Au cours de ses trois années d'existence, la plateforme a entraîné des modèles sur des milliards de points de données expérimentaux industriels documentant le comportement de plus de 20 millions de petites molécules chimiques dans plus de 40 000 essais biologiques. 

Melloddy, une plateforme sécurisée pour l'apprentissage fédéré et la préservation de la confidentialité

Le projet MELLODDY, qui a reçu 18 millions d'euros de l'Union européenne et des entreprises partenaires de l'EFPIA dans le cadre de l'initiative pour les médicaments innovants (IMI2), a permis de construire une plateforme sécurisée pour l'apprentissage fédéré et la préservation de la confidentialité.

Ce cadre d'IA évite que les données et les modèles compétitifs ne quittent jamais la garde de leur propriétaire, tout en permettant l'apprentissage automatique collaboratif qui peut former et évaluer des modèles prédictifs de découverte de médicaments. Les résultats montrent que son exploitation à l'échelle permet d'améliorer, chez tous les partenaires pharmaceutiques, la performance prédictive des modèles formés en collaboration par rapport aux modèles d'un seul partenaire.

La participation d'entreprises pharmaceutiques de renom

Au cours de ses trois années d'existence, la plateforme a entraîné des modèles sur des milliards de points de données expérimentales industrielles documentant le comportement de plus de 20 millions de petites molécules chimiques dans plus de 40 000 essais biologiques.

Plusieurs entreprises pharmaceutiques ont contribué au développement de ce projet en fournissant des données d'entraînement pour le modèle global et en évaluant si le modèle global était plus performant que celui construit uniquement sur leurs données.

Les membres du consortium comprenaient 10 sociétés pharmaceutiques :

  • Amgen,
  • Astellas,
  • AstraZeneca,
  • Bayer,
  • Boehringer Ingelheim,
  • GSK,
  • Institut de Recherches Servier,
  • Janssen Pharmaceutica NV,
  • Merck KGaA
  • Et Novartis.

À cela, s'ajoutent 5 partenaires technologiques, dont Iktos, Kubermatic, NVIDIA, Owkin et Substra Foundation, et deux partenaires universitaires, l'Université de technologie et d'économie de Budapest et la KU Leuven.

Une victoire pour la découverte de médicaments

Selon Mathieu Galtier, coordinateur du projet et responsable des données et de la plateforme chez Owkin, il s'agit d'une victoire massive pour la découverte de médicaments et, en fin de compte, pour les patients.

"Pendant des années, on a supposé que des entreprises pharmaceutiques concurrentes ne pourraient jamais travailler ensemble à l'échelle pour découvrir la prochaine génération de médicaments. Mais notre projet de trois ans a montré que c'était non seulement possible, mais aussi plus efficace que de travailler seul. Plus important encore, nous avons démontré que l'apprentissage fédéré protège les données commercialement sensibles, ce qui signifie que personne n'est perdant dans cette collaboration".

Mieux cibler les études

Hugo Ceulemans, chef de projet et directeur scientifique principal des sciences des données pour la découverte de médicaments chez Janssen Pharmaceutica NV, a ajouté : "Dans l'ensemble de l'industrie pharmaceutique, des approches d'apprentissage automatique de plus en plus puissantes exploitent toujours plus de données et d'informations afin de mieux cibler et d'accélérer les expériences et les études en situation réelle qui permettent aux patients de bénéficier de médicaments salvateurs."

À l'avenir, la technologie développée dans le cadre du projet sera étendue à de nouveaux domaines de la santé afin de faciliter la collaboration en matière d'IA dans le respect de la vie privée. Bien que le consortium se soit concentré sur le domaine de la découverte de médicaments à petites molécules, son approche peut potentiellement profiter à d'autres domaines du développement, y compris des domaines d'intérêt tels que les produits biologiques, l'histologie et la génomique.