Isomorphic Labs, une spinf-off de Google DeepMind, est sur le point de transformer l’industrie pharmaceutique. Elle estime pouvoir réduire de moitié le temps nécessaire au développement de nouveaux médicaments. De quoi laisser présager un avenir dans lequel l’IA jouera un rôle crucial dans les soins de santé.
« L’IA réduira de moitié le temps nécessaire au développement de nouveaux médicaments »
Pourquoi est-ce important ?
Cette évolution pourrait révolutionner l’industrie pharmaceutique en réduisant considérablement le délai moyen nécessaire à la découverte de nouveaux médicaments. Y compris les essais cliniques, qui peuvent désormais prendre jusqu’à une décennie. Cela a des implications économiques et sociales potentiellement majeures, compte tenu des coûts élevés et du temps investi actuellement dans le processus de développement de médicaments.À la une : Demis Hassabis, CEO de Google DeepMind et d’Isomorphic Labs, a récemment annoncé deux partenariats pharmaceutiques. Il s’agit d’accords avec Eli Lilly et Novartis, d’une valeur combinée pouvant atteindre 3 milliards de dollars, rapporte le Financial Times.
- Ces partenariats représentent un tournant pour Isomorphic Labs, auparavant non rentable.
- Sa plateforme d’IA prédit les structures biochimiques, ce qui contribue à la création de nouveaux médicaments.
Zoom avant : l’IA d’Isomorphic peut réduire la phase de découverte d’une moyenne de cinq à deux ans.
- Le coût moyen du développement d’un nouveau médicament est d’environ 2,7 milliards de dollars.
- Les grandes sociétés pharmaceutiques sont sous pression pour développer de nouveaux médicaments. Et ce, alors qu’elles sont confrontées à l’expiration des brevets et à la concurrence des génériques.
Zoom arrière : l’IA d’Isomorphic s’appuie sur les avancées scientifiques de la technologie AlphaFold de DeepMind.
- L’intérêt pour l’utilisation de l’IA pour la découverte de médicaments augmente sans cesse. Les entreprises du secteur ont levé plus de 4,4 milliards de dollars en 2022.
- Isomorphic se différencie en construisant des modèles fondamentaux de biologie et de chimie. Là où les autres utilisent plutôt l’IA pour analyser les données existantes.
(OD)