IA pour la maladie d’Alzheimer

La maladie d’Alzheimer est l’un des défis médicaux les plus complexes encore non résolus, et l’un des plus dévastateurs. Elle tue des millions de personnes, fait peser un lourd fardeau sur les familles et continue de dépasser largement les capacités actuelles de la médecine. À la Fondation OpenAI, nous voulons changer cela en utilisant l’IA avancée pour accélérer la recherche scientifique sur la prévention et le traitement de la maladie.^1⁠ Dans un premier temps, nous travaillons ce mois-ci à finaliser plus de 100 millions de dollars de financements à six institutions de recherche afin de soutenir et d’accélérer la recherche sur la maladie d’Alzheimer : génération de nouvelles données, contribution à la conception de nouveaux médicaments et élargissement des pistes de traitement possibles.

Ces subventions marquent le début de notre travail ; il reste encore beaucoup à faire. Nous prévoyons d’accorder de nouvelles subventions consacrées à la maladie d’Alzheimer tout au long de l’année 2026 et au-delà, à un plus grand nombre de scientifiques et d’institutions de recherche, afin qu’ensemble, nous puissions enfin prévenir et traiter la maladie d’Alzheimer.

Pourquoi se concentrer sur la maladie d’Alzheimer ?

Notre mission est de faire en sorte que l’AGI bénéficie à l’humanité tout entière. La maladie d’Alzheimer est un défi majeur, qui s’aggrave à mesure que les populations vieillissent, et la complexité de cette maladie se prête bien à l’IA.

La maladie d’Alzheimer n’affecte pas seulement les millions de personnes chez qui la maladie a été diagnostiquée, mais aussi leurs conjoints, leurs enfants, leurs proches aidants et les autres personnes qui les accompagnent. Cette maladie fait peser une immense charge émotionnelle et financière sur les familles.

L’humanité a progressé au cours des dernières décennies contre trois des quatre principales causes de mortalité (maladies cardiovasculaires, maladies infectieuses et certains cancers), réduisant le risque de décès à chaque âge :

Cependant, mettre au point des traitements efficaces contre la quatrième grande cause de mortalité, les maladies neurodégénératives comme la maladie d’Alzheimer, s’est jusqu’à présent révélé extrêmement difficile, malgré les efforts des meilleurs scientifiques de l’humanité :

Cela s’explique par le fait que la maladie d’Alzheimer ne semble pas résulter d’un facteur unique, mais de l’interaction de facteurs de risque génétiques, du mauvais repliement des protéines, de l’inflammation, d’un dysfonctionnement synaptique, et d’autres mécanismes encore, interagissant avec des facteurs environnementaux sur plusieurs décennies et se déroulant dans le cerveau, un organe difficile à étudier et auquel il est difficile d’administrer des médicaments. Les approches de recherche traditionnelles ont eu du mal à en rendre compte.

L’IA est particulièrement bien placée pour faire face à cette complexité. Sa capacité à raisonner à partir de différents types de données, notamment les symptômes cliniques des patients, les marqueurs biologiques de la maladie, les criblages de candidats médicaments, et bien plus encore, offre une manière fondamentalement nouvelle de comprendre comment ces facteurs interagissent, d’identifier des cibles thérapeutiques appropriées et de détecter des risques cliniquement exploitables des décennies plus tôt chez les patients.

Notre objectif est d’aider les scientifiques à inventer de nouveaux outils pour enfin prévenir et traiter la maladie d’Alzheimer. Comme cet objectif s’est jusqu’à présent révélé si difficile à atteindre, nous y voyons un test clair de la capacité de l’IA à transformer le champ des possibles en santé humaine. Notre objectif est de changer concrètement les choses pour les personnes à risque de développer la maladie d’Alzheimer et leurs familles.

Notre approche initiale

Nous sommes reconnaissants du soutien que nous avons reçu de la part d’évaluateurs scientifiques externes pour éclairer nos stratégies initiales. Bien que nous soyons très enthousiastes à l’égard de chacun de ces axes de financement, nous ne nous attendons pas à atteindre notre objectif de prévention et de traitement de la maladie d’Alzheimer du jour au lendemain. Certaines expériences donneront des résultats négatifs, et il y aura des contretemps en cours de route. C’est la nature même de la science, et nous apprendrons aussi vite que possible, en faisant évoluer notre approche à mesure que les résultats arriveront.

Pour commencer, nous avons formulé des hypothèses initiales sur la manière dont nous pouvons soutenir l’écosystème de la recherche de manière complémentaire aux efforts existants et tirer parti de ce que l’IA rend désormais possible. Ensemble, cela se traduit par une « architecture en cinq couches » d’activités au sein d’instituts de recherche de premier plan :

1. Créer une « carte causale » de la maladie d’Alzheimer à l’aide de l’IA, afin de valider des cibles d’intervention. Il semble désormais clair qu’il existe de nombreux facteurs à l’origine de la maladie d’Alzheimer, et non un seul. Cela implique que nous devrions cartographier l’ensemble du réseau des facteurs causaux afin d’identifier avec précision les points d’intervention thérapeutique les plus pertinents selon les personnes. En collaborant avec des chercheurs à la pointe de l’IA en biologie, comme Arc Institute⁠, nous cherchons à comprendre comment des organoïdes cérébraux « modèles » réagissent à différentes combinaisons de facteurs de risque génétiques et environnementaux. De telles données expérimentales à grande échelle peuvent être utilisées pour entraîner des modèles d’IA qui éclaireront de futures expériences. Grâce à ce moteur hybride, les chercheurs peuvent partager leurs résultats au fil de l’eau afin que d’autres puissent s’appuyer dessus, et proposer des cibles thérapeutiques fondées sur des mécanismes en vue de tests supplémentaires.

La maladie d’Alzheimer résiste aux traitements en partie parce qu’elle est l’exemple même d’une maladie complexe. C’est le résultat de centaines de facteurs de risque génétiques et environnementaux interagissant entre différents types cellulaires sur plusieurs décennies. Chez Arc, nous développons les technologies expérimentales et informatiques nécessaires pour cartographier réellement ces interactions à grande échelle.

— Patrick Hsu, PhD, cofondateur de l’Arc Institute et chercheur principal

Nous voulons identifier des perturbations capables de faire passer une cellule d’un état pathologique à un état sain. Pour ce faire, nous menons un cycle d’apprentissage actif : nous perturbons systématiquement des modèles de tissus humains en nous appuyant sur des données patients, mesurons ce qui se passe et utilisons les résultats pour améliorer de manière itérative nos modèles d’IA de la maladie d’Alzheimer. Chaque cycle nous donne une vision causale plus précise des points de convergence des mécanismes pathologiques et des endroits où intervenir.

— Silvana Konermann, PhD, co-fondatrice et directrice exécutive de l’Arc Institute

2. Concevoir de nouveaux médicaments à l’aide de l’IA et les tester en laboratoire – avec des partenaires comme l’Institute for Protein Design⁠, en collaboration avec des neurologues et neuroscientifiques de premier plan d’autres instituts de recherche. Plus de 100 médicaments contre la maladie d’Alzheimer ont été testés dans des essais cliniques depuis 2000, mais presque tous se sont révélés inefficaces ou ont entraîné des effets secondaires indésirables. Nous pensons que les molécules conçues à l’aide d’outils d’IA pour la biologie auront, au fil du temps, de plus fortes probabilités de succès. Mais pour déterminer si cela est vrai, les chercheurs doivent d’abord pouvoir valider leurs modèles dans des cellules, des tissus et des modèles animaux.

À l’UW Medicine Institute for Protein Design, nous nous engageons à développer des pipelines collaboratifs visant à avoir le plus grand impact positif sur le bien-être mondial. Grâce à nos tout derniers modèles de conception de protéines grâce à l’IA, nous avons réussi à concevoir des molécules capables de cibler des mécanismes clés de la progression de la maladie d’Alzheimer, de les modifier et de les dégrader. Développer, affiner et partager cette boîte à outils avec des neuroscientifiques capables d’utiliser nos protéines conçues pour prédire et traiter la neurodégénérescence figure parmi nos priorités majeures.

— David Baker, PhD, lauréat du prix Nobel et directeur de l’Institute for Protein Design à l’Université de Washington

3. Soutenir les jeux de données ouverts afin de prédire l’activité des médicaments et de suivre l’évolution de la maladie avec et sans intervention. Cela comprend la création de nouveaux jeux de données ouverts pertinents pour la maladie d’Alzheimer avec des organisations à but non lucratif comme la Focused Research Organisation EvE Bio⁠. Cela comprend également le soutien à l’élargissement des jeux de données longitudinaux et épidémiologiques existants, ainsi que des possibilités d’ouvrir de manière responsable l’accès à des jeux de données existants collectés par des entreprises de biotechnologie, susceptibles de bénéficier à l’ensemble des chercheurs.

4. Identifier de nouveaux biomarqueurs de la maladie afin d’améliorer le diagnostic et le déroulement des essais cliniques, avec des collaborateurs comme l’UCSF. L’approbation du premier test sanguin de dépistage de la maladie d’Alzheimer l’année dernière⁠ donne aux médecins spécialistes davantage d’outils pour évaluer l’état d’un patient, de manière moins invasive. Les biomarqueurs sanguins et autres biomarqueurs donnent également aux chercheurs la possibilité de mesurer l’effet que les médicaments peuvent avoir sur l’évolution de la maladie dans les essais cliniques, y compris comme critères d’évaluation secondaires dans des essais portant principalement sur une autre maladie (comme le montre ce récent essai⁠ sur une maladie cardiovasculaire). Il existe davantage de possibilités d’aller plus loin avec la protéomique moderne et d’autres prélèvements effectués chez les patients, maintenant que l’IA peut interpréter des signaux biologiques plus complexes.

La maladie d’Alzheimer reste l’un des défis les plus urgents en médecine, et les progrès reposent sur la mise en relation des avancées scientifiques et des soins aux patients. Cette collaboration nous permet de mettre en relation des travaux de premier plan à l’échelle mondiale, des avancées dans la conception des protéines aux connaissances cliniques et biologiques approfondies ici, à l’UCSF, afin de mieux comprendre la maladie et d’identifier de nouvelles voies thérapeutiques. Avec l’aide de l’IA pour intégrer ces enseignements et interpréter une grande complexité, nous avons l’opportunité d’accélérer les découvertes qui pourraient changer concrètement la vie des patients.

— S. Andrew Josephson, docteur en médecine (MD), professeur et chef du département de neurologie à l’UCSF et à l’UCSF Weill Institute des neurosciences

5. Tester des traitements hors brevet et utiliser l’IA pour analyser au mieux les données anonymisées des patients et les expériences partagées en ligne. Il existe un certain nombre d’interventions pour lesquelles il existe des preuves pour lesquelles il existe des indications d’efficacité, par exemple, l’orotate de lithium⁠ et le vaccin contre le zona tombé dans le domaine public⁠, mais pour lesquelles des preuves supplémentaires de haute qualité sont nécessaires et pour lesquelles le secteur privé n’est pas incité à financer des essais cliniques.

J’espère que la capacité de l’orotate de lithium, à dose physiologique, à inverser la pathologie et à restaurer la mémoire dans des modèles murins de la maladie d’Alzheimer se traduira chez la population humaine vieillissante. Le lithium est ce qui alimente nos téléphones, nos ordinateurs portables et nos véhicules électriques. Je pense que le cerveau a peut-être exploité sa chimie électrochimique unique avant nous.

— Bruce Yankner, MD, PhD, professeur de génétique et de neurologie à la Harvard Medical School et codirecteur du Harvard Glenn Center for Biology of Aging Research

Apprentissage itératif

Nous progresserons simultanément sur ces cinq fronts, afin de compléter les efforts existants au sein de l’écosystème de la recherche. Nous comptons compléter nos approches existantes à mesure que nous recevrons davantage de retours de la communauté scientifique, afin que nous puissions ensemble déterminer comment prévenir et traiter la maladie d’Alzheimer.

En nous attaquant de front à la maladie d’Alzheimer, nous visons non seulement à contribuer à changer le cours de cette maladie, mais aussi à développer des outils et des connaissances susceptibles d’accélérer les progrès contre bien d’autres.

* * *

Si vous souhaitez recevoir les dernières informations de la Fondation OpenAI, inscrivez-vous ici⁠. Si vous souhaitez contacter notre équipe Sciences de la vie et lutte contre les maladies, vous pouvez nous écrire à l’adresse [email protected]⁠.

Outre les articles universitaires, nous consultons également avec intérêt des rapports, des articles de fond et des billets de blog sur l’IA et la science. Bien que nous ne soyons pas d’accord avec toutes les affirmations avancées dans ces textes, cela inclut ce rapport des National Academies⁠, cet article de synthèse sur le pipeline de médicaments contre la maladie d’Alzheimer⁠, des synthèses générales des progrès médicaux comme cet article sur les taux de mortalité dus aux maladies cardiovasculaires⁠, ce billet de blog de Science⁠ sur les difficultés rencontrées par l’IA pour progresser en médecine, ainsi que cette idée d’IFP sur les données cliniques⁠.

Nous vous encourageons à publier vos analyses et à nous envoyer un lien si vous pensez que ce point de vue peut nous être utile.