Artificial Intelligence in Drug Discovery for Health – AIDD4H-v2

AIDD4H-v2 est un LabCom dans le domaine de la médecine personnalisée, initié par la société biopharmaceutique Oncodesign et le laboratoire CIAD EA 7533, expert en Intelligence Artificielle, hybride, explicable et distribuée. AIDD4H - Artificial Intelligence in Drug Discovery for Health porte précisément sur l’identification et la validation de nouvelles cibles thérapeutiques. Ce sujet est un enjeu d’innovation majeurs pour Oncodesign, source d’un avantage compétitif dans le développement de nouvelles molécules thérapeutiques pour ses clients et pour son propre pipeline. La Révolution Data dans la santé engendre la production massive de données hétérogènes, temporalisées, multi-échelles et multimodales. Pour saisir la complexité des cancers et des maladies graves sans traitement connu, cœur de la mission d’Oncodesign, et identifier des cibles thérapeutiques nouvelles, il est aujourd’hui nécessaire d’intégrer, d’annoter et d’enrichir ces données avec le savoir-faire des experts métiers (biologie, chimie) de la découverte de médicaments.
AIDD4H exploitera, grâce aux expertises conjointes du CIAD et d’Oncodesign, l’apport de l’IA en fédérant les approches de modélisation par la donnée et de modélisation par la connaissance et orientera les projets de recherche associés autour des notions d’IA Hybride couplant Machine Learning et Représentation de Connaissance et Raisonnement (KRR) et d’IA Explicable intégrant la connaissance des experts métiers au cœur même de l’algorithme. Ces IA Explicables associent des approches d’IA connexionnistes telles le deep learning, les réseaux de neurones et des IA causales basées sur la modélisation de graphes causaux des connaissances issues du savoir des experts métiers. Elles aident à construire des modèles explicables, extraire des connaissances implicites/cachées, comprendre la complexité des entités biologiques et de leurs interactions, découvrir des mécanismes d’actions nouveaux et in fine identifier de nouvelles cibles. AIDD4H s’appuie sur les données et connaissances générées dans le PSPC OncoSNIPE®, dédié à l’identification et la caractérisation des patients résistants aux traitements anti-cancéreux, et le PSPC IMODI®, consacré à la caractérisation et au développement de modèles expérimentaux prédictifs du cancer. L’IA explicable mise en œuvre par AIDD4H permettra de contrôler la nature « boîte noire » des algorithmes, apportant la nécessaire transparence au décryptage des connexions cachées et contextes complexes, pour expliquer le choix de l’IA et aider chercheur et médecin dans leurs activités de recherche.
AIDD4H travaillera sur 3 axes :
L’axe 1 concerne la construction d’une base de connaissance par agrégation de sources de données hétérogènes propriétaires ou publiques. Cet axe répondra à la question de la modélisation et de l’acquisition de connaissances hétérogènes.
L’axe 2 porte sur la qualification de la vérité et de la valeur de ces données brutes pour en extraire les connaissances implicites/cachées. Cet axe utilisera des approches de fouille de données, d’analyse statistique et probabiliste ou de machine learning.
L’axe 3 concerne la modélisation numérique et formelle du raisonnement intervenant dans un savoir-faire. Cette connaissance, issue d’interview des experts métiers sera représentée dans un modèle formel en logique de description. Vocabulaire et système de règles ainsi générés permettront aux experts d’exprimer leur raisonnement au sein des IA développées mais aussi à l’IA d’expliquer son raisonnement. Cet axe combinera les approches connexionnistes et symboliques pour rendre ces IA explicables.
L’innovation issue de l’axe 3 sera intégrée dans une plateforme développée parallèlement par Oncodesign. Son exploitation dès 2023 visera à accélérer les phases de R&D de nouvelles molécules, créer de nouveaux services et partenariats commerciaux dont une partie des revenus assurera la pérennité du LabCom.