AIRIS réunit 21 partenaires d’Europe, du Canada et des États-Unis afin de développer des modèles d’IA générative qui intègrent les connaissances biologiques et les données cliniques. L’objectif principal d’AIRIS est de livrer un collaborateur en IA qui aide les chercheur·euse·s à mieux comprendre la progression des maladies et à faire progresser la médecine personnalisée.
Les patient·e·s ayant reçu le même diagnostic peuvent connaître des évolutions de la maladie et des résultats de traitement très différents, façonnés par une interaction complexe de facteurs biologiques et environnementaux. Or, les systèmes actuels d’IA générative conçus pour modéliser ces maladies apprennent surtout des corrélations statistiques à partir de leurs données d’entraînement, plutôt que les mécanismes biologiques sous-jacents à l’origine de la maladie. Résultat : leurs prédictions peuvent s’avérer peu fiables et difficiles à interpréter et à valider pour les chercheur·euse·s. Cela est particulièrement vrai pour les maladies dont les mécanismes ne sont pas encore pleinement compris, même par le corps médical.
Pour relever ce défi fondamental, le nouveau projet de recherche intitulé AIRIS (Mechanism-Informed Multimodal Generative AI for Causal and Dynamical Modelling in Biomedical Research) rassemble l’expertise multidisciplinaire de 21 partenaires des milieux de la recherche et de l’industrie, issus de neuf pays européens, des États-Unis et du Canada.
L’Institut de recherche du Centre universitaire de santé McGill (l’Institut) en est le seul partenaire canadien.
Au cours des quatre prochaines années, le consortium recevra un financement de 16,9 millions d’euros du programme Horizon Europe de l’Union européenne pour développer une plateforme d’IA générative qui construit des modèles mécanistiques des maladies et raisonne à partir de ceux-ci, plutôt que de s’appuyer uniquement sur des schémas statistiques. L’objectif : concevoir une plateforme qui aide les chercheur·euse·s à repérer des voies pathologiques jusque-là inconnues et à formuler de nouvelles hypothèses scientifiques.
« Grâce à ce consortium Horizon Europe, nous souhaitons développer des modèles d’IA générative profonde capables de simuler la progression des maladies à l’échelle des cellules et des tissus, ce qui nous aidera à cerner des stratégies thérapeutiques plus efficaces et à accélérer le passage de la découverte aux soins aux patient·e·s », affirme Jun Ding, professeur adjoint au Département de médecine de la Faculté de médecine et des sciences de la santé de l’Université McGill et chercheur au sein du Programme de recherche translationnelle sur les maladies respiratoires de l’Institut.
Un collaborateur de recherche en IA fondé sur les connaissances biologiques
La plateforme AIRIS intégrera diverses données biologiques et cliniques, comme les examens d’imagerie médicale, les analyses de laboratoire, les données génomiques et les dossiers des patient·e·s, tout en reliant les processus moléculaires et cellulaires aux résultats à l’échelle du patient au moyen de cellules virtuelles simulées. AIRIS soutiendra les chercheur·euse·s à chaque étape du cycle de recherche, de l’harmonisation de données multimodales complexes au repérage de voies pathologiques inconnues et à la production de nouvelles hypothèses.
« Au-delà des systèmes d’IA actuels, notre nouvel outil agira comme un collaborateur virtuel capable d’aider les scientifiques à accéder aux données et à les harmoniser, à explorer les mécanismes des maladies, à générer et à tester des hypothèses, et à concevoir des études rigoureuses », explique Christos Diou, professeur agrégé en intelligence artificielle et apprentissage automatique au Département d’informatique et de télématique de l’Université Harokopio d’Athènes et coordonnateur du projet. En intégrant et en harmonisant automatiquement, à grande échelle, des sources de données biomédicales multimodales et hétérogènes, un défi qui persiste même dans les systèmes les plus avancés, AIRIS s’attaquera à la fragmentation de données précieuses réparties entre divers formats, systèmes et établissements.
En combinant les données multimodales aux connaissances biomédicales existantes et à la littérature scientifique, les agents d’IA d’AIRIS aideront les chercheur·euse·s à mettre au jour des voies pathologiques jusque-là inconnues et à les traduire en hypothèses de recherche vérifiables. Celles-ci pourraient mener à la découverte de nouveaux biomarqueurs, à des occasions de repositionnement de médicaments et à des stratégies de traitement plus personnalisées. Contrairement aux systèmes d’IA biomédicale existants, qui fonctionnent souvent comme des boîtes noires, chaque hypothèse générée par le système sera évaluée quant à sa plausibilité, à sa nouveauté et aux données probantes qui l’appuient, avant d’être affinée en collaboration avec des chercheur·euse·s.
Le consortium AIRIS accorde une grande importance à la transparence, à la robustesse, à l’explicabilité, à la détection et à l’atténuation des biais ainsi qu’à la surveillance éthique, afin de développer des technologies d’IA en phase avec les valeurs et les priorités de santé européennes : « Par cette approche, nous cherchons à catalyser un nouveau paradigme dans la découverte biomédicale : un paradigme prédictif, personnalisé, ancré dans les mécanismes biologiques et porté par une IA fiable, éthique et explicable », poursuit M. Diou.
Cinq cas d’usage : des modèles computationnels à la validation expérimentale
Pour démontrer sa valeur scientifique et son applicabilité dans différents domaines médicaux, la plateforme sera évaluée dans cinq domaines pathologiques complémentaires dont les mécanismes biologiques ne sont pas encore pleinement compris : la fibrose pulmonaire (FP), la stéatose hépatique (SH), les maladies cardiovasculaires (MCV), la maladie rénale chronique (MRC) et les maladies inflammatoires de l’intestin (MII). Les principaux résultats produits par la plateforme seront validés de façon indépendante au moyen d’essais en laboratoire et d’études computationnelles. Ceux-ci contribueront à mieux comprendre pourquoi des personnes ayant reçu le même diagnostic peuvent suivre des trajectoires différentes, à prédire les réponses aux traitements et à repérer des occasions prometteuses d’intervention thérapeutique.
Dans les années à venir, AIRIS entend transformer la façon dont les scientifiques étudient les maladies complexes en offrant un collaborateur en IA fiable qui soutient chaque étape du processus de recherche, en dépassant les prédictions en boîte noire et en ancrant son raisonnement dans les connaissances biologiques.