L’IA et l’apprentissage automatique ont un potentiel dans la lutte contre les maladies infectieuses

Nov 24, 2023

Source : Getty Images

Par Mark Melchionna

26 juillet 2023 - Une nouvelle étude décrit que malgré la menace persistante des maladies infectieuses sur la santé publique, les capacités de l'intelligence artificielle (IA) et de l'apprentissage automatique (ML) peuvent aider à résoudre ce problème et fournir un cadre pour de futures pandémies.

Indépendamment des progrès de la recherche et de la biologie, les maladies infectieuses demeurent un problème. Pour faire face au conflit, les méthodes courantes appliquées incluent les thérapies et les diagnostics. Souvent, les approches de biologie synthétique constituent une plateforme d’innovation. Les recherches ont indiqué que la biologie synthétique est souvent divisée en deux catégories de développement : les hypothèses biologiques quantitatives et les données issues de l'expérimentation, et la compréhension des facteurs tels que les acides nucléiques et les peptides, qui permettent le contrôle de la biologie.

Selon les recherches, les progrès de l’IA ont pris en compte ces facteurs. Compte tenu de la complexité de la biologie et des maladies infectieuses, le potentiel est élevé. Ainsi, les chercheurs ont examiné comment la relation entre l’IA et la biologie synthétique peut lutter contre les maladies infectieuses.

L'analyse décrit trois utilisations de l'IA dans les maladies infectieuses : la découverte de médicaments anti-infectieux, la biologie des infections et le diagnostic.

Malgré la préexistence de divers médicaments anti-infectieux, la résistance aux médicaments dépasse souvent leur efficacité. L’IA et le ML peuvent jouer un rôle important dans le développement de nouveaux médicaments en recherchant des bases de données de petites molécules tout en utilisant des modèles de formation pour définir de nouveaux médicaments ou appliquer des médicaments existants.

Les complications de la biologie des infections sont nombreuses, dues en grande partie à l’activité d’agents pathogènes bactériens, eucaryotes et viraux. Ces facteurs peuvent affecter les réponses de l’hôte et, par conséquent, l’évolution de l’infection.

Les modèles ML, cependant, peuvent analyser l’acide nucléique, les protéines et d’autres variables pour déterminer les aspects des interactions hôte-pathogène et des réponses immunitaires. La recherche indique également qu’ils peuvent définir des gènes et des interactions entre protéines liés aux modifications des cellules hôtes, à la prédiction de l’immunogénicité et à d’autres activités.

En outre, l’optimisation de l’expression génique et la prédiction des antigènes ont facilité le développement de vaccins et de médicaments grâce à des modèles supervisés.

L'IA et le ML ont des applications dans le diagnostic. Comme l’ont montré des cas antérieurs, la rapidité de détection des maladies infectieuses joue un rôle important dans la manière dont se propage la maladie. Cependant, grâce à l’IA et à l’apprentissage automatique, les chercheurs peuvent identifier les infections et prévoir la résistance aux médicaments. Cela s’explique principalement par sa capacité à bien programmer les éléments et à mettre en évidence les informations essentielles issues des réseaux biomoléculaires.

Quels que soient les opportunités et les défis que ces méthodes peuvent poser, elles sont essentielles à l’avenir du traitement des maladies infectieuses. À mesure que le développement de l’IA se poursuit, il est essentiel de prendre en compte un large éventail d’ensembles de données pour éviter les biais.

Divers efforts de recherche ont également mis en valeur les capacités de l’IA et la manière dont elle peut faire progresser les soins de santé.

La recherche d’avril 2022, par exemple, impliquait la création d’un modèle d’IA qui utilise des images tomodensitométriques abdominales sans contraste pour analyser les facteurs liés à la santé pancréatique, déterminant ainsi le risque de diabète de type 2.

À l’aide de centaines d’images et de diverses mesures, les chercheurs ont défini les facteurs en corrélation avec le diabète. Des résultats cohérents et précis ont permis aux chercheurs de déterminer que cette analyse constituait une approche efficace pour détecter le diabète.

"Cette étude est une étape vers une utilisation plus large de méthodes automatisées pour relever les défis cliniques", ont déclaré les auteurs de l'étude Ronald M. Summers, MD, PhD, et Hima Tallam, étudiant en médecine et doctorat, dans un communiqué de presse. "Cela pourrait également éclairer les travaux futurs visant à déterminer la raison des modifications pancréatiques qui surviennent chez les patients diabétiques."

De tels efforts de recherche sont des exemples intégraux de la façon dont l’IA continue de jouer un rôle dans les soins de santé.