La rédaction d'articles de recherche est essentielle pour diffuser les résultats scientifiques, mais elle s'accompagne de contraintes d'efficacité, en particulier pour les chercheurs en début de carrière et les locuteurs non natifs de l'anglais. Une enquête publiée dans Nature En 2018, environ 37 % des répondants ont déclaré consacrer plus de 20 heures par semaine à la rédaction et à la révision d’articles scientifiques.
Les progrès récents dans le domaine du traitement du langage naturel (NLP), notamment avec l'essor des transformateurs pré-entraînés génératifs (GPT) et d'autres grands modèles linguistiques (LLM), ont doté les chercheurs d'un ensemble d'outils puissants pour traiter rapidement de grandes quantités de littérature. Insilico Medicine (« Insilico »), une société de biotechnologie axée sur l'IA générative au stade clinique, a lancé une version préliminaire de son projet d'assistant de recherche, Science42:DORA, pour rationaliser la génération de contenu scientifique.
Science42 : DORA (alias DORA) intègre plusieurs agents d'IA qui exploitent les LLM, conçus pour rationaliser le processus de rédaction d'articles universitaires et d'autres documents scientifiques, y compris les demandes de subventions et de brevets, les résumés de recherche internes, les demandes IND, etc. Il aide les chercheurs à rédiger ces types de documents avec un référencement approprié grâce à des invites conçues, des bases de données propriétaires et des flux de travail de génération de contenu prédéfinis.
« Souvent, l'étape la plus difficile en matière de rédaction est le démarrage du processus. J'en ai fait l'expérience en tant qu'étudiante diplômée, lorsque j'ai été chargée de rédiger de nombreuses demandes de subvention, articles et rapports », a déclaré Petrina Kamya, PhD, responsable mondiale de la plateforme d'IA, vice-présidente d'Insilico Medicine. « Nous avons développé Science42:DORA pour aider à éliminer cet obstacle débilitant à la rédaction de documents scientifiques. »
Pour valider davantage les capacités de DORA, les développeurs d'Insilico ont collaboré avec des chercheurs de l'Université de Copenhague pour soumettre un article sur medRxiv. L'article rédigé par DORA, puis organisé et étendu manuellement, réalise une étude comparative des résultats de la radiothérapie sur différents types de tumeurs cérébrales, à savoir le glioblastome multiforme et les gliomes de bas grade, sur la base de données de phénotype et d'expression de radiothérapie provenant de 32 ensembles de données sur le cancer. Insilico prévoit de tester davantage DORA dans plusieurs types de génération de documents et de lancer une version d'essai gratuite de l'assistant IA au public fin 2024.
Chez Insilico, nous nous efforçons d'intégrer les innovations de pointe en matière d'IA à l'intelligence humaine pour des avancées plus rapides et plus efficaces dans la recherche et le développement, et les agents d'IA basés sur le LLM ont été notre priorité récente. Avec DORA, nous espérons non seulement rationaliser le processus de rédaction, mais aussi élever la qualité globale de la production scientifique, ce qui à son tour favorise les applications pratiques et la diffusion significative.
Alex Zhavoronkov, PhD, fondateur et PDG d'Insilico Medicine
Insilico Medicine est un pionnier dans l'utilisation de l'IA générative pour la découverte et le développement de médicaments. La société a décrit pour la première fois le concept d'utilisation de l'IA générative pour la conception de nouvelles molécules dans une revue à comité de lecture en 2016. Ensuite, Insilico a développé et validé plusieurs approches et fonctionnalités pour sa plateforme d'IA basée sur un réseau antagoniste génératif (GAN) et a intégré ces algorithmes dans la plateforme Pharma.AI disponible dans le commerce, qui comprend la biologie générative, la chimie et la médecine.
Depuis 2021, Insilico a sélectionné 18 candidats précliniques dans son portefeuille complet de plus de 30 actifs thérapeutiques prometteurs et a fait progresser sept molécules jusqu'au stade clinique. En mars 2024, la société a publié un article dans Nature Biotechnology qui divulgue les données expérimentales brutes et l'évaluation préclinique et clinique de son médicament phare – un inhibiteur TNIK potentiellement premier de sa catégorie pour le traitement de la fibrose pulmonaire idiopathique découvert et conçu à l'aide de l'IA générative actuellement en phase II d'essais auprès de patients.
