Facebook s’intéresse à la pharmacologie - Guillaume Besson

Mis à jour : avr. 22

Toutes les deux semaines, Guillaume Besson (expert AI For Tomorrow et Senior Consultant en Intelligence Artificielle) explore pour AI For Tomorrow des champs d’application AI For Good.


Et si le futur de la médecine s’écrivait chez Facebook ?


L’un des grands enjeux de la médecine moderne est d’arriver à combiner des molécules existantes pour traiter de manière efficace des maladies encore résistantes aux traitements.


Ces « cocktails de médicaments » ouvrent aussi la voie à une médecine personnalisée, avec des doses et des mélanges permettant de traiter le plus efficacement possible une pathologie donnée, tout en limitant les effets indésirables.


Seul problème : combiner des médicaments entre eux est une science complexe, car il est très difficile d’anticiper les effets d’interactions médicamenteuses pour un patient donné, et les effets indésirables peuvent très vite dépasser les effets bénéfiques.

Certains chercheurs [1] se sont donc tournés vers des simulations informatiques, bien que celles-ci soient encore limitées par la technologie.

En effet, il faut tester plusieurs milliards de situations possibles pour trouver la combinaison optimale entre un groupe de molécules, ce qui n’est pas réalisable sur un temps raisonnable.


Partant de ce constat, des chercheurs en Intelligence Artificielle de Facebook ont publié il y a quelques jours un projet [2] visant à découvrir de nouvelles combinaisons optimales de médicaments existants.

Baptisé CPA (pour Compositional Perturbation Autoencoder), il s’agit en fait d’un modèle d’IA auto-supervisée, capable de labelliser les données d’études à partir des relations observées entre des molécules et un organisme.


En associant cette technologie à des méthodes d’auto-encodage, CPA devient capable d’identifier des patterns dans les interactions entre médicaments, et de pouvoir identifier les combinaisons prometteuses.


Par ailleurs, cette approche permet au modèle de pouvoir recombiner des résultats observés, de manière à pouvoir extrapoler sur des résultats futurs. Ainsi, le modèle n’a pas à tester toutes les combinaisons possibles et imaginables, mais seulement les combinaisons perçues comme prometteuses.

Cette technique permet au modèle de réaliser des prévisions d’interactions médicamenteuses en quelques heures, contre plusieurs années (!) pour les simulations informatiques classiques.


Un projet fou, mais certainement gardé sous clé par Facebook ? Non, le code source est accessible ici : https://github.com/facebookresearch/CPA


Lire sur notre Medium.


Guillaume Besson,

Expert AI For Tomorrow

Senior Consultant en Intelligence Artificielle


Sources :

Image de couverture: Photo de Edward Jenner provenant de Pexels

[1] https://venturebeat.com/2018/07/10/stanford-researchers-develop-ai-that-can-predict-pharmaceutical-drug-interactions/

[2] https://ai.facebook.com/blog/ai-predicts-effective-drug-combinations-to-fight-complex-diseases-faster