Les traitements potentiels pour la sclérose latérale amyotrophique (SLA) et d'autres maladies neurodégénératifs peuvent déjà être disponibles sous la forme de médicaments prescrits pour d'autres conditions. Une équipe de chercheurs du Lawrence Livermore National Laboratory (LLNL), de l'Université de Stanford et de l'Université de Californie, de Los Angeles (UCLA) utilise l'intelligence artificielle et l'apprentissage automatique (AI / ML) pour essayer de les trouver.
Les essais cliniques pour les nouveaux médicaments peuvent prendre jusqu'à 5 à 7 ans, donc la réutilisation des médicaments existants est l'un des meilleurs moyens de livrer rapidement des traitements. L'IA / ML peut le rendre encore plus rapide. En analysant les dossiers de santé électroniques à long terme (DSE) des patients atteints de SLA, l'équipe peut identifier des médicaments – ou des combinaisons de médicaments – prescrites pour d'autres conditions qui peuvent influencer la progression de la maladie. Les effets « hors cible » des médicaments peuvent non seulement affecter la survie des patients, mais aussi donner un aperçu de la façon dont les maladies neurodégénératives fonctionnent et informent de meilleures thérapies.
« Si vous parlez à un soignant de la SLA, vous serez émue parce que la maladie a un pronostic si sombre, donc pouvoir faire quelque chose est extrêmement motivant », a déclaré Priyadip Ray, scientifique du personnel de la division d'ingénierie informatique de LLNL (CED) qui dirige l'effort.
Ordinateurs aux cliniques
Le Center for Disease Control estime que jusqu'à 31 000 Américains souffrent de SLA (également connus sous le nom de maladie de Lou Gehrig), les anciens combattants étant diagnostiqués à des taux plus élevés que la population moyenne. La maladie attaque les motoneurones dans la moelle épinière et le cerveau, provoquant une perte de mobilité croissante jusqu'à ce que le corps s'arrête, généralement dans les 2 à 5 ans suivant le début. Sa cause est inconnue, il n'y a pas de remède et les trois seuls médicaments approuvés par la FDA ont un impact mineur.
Cependant, l'émergence des DSE – fichiers numériques avec les antécédents médicaux des patients, les prescriptions, les informations démographiques et plus – a ouvert la porte à des opportunités de recherche sans précédent.
La SLA est une maladie relativement rare, et elle a un apparition rapide, nous n'avons donc vraiment pas le nombre ou le temps d'exécuter de grands essais cliniques. Les données (DSE) sont essentielles, car nous pouvons maintenant utiliser des outils AI / ML avancés pour créer de bonnes hypothèses de confiance élevée, et nous pouvons faire 1 à 3 essais cliniques ciblés qui ont un taux de succès beaucoup plus élevé. «
Priyadip Ray, scientifique du personnel de la division d'ingénierie informatique de LLNL
Dans un essai clinique, un groupe de patients similaires reçoit au hasard un traitement ou un placebo. Si la moitié qui a reçu le traitement a un meilleur résultat, cela prouve que le traitement fonctionne. Avec les données du DSE, Ray et son équipe utilisent une technique appelée apprentissage automatique causal.
« L'apprentissage automatique causal crée une sorte d'essai clinique synthétique », a-t-il déclaré. « Nous avons recherché des patients qui ont reçu un médicament particulier et les avons appariés avec un groupe de patients très similaires et qui étaient susceptibles d'être conçus ce médicament mais ne l'étaient pas. »
Se déplacer avec (re) objectif
Ray, ses collègues CED, Braden Soper, Andre Goncalves et Jose Cadena Pico, et leurs collaborateurs ont commencé par créer un modèle de substitution (une approximation mathématique) de la progression de la SLA avec un petit ensemble de données DSE accessible au public. Grâce au financement des semences du projet de guérison de la SLA – établi par l'employé de LLNL, Mike Piscotty, à la mémoire de sa femme – l'équipe a pu accéder à plus de 20 000 DSE d'anciens combattants avec des anciens combattants (VA). Une fois que les DSE ont été frottés d'informations individualisés, l'équipe a enquêté sur les facteurs de risque de SLA et a reçu des financements du ministère de la Défense pour une analyse plus approfondie.
L'équipe a étudié 162 médicaments que les patients prenaient régulièrement le début de la SLA et identifié trois classes qui avaient un effet positif significatif sur la survie: statines (qui réduisent le cholestérol), les alpha-bloquants (qui réduisent la pression artérielle et les muscles de détente) et les inhibiteurs de PDE5 (qui traitent la dysfonction érectile). Ils ont également constaté que la combinaison de statines et d'alpha-bloquants avait un effet synergique.
L'équipe a trouvé quelques études en début de stade sur ces médicaments et la SLA qui ont soutenu leurs résultats, ce qui suggère qu'ils pourraient tous être de bons candidats à réutiliser. Les collaborateurs de Stanford et des collaborateurs de l'UCLA ont également organisé des études d'interaction protéine-protéine sur chacun des types de médicaments et ont trouvé quelques cibles protéiques en aval courantes – ce que les médicaments affectent finalement.
« Nous sommes très enthousiasmés par ces premières découvertes », a déclaré Ray. « Si nous pouvons également identifier ces cibles de protéines en aval partagées, nous pouvons fabriquer des médicaments qui ciblent spécifiquement ces protéines et fonctionnent encore mieux. »
Étant donné que les données VA s'assurent fortement envers les hommes ayant des antécédents militaires – les deux facteurs de risque de SLA – l'équipe vise à corroborer et à généraliser leurs résultats. Pour ce faire, ils prévoient d'analyser des millions de dossiers de patients à partir de l'ensemble de données OPTUM DSE, auquel ils ont eu accès grâce au nouveau financement du réseau ALS, du projet Cure ALS, de la Livermore Lab Foundation, de la RDM Positive Impact Foundation et de l'Université Stanford. Ils prévoient également d'appliquer leurs approches d'IA / ML pour étudier la maladie de Parkinson, qui, dans l'espoir, fera la lumière sur le traitement de toutes les maladies neurodégénératives.
Pendant ce temps, l'équipe cherche un financement pour valider ses résultats en milieu clinique, qui ne serait pas seulement l'une des dernières étapes pour que les médicaments soient approuvés pour traiter la SLA mais confirmeront également que leur approche fonctionne.
Ray est reconnaissant de l'opportunité d'utiliser l'IA / ML pour faire une différence dans la recherche médicale et l'infrastructure unique du laboratoire et les liens avec le monde universitaire, l'industrie et le gouvernement qui le rendent possible.
« Le laboratoire reconnaît que la construction de ces outils et le travail avec les données des patients peuvent avoir un impact énorme », a-t-il déclaré. « L'occasion de faire une différence sur les soins de santé ainsi que sur la sécurité nationale me motive à travailler sur cette recherche à fort impact. »
