Le Co-Scientist de DeepMind aide à trouver de nouvelles façons de traiter les maladies du foie

Les chercheurs de DeepMind ont développé Co-Scientist — un assistant IA qui aide les scientifiques à accélérer le processus de découvertes scientifiques. Filippo Menolascina, chercheur en biologie des systèmes, travaille avec cet outil sur l'un des problèmes les plus complexes de la médecine moderne : pourquoi les mêmes médicaments fonctionnent efficacement pour certains patients mais ne l'aident pas d'autres.

Co-Scientist : un assistant pour le scientifique

Co-Scientist se distingue des modèles de langage volumineux conventionnels en ce qu'il peut travailler avec des données expérimentales réelles, analyser les résultats de recherches de laboratoire et proposer de nouvelles hypothèses de recherche basées sur des données factuelles. L'outil s'intègre dans le flux de travail du scientifique, l'aidant à formuler des questions de recherche complexes et à identifier des modèles dans les données que l'analyse humaine pourrait manquer. Pour Menolascina, cela signifie la capacité d'itérer plus rapidement à travers diverses options, de tester des hypothèses et de trouver des connexions entre différents niveaux de données biologiques — de l'activité des gènes individuels au comportement de populations cellulaires entières et d'organes.

La façon traditionnelle dont un scientifique travaille est de formuler une hypothèse, de mener une expérience, d'analyser le résultat. Co-Scientist accélère cette chaîne en proposant de nouvelles hypothèses basées sur les données existantes et en aidant à interpréter les résultats dans le contexte des connaissances scientifiques connues.

Révéler les mécanismes de la maladie du foie

Le foie est l'un des organes les plus complexes du corps humain. Ses maladies restent souvent peu comprises car les mécanismes de développement de la maladie impliquent plusieurs voies moléculaires qui interagissent dans un réseau complexe. Co-Scientist aide Menolascina à identifier les mécanismes moléculaires clés qui conduisent au développement de la maladie et à la progression de l'insuffisance hépatique. Comprendre ces mécanismes rend possible :

• Analyser quels gènes sont activés ou supprimés dans la maladie
• Identifier les voies biochimiques par lesquelles la maladie se développe
• Trouver des points dans le réseau moléculaire où les médicaments peuvent intervenir
• Prédire l'efficacité des médicaments existants pour un patient spécifique
• Développer de nouvelles approches thérapeutiques basées sur la compréhension du mécanisme

Cette approche permet non seulement de trouver de nouveaux médicaments par criblage aléatoire, mais aussi de développer délibérément une thérapie tout en comprenant pourquoi elle devrait fonctionner de cette manière.

Réponses individuelles au même traitement

L'une des plus grandes énigmes de la médecine est la variabilité des réponses des patients au traitement identique. Pour certains patients, le médicament fonctionne parfaitement et le patient guérit, pour d'autres il n'aide pas du tout, pour d'autres encore il provoque des effets secondaires graves. Ce phénomène s'appelle « hétérogénéité phénotypique » — un diagnostic masque différents processus biologiques chez différentes personnes. Co-Scientist aide à expliquer ces différences au niveau moléculaire. L'analyse des données montre que sous-jacentes à ces différences cliniques se trouvent des changements dans des gènes spécifiques et les protéines qu'ils produisent. L'outil aide à relier ces caractéristiques moléculaires à la présentation clinique et à prédire quel patient bénéficiera d'un médicament particulier.

Ce que cela signifie

La recherche de Menolascina démontre que l'IA non seulement génère des hypothèses mais devient aussi un véritable accélérateur de découvertes scientifiques, en particulier en biomédecine. Si Co-Scientist peut aider à démêler l'un des organes les plus complexes du corps humain, cela ouvre la porte à l'application de tels outils dans l'étude d'autres maladies. Pour les patients, cela signifie que dans les années à venir, le traitement pourrait devenir plus précis et efficace — les médecins pourraient choisir les médicaments non par essais et erreurs, mais en fonction de l'analyse moléculaire du patient spécifique, ses caractéristiques génétiques et le profil biochimique de sa maladie.