Projet MELLODDY : la collaboration en IA dope la performance des industries pharma

Le projet MELLODDY est un projet d’envergure réunissant 10 grands laboratoires pharmaceutiques (Amgen, Astellas, AstraZeneca, Bayer, Boehringer Ingelheim, GSK, Janssen, Merck, Novartis et Servier) et 7 partenaires (l’université de technologie et d’économie de Budapest ou BME, les start-up françaises Iktos et Owkin, la société allemande de cloud Kubermatic, l’université belge KU Leuven, la société américain Nvidia et l’organisation Labelia Labs, anciennement Substra Foundation, spécialisée en data science “responsable”).

Trois ans après son lancement en 2019, le consortium a dévoilé de premiers résultats de cette collaboration sur la performance des laboratoires. “Ces résultats montrent des améliorations chez tous les partenaires pharmaceutiques dans les performances prédictives des modèles formés en collaboration par rapport aux modèles à partenaire unique”, indique le consortium dans un communiqué publié le 13 juillet 2022.

Un apprentissage fédéré

Concrètement, le projet MELLODDY a exploité la plus grande collection au monde de petites molécules ayant des activités biochimiques ou cellulaires connues pour permettre une modélisation prédictive plus précise, y compris à grande échelle, grâce à un apprentissage automatique fédéré. La plateforme MELLODDY a ainsi 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.

Parmi les partenaires pharmaceutiques, les modèles collaboratifs étaient généralement 4 % plus efficaces pour catégoriser les molécules comme pharmacologiquement ou toxicologiquement actives, ou non actives. Le modèle fédéré a également montré une augmentation de 10 % de sa capacité à produire des prédictions fiables lorsqu’il est appliqué à de nouveaux types de molécules. Enfin, les modèles collaboratifs étaient généralement 2 % meilleurs pour estimer les valeurs des activités toxicologiques et pharmacologiques. Les gains de performance se sont avérés plus importants pour le sous-ensemble de tests liés à la pharmacocinétique et à la toxicologie, et pour les tests avec acquisition de données en cours.

Cette collaboration inédite – la plus grande jamais réalisée en matière d’intelligence artificielle dans l’industrie pharmaceutique utilisant un modèle fédéré, selon MELLODDY – “présente des avantages potentiels pour la découverte de médicaments sans compromettre la propriété intellectuelle”, assure le consortium.