Les modèles prédictifs basés sur l’intelligence artificielle (IA) transforment la recherche de nouveaux traitements contre des pathologies chroniques complexes telles que la maladie de Sjögren, ou le lupus érythémateux disséminé. Des modèles computationnels de ces maladies auto-immunes sont établis à partir de données de profilage moléculaire multi-omiques des patients intégrées par l’IA. Ces analyses permettent de représenter l’hétérogénéité des patients et d’identifier des cibles thérapeutiques pertinentes parmi les voies moléculaires dérégulées dans ces maladies. L’IA est également utile pour identifier et optimiser des candidats-médicaments interagissant avec ces cibles thérapeutiques, mais aussi pour concevoir des thérapies combinées. Des cohortes de patients virtuels peuvent être créées pour prédire in silico l’efficacité des médicaments à l’échelle de patients individuels. En stratifiant les patients en sous-groupes définis moléculairement pour mieux adapter les traitements, l’IA permet d’envisager à terme une médecine de précision computationnelle susceptible de mettre en relation les caractéristiques individuelles des patients avec les propriétés prédites de milliards de candidats-médicaments, afin de proposer des traitements de plus en plus personnalisés.

Predictive models based on artificial intelligence (AI) are transforming the search for new treatments for complex chronic conditions such as Sjögren's disease or Systemic Lupus Erythematosus. Computational models of these autoimmune diseases are built from patient molecular profiling data obtained through multiomics technologies integrated by AI. These analyses help to represent patient heterogeneity and to identify relevant therapeutic targets among the molecular pathways dysregulated in these diseases. AI is also used to identify and optimize drug candidates that interact with these therapeutic targets, and to design combined therapies. Cohorts of virtual patients can be created to predict in silico the efficacy of drug candidates. By stratifying patients into molecularly defined subgroups — thus enabling optimized therapeutic options — AI is fostering a computational precision medicine that could ultimately link detailed individual patient characteristics with the predicted properties of billions of drug candidates with the aim to propose increasingly personalized treatments.