Sécuriser la valeur : stratégies en matière de brevets pour la réorientation des médicaments accélérée par l'IA
Le développement de médicaments peut être lent, coûteux et risqué, nécessitant souvent plus d'une décennie et des milliards de dollars pour mettre un seul traitement sur le marché. La réorientation des médicaments offre une voie plus rapide et moins risquée vers de nouveaux traitements en tirant parti des profils de sécurité et d'efficacité établis des médicaments existants. Néanmoins, de nombreux programmes de réorientation échouent en raison d'une faible efficacité clinique ou de toxicités inattendues, et le processus reste souvent laborieux et long. Une récente étude de Wan et al. publiée dans Advanced Science explique différentes approches utilisant l'intelligence artificielle (IA) pour accélérer la réorientation des médicaments et surmonter certains des principaux défis de ce processus. Si ces progrès scientifiques sont essentiels, les médicaments candidats réorientés doivent également surmonter d'importants défis réglementaires et liés aux brevets pour réussir leur commercialisation.
Wan et al. soulignent que l'IA peut exploiter des ensembles de données biologiques et cliniques à grande échelle pour identifier de nouvelles utilisations thérapeutiques pour des médicaments existants. En intégrant divers types de données, tels que les profils transcriptomiques et protéomiques, les bases de données sur les interactions entre les médicaments et leurs cibles, et les données concrètes issues des dossiers médicaux électroniques, les modèles d'IA peuvent évaluer les candidats-médicaments à l'aide d'un large éventail de paramètres. Les pipelines de réorientation des médicaments basés sur ces modèles d'IA peuvent révéler des effets cachés sur la cible ou hors cible et prédire de nouvelles associations médicament-maladie afin d'accélérer considérablement la recherche de candidats viables. Les principaux obstacles au succès commercial de la réorientation des médicaments grâce à l'IA sont la fiabilité des données, la validation clinique et les obstacles réglementaires. Cependant, les développements récents suggèrent que l'IA transforme rapidement la réorientation des médicaments, qui dépendait auparavant du hasard, en une discipline systématique et fondée sur les données.
Les médicaments réutilisés se heurtent également à d'importants obstacles en matière de protection par brevet, car leurs molécules principales sont déjà publiques. Comme je l'ai expliqué dans un article précédent sur les stratégies en matière de brevets pour les médicaments réutilisés, une protection efficace nécessite une approche à plusieurs niveaux, notamment :
- Brevets relatifs aux méthodes d'utilisation (couvrant de nouvelles indications, posologies et voies d'administration, et/ou sous-populations de patients)
- Brevets de formulation (à libération prolongée, à effet retard injectable ou nouveaux mécanismes d'administration)
- Brevets combinés (association synergique avec un autre agent thérapeutique)
Une protection stratégique des brevets peut transformer les médicaments réutilisés et les innovations associées en actifs précieux. Aligner l'innovation en matière d'IA sur une stratégie réfléchie en matière de propriété intellectuelle permettra non seulement de préserver la valeur, mais aussi de garantir que les avancées scientifiques dans le domaine de la réutilisation des médicaments se traduisent par un succès commercial.
Le développement traditionnel de médicaments est un processus long et coûteux, qui prend souvent plus d'une décennie et coûte des milliards de dollars. En revanche, la réutilisation de médicaments existants déjà approuvés pour d'autres usages permet de contourner plusieurs étapes du processus de développement, car leur profil de sécurité est déjà bien établi. Le criblage virtuel basé sur l'IA permet d'évaluer des millions de composés en un temps record, ce qui accélère considérablement le processus de découverte de médicaments en réduisant la nécessité de tests approfondis en laboratoire et en concentrant les ressources sur les candidats les plus prometteurs, ce qui est essentiel pour répondre aux candidats les plus prometteurs et rationaliser le processus de découverte de médicaments.
Voir l'article référencé
