L’intelligence artificielle (IA) recouvre les technologies qui reproduisent, par la machine, quatre dimensions de l’intelligence humaine, à savoir la perception, l’analyse, l’action et l’apprentissage. Les progrès technologiques, combinés dans ces domaines, permettent de générer et d’analyser des données massives pour modéliser la réalité d’un phénomène. Ces modèles sont ensuite réactualisés par l’accumulation de nouvelles données afin d’aider à la prise de décision et prédire le futur. Appliquée à la problématique du développement d’un médicament, l’IA permet d’établir des modèles de maladies à partir de données de profilage moléculaire de patients. Par sa puissance de calcul, l’IA intègre ces données multimodales massives dans un modèle permettant : (i) de rendre compte de l’hétérogénéité des maladies ; et (ii) d’identifier des cibles thérapeutiques importantes dans la physiopathologie. D’autres analyses computationnelles sont utilisées pour identifier des molécules thérapeutiques interagissant avec ces cibles, optimiser ces molécules ou repositionner des molécules anciennes dans de nouvelles indications. La modélisation par l’IA aide également à identifier des biomarqueurs d’efficacité, définir des combinaisons de molécules thérapeutiques pertinentes, concevoir des études cliniques innovantes avec des groupes placebo virtuels… Cette convergence révolutionnaire entre les biotechnologies, les sciences du médicament et l’IA donne aujourd’hui naissance à une médecine computationnelle de précision applicable à toutes les maladies chroniques, qui offrira des traitements parfaitement ciblés prenant en compte les spécificités du patient quant à sa physiologie, sa maladie, sa relation à l’environnement.

Artificial intelligence (AI) encompasses technologies recapitulating four dimensions of human intelligence, i.e. sensing, thinking, acting and learning. The convergence of technological advances in those fields allows to integrate massive data and build probabilistic models of a problem. The latter can be continuously updated by incorporating new data to inform decision-making and predict the future. In support of drug discovery and development, AI allows to generate disease models using data obtained following extensive molecular profiling of patients. Given its superior computational power, AI can integrate those big multimodal data to generate models allowing: (i) to represent patient heterogeneity; and (ii) identify therapeutic targets with inferences of causality in the pathophysiology. Additional computational analyses can help identifying and optimizing drugs interacting with these targets, or even repurposing existing molecules for a new indication. AI-based modeling further supports the identification of biomarkers of efficacy, the selection of appropriate combination therapies and the design of innovative clinical studies with virtual placebo groups. The convergence of biotechnologies, drug sciences and AI is fostering the emergence of a computational precision medicine predicted to yield therapies or preventive measures precisely tailored to patient characteristics in terms of their physiology, disease features and environmental risk exposure.