Un hackathon novateur sur la recherche pharmaceutique
Du 23 au 25 mai 2025, plus de 70 étudiants de Télécom Paris ont participé à un hackathon sur la prédiction de la toxicité moléculaire, en utilisant l'IA et la data science. Les solutions les plus performantes ont été récompensées après évaluation sur plusieurs jeux de données.
Un hackathon a été organisé du 23 au 25 mai 2025 sur les thèmes de l’intelligence artificielle, de la data science et de la recherche pharmaceutique. Mission : mobiliser des talents pour relever un défi scientifique stratégique, celui de la prédiction de la toxicité moléculaire. Pour ce faire, ce sont plus de 70 étudiants de Télécom Paris qui ont été rassemblés afin de développer des modèles prédictifs pour tenter d’y remédier. Les solutions les plus innovantes ont été départagées et récompensées par un jury.
Réduire les délais de recherche et former
Dans un domaine où la découverte de médicaments est longue et coûteuse, identifier rapidement les molécules toxiques permettait de se concentrer sur les composés les plus prometteurs, réduisant ainsi délais et coûts de développement. Les étudiants ont travaillé sur un jeu de données de 10 873 molécules fourni par Qubit Pharmaceuticals, utilisant des descripteurs chimiques et des empreintes moléculaires pour appliquer diverses approches, telles que les statistiques, le machine learning, le deep learning ou la théorie des graphes. En outre, c’était également un moyen pour les apprenants d’être formés de manière intégrante.
Des modèles évalués selon plusieurs critères
Les participants ont été accompagnés d’experts du domaine comme MARGO, IBM et Qubit Pharmaceuticals, ont disposé d’outils professionnels comme IBM Watson Studio et Watsonx.ai ainsi que d’un coaching technique sur les 3 jours. Les modèles proposés ont ensuite été évalués selon deux critères. Dans un premier temps, selon la performance moyenne de prédiction ainsi que sur l’exactitude sur les 25 % de prédictions les plus confiantes, important notamment pour les applications médicales sensibles. De plus, les modèles ont été évalués sur trois jeux de données distincts : des molécules provenant d'un article scientifique de référence (~700), une sélection de molécules variées par Qubit Pharmaceuticals (~500) et des structures moléculaires inédites (~500).
Un palmarès salué par les professionnels
L’équipe gagnante, composée de cinq étudiants en 2e année, s’est distinguée par l’utilisation combinée de graph neural networks et d’algorithmes d’optimisation innovants. Elle a remporté un chèque de 3 000 euros ainsi qu’une invitation à présenter ses travaux lors d’un événement IBM dédié à l’IA. Deux autres équipes ont été récompensées pour la robustesse de leurs approches et leur capacité à généraliser sur les jeux de données inconnus.
