Dossier

Intelligence artificielle appliquée à la pharmacométrie

Mis en ligne le

31 mars 2023

Auteur

J.B. Woillard
M. Labriffe

Les concepts d'intelligence artificielle, d'apprentissage automatique et d'apprentissage profond sont expliqués dans cet article.
L'apprentissage automatique est une alternative aux méthodes statistiques classiques en santé.
Avec des bases de données suffisamment importantes, les algorithmes de machine learning permettent d'obtenir de meilleures performances, quelquefois au prix d'une interprétabilité réduite.
Un exemple de son utilisation en pharmacométrie est présenté dans cet article, pour l'estimation de l'exposition aux immunosuppresseurs.
L'apprentissage automatique peut être entraîné sur des simulations de jeux de données issus de modèles pharmacocinétiques de population, comme cela a pu être démontré dans le cas du tacrolimus et de l'évérolimus.

Les approches d'apprentissage automatique (“machine learning”) sont désormais largement utilisées dans de nombreux domaines de la santé en raison de la disponibilité croissante des données, de puissances de calcul qui augmentent, et de la mise à disposition des nouveaux algorithmes développés sur des plateformes facilement utilisables, qui favorisent la démocratisation de ces approches. Les utilisations les plus populaires concernent, par exemple, la reconnaissance d'images ou encore la prédiction des propriétés physiques et chimiques de petites molécules [1]. Mais il existe d'autres…