN1, un capteur cellulaire de l’oxygène.
Dans le domaine de la découverte de médicaments, des chercheurs de Institute for Global Health à Barcelone ont utilisé le modèle AlphaFold pour examiner virtuellement 30 000 composés à la recherche d’une activité contre la maladie de Chagas. Ce travail a contribué à identifier deux médicaments approuvés par la FDA susceptibles d’être réaffectés contre la maladie, qui touche environ 8 millions de personnes et peut entraîner de graves complications si elle n’est pas traitée.
Google a également, en collaboration avec Lichtman Lab à Harvard, reconstruit une partie d’un cerveau humain avec une précision nanométrique et a rendu les données accessibles via Neuroglancer, en plus de cartes de cerveaux de mouche, de poisson-zèbre larvaire et d’oiseau chanteur.
Réduire la distance entre la recherche et l’application
Lors d’un essai clinique mené en collaboration avec Stanford University School of Medicine, les modèles DeepVariant et DeepConsensus ont contribué à établir un diagnostic génétique à partir du séquençage du génome entier en moins de huit heures dans des cas où le facteur temps était critique. Google affirme que cette réalisation a également été reconnue par un Guinness World Record.
L’entreprise présente également AlphaProtein Novo, une approche d’apprentissage automatique destinée à concevoir de nouvelles enzymes à partir de principes premiers. Lors d’essais en laboratoire, le système a conçu des enzymes pour synthétiser des composants essentiels de médicaments, ainsi que d’autres enzymes capables de dégrader un plastique environnemental toxique dans des conditions extrêmes.
Soutien au diagnostic et à la santé publique
Dans deux études publiées dans Nature Cancer en collaboration avec Imperial College London et National Health Service, un système d’imagerie mammographique a été testé sur 125 000 femmes. Le système a détecté 25 % des cas de cancer intermédiaires historiquement manqués et a montré qu’il pourrait réduire jusqu’à 40 % la charge de lecture des images pesant sur les spécialistes. Il s’agit de résultats de recherche qui ne signifient pas que le système est adopté comme remplacement des radiologues.
Dans des cas de leucémie infantile, DeepSomatic a confirmé les variants connus et découvert 10 mutations auparavant non détectées lorsqu’il a été appliqué à des cas réels préalablement séquencés au Children’s Mercy Hospital. Google a également utilisé des modèles géospatiaux avec des données environnementales, météorologiques et de mobilité pour contribuer à prévoir les épidémies ; dans une recherche menée par WHO AFRO et INRB en République démocratique du Congo, des modèles géospatiaux conversationnels ont contribué à déterminer plus rapidement les risques d’exposition à Ebola et de transmission du virus.
Pourquoi cette tendance est-elle importante ?
Le changement réel ne réside pas seulement dans l’utilisation d’un modèle de langage en clinique, mais dans l’élargissement du rôle de l’intelligence artificielle afin de couvrir la découverte de médicaments, l’interprétation des variants génétiques, le traitement des images diagnostiques et l’affectation des ressources de santé publique. Toutefois, la source présente les résultats du point de vue de Google et ne précise pas, dans cet article, les détails de l’autorisation réglementaire ni la possibilité de généraliser chaque modèle à différentes populations et à différents systèmes de santé.
Google.org affirme avoir accordé en 2026 plus de 60 millions de dollars à des organisations utilisant des modèles avancés dans la recherche sur les maladies, parmi lesquelles Makerere University et University of Pennsylvania. La valeur de ces initiatives reste liée à la transformation des résultats de recherche en outils cliniques fiables, tout en maintenant une validation indépendante et une supervision médicale.