Les chercheurs continuent d’innover dans le domaine de la santé grâce à des algorithmes d’apprentissage en profondeur. Qu’il s’agisse de diagnostiquer des patients ou de fournir un traitement, les solutions de santé alimentées par des algorithmes d’apprentissage en profondeur ont non seulement rendu la tâche plus rapide et plus simple pour les professionnels de la santé, mais ont également permis aux chercheurs de mieux comprendre les données collectées.
Les chercheurs s’amusent avec des algorithmes d’IA d’apprentissage en profondeur
Les données exploitées à partir d’appareils dans le domaine de la santé sont en cours d’analyse et de sens avec davantage de technologies pour créer de meilleurs résultats. Par exemple, les données de santé de patients atteints de cancer peuvent être étudiées pour améliorer les traitements et également la détection précoce grâce à des outils d’analyse de mégadonnées.
En matière de traitement, l’IA apporte des merveilles à l’industrie, grâce à ses capacités de traitement et d’analyse des données à des vitesses plus rapides. Les algorithmes d’apprentissage automatique et d’apprentissage en profondeur permettent aux chercheurs de développer de nouveaux médicaments plus rapidement et de mieux comprendre ces médicaments grâce à une analyse plus rapide et des résultats traités par ces outils.
Selon les rapports, l’IA sur le marché de la découverte de médicaments devrait atteindre 470 millions de dollars US en 2021. Une partie de la croissance est due à la demande de plus de médicaments et de vaccins pour lutter contre la maladie. La pandémie de COVID-19 a vu le besoin de technologie dans la découverte de médicaments augmenter à mesure que les produits pharmaceutiques les entreprises se sont précipitées pour trouver un vaccin.
Alors que les vaccins sont distribués à tout le monde dans le monde, la recherche ne s’arrête pas. Les sociétés pharmaceutiques et les instituts de recherche recherchent toujours fortement de nouveaux médicaments capables de lutter contre la pandémie, en particulier avec l’évolution du virus lui-même.
Et c’est là que l’apprentissage en profondeur permet à la recherche de modifier le paysage au fur et à mesure qu’il se déroule avec l’accès aux bonnes données. Des scientifiques du Laboratoire d’informatique et d’intelligence artificielle (CSAIL) du MIT et de la Jameel Clinic for Machine Learning in Health recherchent actuellement des moyens d’identifier le bon combinaisons de médicaments synergiques pour la propagation rapide de nouvelles variantes de COVID-19.
Alors que les scientifiques des données s’appuient sur des algorithmes d’apprentissage en profondeur analysant de grands ensembles de données pour sélectionner des combinaisons de médicaments, les données COVID-19 étaient encore limitées, bien qu’elles affectent des millions de personnes. Et avec le virus en constante évolution, ils avaient besoin d’une nouvelle approche.
En utilisant une nouvelle approche des données, l’équipe a utilisé un modèle qui apprend conjointement l’interaction médicament-cible et la synergie médicament-médicament pour extraire de nouvelles combinaisons. Les rapports ont montré que le prédicteur de cible de médicament modélise l’interaction entre un médicament et un ensemble de cibles biologiques connues qui sont liées à la maladie choisie. Le prédicteur d’association cible-maladie apprend à comprendre l’activité antivirale d’un médicament, ce qui signifie déterminer le rendement en virus dans les cultures de tissus infectés. Ensemble, ils peuvent prédire la synergie de deux médicaments efficaces dans un cadre de contrôle donné.
L’approche a permis aux collaborateurs de découvrir deux nouvelles combinaisons de médicaments qui ont été publié dans les Actes de la National Academy of Sciences. « En modélisant les interactions entre les médicaments et les cibles biologiques, nous pouvons réduire considérablement la dépendance aux données de synergie de combinaison », explique Wengong Jin, post-doctorant au Broad Institute du MIT et à Harvard.
