(Dernière mise à jour : 2023 juillet)
Le type d'intelligence artificielle (IA) qui fait peur chefs d'entreprise, experts et militants du monde entier, est appelée "l'intelligence artificielle générale" - celle qui pourrait "penser" à peu près comme les humains, et qui pourrait rapidement évoluer en une dangereuse "superintelligence". Il y a une idée qu'il pourrait être inventé dans les prochaines décennies, mais aujourd'hui nous n'en sommes certainement pas encore là. Cependant, avec les récentes avancées révolutionnaires dans les technologies d'apprentissage en profondeur et de traitement du langage naturel, en particulier les grands modèles de langage (LLM), nous avons tous pensé que le monde pourrait en effet changer plus rapidement que ne le pensaient les négationnistes de l'IA. Avouons-le, seuls quelques-uns pouvaient prévoir une sortie publique d'une efficacité aussi alarmante du modèle d'IA le plus généralisé de tous les temps - ChatGPT, par OpenAI. En plus de cela, une course de LLM a commencé, Google lançant Bard et d'autres entreprises suivant le chemin.
Même notoirement lente pour l'adoption de la technologie, l'industrie pharmaceutique a connu une intégration accélérée de diverses technologies d'IA au cours de la dernière décennie, et l'intérêt grandit rapidement. Les impacts potentiels de cette transformation s'étendent au-delà des prestataires de soins de santé et des patients aux prises avec des affections difficiles à traiter, atteignant également le secteur de la biotechnologie. Basé sur projections de Morgan Stanley Research, même de légères améliorations des taux de réussite du développement de médicaments à un stade précoce, facilitées par l'intelligence artificielle et l'apprentissage automatique, pourraient entraîner 50 traitements innovants supplémentaires au cours de la prochaine décennie. Cela pourrait équivaloir à une opportunité de marché dépassant 50 milliards de dollars.
D’après une Rapport 2022 de GlobalData, 50 % des professionnels du secteur de la santé donneraient la priorité aux investissements dans l'IA, par rapport à d'autres technologies émergentes, telles que les mégadonnées (38 %), les médias numériques (37 %), le cloud computing (31 %), les preuves du monde réel, RWE (27 %). %) et d'autres.
Le rapport de recherche thématique 2022 intitulé 'L'intelligence artificielle (IA) dans la découverte de médicaments' de GlobalData prévoit que les dépenses totales en IA du secteur pharmaceutique devraient atteindre plus de 3 milliards de dollars d'ici 2025.
Passons en revue des exemples spécifiques d'utilisation de l'IA dans l'industrie pharmaceutique.
(Étant donné que la plupart des entreprises axées sur l'IA utilisent une combinaison d'approches différentes et s'appuient sur des sources de données interdisciplinaires pour leur travail de modélisation, la classification ci-dessous des cas d'utilisation de l'IA est illustrative) :
L'IA pour la découverte de cibles médicamenteuses et la modélisation de maladies
L'un des domaines les plus prometteurs de l'IA dans le secteur pharmaceutique est la modélisation des systèmes biologiques et l'identification de nouvelles cibles médicamenteuses. Un certain nombre de sociétés d'IA, telles que CytoReason, se concentrent spécifiquement sur la construction de modèles de maladies avancés, par exemple.
En mars 2023, AstraZeneca a présenté des données précliniques sur une cible générée par l'IA, le facteur de réponse sérique (SRF), pour la fibrose pulmonaire idiopathique (IPF) - issue de sa collaboration avec la société d'IA basée au Royaume-Uni BenevolentAI. La cible, découverte via le moteur de découverte de médicaments activé par l'IA de BenevolentAI, a fait l'objet d'une validation expérimentale approfondie par AstraZeneca, impliquant un dépistage CRISPR dans des fibroblastes pulmonaires humains primaires et une validation via l'extinction du gène SRF ou l'inhibition pharmacologique de la voie SRF. Les données présentées indiquent que l'inhibition de la transcription induite par le SRF des gènes pro-fibrotiques dans les fibroblastes pulmonaires pourrait potentiellement conduire à une efficacité antifibrotique dans l'IPF. À ce jour, la collaboration entre BenevolentAI et AstraZeneca a abouti à cinq cibles générées par l'IA sélectionnées pour l'entrée dans le portefeuille, dont trois pour l'IPF. Ce partenariat fructueux a été étendu en janvier 2022 pour une nouvelle période de trois ans, incluant deux nouveaux domaines pathologiques : le lupus érythémateux disséminé et l'insuffisance cardiaque.
Plusieurs mois plus tôt, AstraZeneca annoncé une collaboration de recherche stratégique avec Illumina, un pionnier mondial du séquençage de l'ADN et des technologies basées sur les puces. Cette collaboration vise à accélérer la découverte de cibles médicamenteuses en fusionnant leurs compétences respectives dans l'interprétation du génome basée sur l'IA et l'analyse génomique. L'initiative examinera si une approche unifiée utilisant ces technologies peut renforcer l'efficacité et la certitude de la découverte de cibles dans la poursuite de médicaments prometteurs basés sur les connaissances en omiques humaines. Le Centre de recherche en génomique d'AstraZeneca adoptera un cadre fusionnant les outils basés sur l'IA des deux sociétés, tirant parti des outils d'interprétation de l'IA de nouvelle génération tels que PrimateAI et SpliceAI d'Illumina, ainsi que des propres outils d'AstraZeneca tels que JARVIS et des prédicteurs in silico.
En septembre 2022, Pfizer annoncé l'expansion de son partenariat pluriannuel avec l'IA basée en Israël dans la société pharmaceutique CytoReason. Dans le cadre de cet accord, Pfizer investira 20 millions de dollars en fonds propres, avec la possibilité d'octroyer une licence à la plate-forme et aux modèles de maladies de CytoReason et de financer un soutien supplémentaire au projet dans le cadre d'un accord qui pourrait atteindre jusqu'à 110 millions de dollars au cours des cinq prochaines années. Depuis le début de la collaboration en 2019, Pfizer a utilisé les modèles biologiques de CytoReason dans ses recherches pour améliorer la compréhension du système immunitaire pour le développement de médicaments pour les maladies à médiation immunitaire et immuno-oncologiques. Cet investissement supplémentaire contribuera au développement d'un plus grand nombre de modèles de maladies et à la création de modèles à haute résolution dans divers domaines thérapeutiques.
CytoReason est également partenaire d'une autre grande pharma, Sanofi. En janvier 2023, les deux sociétés a annoncé l'élargissement de la collaboration, utilisant la plate-forme d'IA de CytoReason pour la découverte de cibles pour les maladies inflammatoires de l'intestin (MII). Cet accord soutiendra les efforts de Sanofi pour identifier les sous-types de patients atteints de MICI et les associer à des cibles pertinentes. Ce partenariat fait suite à un projet lancé en 2021, où les modèles centrés sur les cellules de CytoReason ont été utilisés pour fournir des informations sur les endotypes de l'asthme. L'accord prolongé implique un engagement financier substantiel mais non divulgué de Sanofi.
L'année dernière, Sanofi a également a annoncé une collaboration de recherche pluriannuelle et multicible avec Insilico Medicine, basé à Hong Kong, en tirant parti de la plateforme Pharma.AI de ce dernier pour accélérer la découverte de médicaments. Insilico, pionnier dans l'application de l'apprentissage profond pour la découverte de médicaments, aidera Sanofi à développer des traitements dans des domaines tels que le cancer, la fibrose et l'immunité. La collaboration signifie un investissement de 21.5 millions de dollars par Sanofi pour les frais de nomination initiaux et cibles, donnant accès à la plateforme d'IA d'Insilico et à son équipe interdisciplinaire de scientifiques. Le partenariat offre un potentiel de paiements supplémentaires pouvant atteindre 1 milliard de dollars si des étapes clés de R&D et de vente sont atteintes.
L'IA pour la découverte de médicaments ciblés et phénotypiques
Un autre cas d'utilisation populaire et prometteur de l'application de l'IA dans l'industrie pharmaceutique concerne la conception de médicaments et l'optimisation des pistes.
Dans un exemple illustratif, Sanofi a lancé une collaboration de recherche stratégique avec Atomwise, basé à San Francisco, un pionnier dans l'application de l'intelligence artificielle pour le criblage de petites molécules. Cette alliance vise à exploiter la plateforme AtomNet® d'Atomwise, en utilisant ses capacités de découverte informatique pour étudier jusqu'à cinq cibles médicamenteuses fournies par Sanofi. La plate-forme d'Atomwise intègre un apprentissage en profondeur dans la conception de médicaments basée sur la structure, fournissant une recherche alimentée par l'IA dans sa bibliothèque propriétaire de plus de 3 20 milliards de composés synthétisables. L'investissement de Sanofi dans ce partenariat comprend un paiement initial de 1 millions de dollars à Atomwise pour l'identification, la synthèse et le développement de composés principaux, avec des paiements supplémentaires potentiels dépassant XNUMX milliard de dollars liés à des étapes critiques de recherche, de développement et de vente, ainsi que des redevances échelonnées . Cette collaboration devrait catalyser la découverte de nouveaux traitements pour des maladies qui étaient auparavant difficiles en raison de cibles médicamenteuses insaisissables ou insuffisamment caractérisées.
La grande société pharmaceutique américaine AbbVie a conclu un accord de découverte d'anticorps avec le canadien AbCellera, renforçant ainsi la récente série de partenariats d'AbCellera. La collaboration vise à développer des anticorps candidats pour un maximum de cinq cibles dans diverses indications. AbbVie prévoit d'exploiter le moteur de découverte et de développement d'anticorps basé sur l'IA d'AbCellera, en prenant la responsabilité du développement et de la commercialisation de tous les anticorps découverts au cours de leur collaboration. L'accord stipule qu'AbCellera a droit à des paiements de recherche, ainsi qu'à des paiements d'étape cliniques et commerciaux et à des redevances. Alors que les détails spécifiques concernant le calendrier ou les indications ciblés étaient rares, le PDG d'AbCellera, Carl Hansen, a commenté à BioSpace que leur moteur de découverte et de développement est conçu pour surmonter les limites des méthodes de découverte conventionnelles, visant à identifier les candidats cliniques optimaux avec une précision et une rapidité accrues
En mars 2023, Eli Lilly collaboration annoncée avec XtalPi, une entreprise d'IA dans l'industrie pharmaceutique, sur un projet de 250 millions de dollars. La collaboration exploitera la plate-forme d'IA et de robotique de XtalPi pour la conception et la livraison de novo de médicaments candidats pour une cible non divulguée. Les capacités intégrées de XtalPi en matière d'IA et de robotique seront utilisées pour créer un nouveau composé, qui sera ensuite avancé par Eli Lilly via le développement clinique et commercial. La plate-forme ID4Inno de XtalPi, conçue pour la découverte de médicaments à base de petites molécules, jouera un rôle clé dans la création d'un méga-espace chimique spécifique à une cible et dans l'identification de séries de pistes prometteuses. Les molécules synthétisées seront testées à l'aide des capacités internes de dosage biochimique, pharmacodynamique, cellulaire et pharmacocinétique de XtalPi. Ces capacités, associées aux multiples postes de travail robotiques autonomes de XtalPi, mettent en évidence la valeur de l'utilisation de l'IA dans les produits pharmaceutiques pour une synthèse et des analyses chimiques parallèles précises et économes en énergie.
Exscientia a vu son partenariat avec Bristol Myers Squibb (BMS) générer des rendements importants, faisant avancer le premier des trois candidats conçus pour les premiers essais sur l'homme cette année. La collaboration, qui pourrait générer plus de 1.3 milliard de dollars pour Exscientia, a abouti à la production d'EXS4318, une nouvelle petite molécule d'immunologie et d'inflammation (I&I) qui sera supervisée par BMS dans le cadre d'essais de phase I.
EXS4318, un inhibiteur sélectif potentiel de la protéine kinase C (PKC) thêta, premier de sa catégorie, est né de la collaboration initiale de découverte de petites molécules basée sur l'IA lancée par Exscientia et Celgene en mars 2019. Suite à l'acquisition de Celgene par BMS pour 74 milliards de dollars plus tard cette année, la collaboration a été élargie pour inclure des candidats en I&I et en oncologie, augmentant considérablement les revenus potentiels pour Exscientia.
L'engagement de BMS envers le partenariat est souligné par son accord de payer potentiellement plus de 1.3 milliard de dollars en paiements cliniques, réglementaires et commerciaux, qui comprennent jusqu'à 50 millions de dollars d'avance et jusqu'à 125 millions de dollars en étapes « à court et à moyen terme », comme ainsi que des redevances échelonnées sur les ventes nettes.
En décembre 2021, Recursion Pharmaceuticals, une société de « biotechnologie numérique » axée sur l'IA au stade clinique basée dans l'Utah, est devenue une cible d'intérêt pour Roche et Genentech (membre du groupe Roche). Les entreprises collaboration annoncée en neurosciences et oncologie, visant à faire progresser les médicaments à l'aide de l'apprentissage automatique et de méthodes de dépistage à haut contenu indépendantes de la cible. La collaboration, d'une valeur de plusieurs milliards de dollars, exploite la plateforme technologique de découverte de médicaments de Recursion, le Recursion Operating System (OS). En vertu de l'accord, Recursion recevra un paiement initial de 150 millions de dollars et pourra gagner des étapes de recherche supplémentaires basées sur les performances. Le système d'exploitation Recursion combine la biologie en laboratoire humide et en laboratoire sec, permettant l'industrialisation et la numérisation de la découverte de médicaments.
Depuis 2020, une autre grande entreprise pharmaceutique de premier plan, Pfizer, tire parti des capacités de supercalcul et d'intelligence artificielle d'IBM pour faciliter la création de nouveaux médicaments, tels que PAXLOVID, un traitement oral contre le COVID-19 qui a été approuvé en 2022. Pfizer soutient que cette technologie a temps de calcul réduit de 80 à 90 %, affirmant qu'il a accéléré le processus de conception de médicaments à seulement quatre mois.
L'IA pour concevoir de meilleurs essais cliniques
Les essais cliniques sont un goulot d'étranglement notoire sur l'ensemble de la voie de développement des médicaments. C'est dans les essais cliniques que de nombreux candidats-médicaments prometteurs avec d'excellentes données précliniques échouent, entraînant des coûts énormes et des opportunités perdues pour les patients et pour les grandes sociétés pharmaceutiques. Une conception d'essais cliniques intelligente et basée sur les données est essentielle pour un succès accru d'un candidat-médicament qui obtient l'approbation de la FDA. L'intelligence artificielle joue un rôle de plus en plus important dans la conception des essais cliniques, y compris la découverte de biomarqueurs, la prédiction des réponses au traitement et l'optimisation des protocoles d'essai, permettant une sélection plus précise des patients et réduisant le coût global et la durée des essais. L'IA permet également une surveillance en temps réel et des conceptions d'essais adaptatives, améliorant la flexibilité et la réactivité des études cliniques.
Par exemple, selon une étude de 2021 'L'utilisation de biomarqueurs en oncologie améliore-t-elle le risque d'échec des essais cliniques ? Une analyse à grande échelle', les essais cliniques conçus sans intégration de biomarqueurs pertinents et informatifs sont 12 fois plus susceptibles d'échouer.
Pour illustrer cette tendance, commençons par la grande société pharmaceutique britannique GlaxoSmithKline (GSK), qui s'engage activement dans des partenariats axés sur l'IA pour renforcer ses capacités de conception d'essais cliniques. En mars 2023, GSK annoncé sa collaboration avec AI dans la société pharmaceutique PathAI sur un essai clinique randomisé de phase 2b appelé HORIZON, qui se concentre sur la stéatohépatite non alcoolique (NASH). L'essai vise à évaluer les améliorations de l'histologie hépatique à l'aide de GSK4532990 par rapport à un placebo chez les participants atteints de NASH et de fibrose avancée. Le rôle de PathAI dans la collaboration consiste à générer, numériser et analyser des lames de biopsie hépatique pour évaluation par des pathologistes. La société utilisera également son outil AIM-NASH (Mesure of NASH Histology) basé sur l'IA pour fournir une évaluation histologique et générer des paramètres exploratoires pour l'étude. Les services de pathologie anatomique de bout en bout de PathAI, y compris la mise en kit, la logistique et les services de laboratoire et d'analyse, seront utilisés par l'intermédiaire de son laboratoire biopharmaceutique à Memphis, TN. L'outil AIM-NASH a été formé pour détecter et quantifier les principales caractéristiques histologiques de la NASH, offrant une évaluation complète de la gravité de la maladie. La collaboration s'appuie sur le partenariat existant entre PathAI et GSK dans la recherche sur la NASH et l'oncologie et le développement de médicaments.
L'an dernier, GSK a conclu un partenariat de trois ans avec Tempus, un fournisseur de technologie basé sur l'IA, pour améliorer la conception des essais cliniques, le recrutement des sujets et l'identification des cibles médicamenteuses. Grâce à cette collaboration, GSK aura accès à la plateforme basée sur l'IA de Tempus, qui comprend une bibliothèque de données anonymisées sur les patients. En tirant parti de la plateforme Tempus et en la combinant avec l'expertise de GSK en matière d'intelligence artificielle et d'apprentissage automatique (IA/ML), le partenariat vise à améliorer le taux de réussite de la R&D de GSK et à permettre des traitements plus rapides et adaptés aux patients. Le partenariat implique un engagement financier de trois ans, avec un paiement initial de 70 millions de dollars de GSK, et GSK détient une option pour prolonger l'accord de deux ans. Cette collaboration s'appuie sur le partenariat existant entre GSK et Tempus, qui a débuté en 2020 et s'est concentré sur le recrutement d'essais cliniques pour des types de cancer spécifiques. GSK s'attend à ce que la collaboration avec Tempus fournisse des informations uniques pour découvrir de meilleurs médicaments et transformer les processus de découverte de médicaments. Actuellement, les sociétés collaborent à un essai ouvert de phase II, utilisant une approche guidée par les données pour accélérer les délais d'étude et optimiser la sélection des sites et le recrutement des sujets. Cette collaboration fait suite aux résultats positifs de l'essai de phase II PERLA de GSK, évaluant Jemperli (dostarlimab) plus chimiothérapie chez des patients atteints d'un cancer du poumon non à petites cellules métastatique non épidermoïde de première intention.
En janvier 2023, Tempus a annoncé une étude prospective, en collaboration avec AstraZeneca, pour identifier des biomarqueurs de réponse chez les patients atteints d'un cancer du poumon à petites cellules (SCLC). L'étude, intitulée Sculptor, est coparrainée par Tempus et l'initiative Personalize SCLC d'AstraZeneca et est actuellement ouverte aux inscriptions. Le SCLC est une maladie agressive avec des cibles thérapeutiques limitées, et il existe un besoin non satisfait élevé de traitements efficaces. L'étude Sculptor vise à tirer parti des offres de profilage moléculaire de Tempus pour recueillir des informations susceptibles de soutenir les premières recherches et d'identifier des segments de patients distincts susceptibles de bénéficier de thérapies émergentes. L'étude est actuellement active sur cinq sites du réseau TIME Trial et prévoit de s'étendre à d'autres fournisseurs à travers les États-Unis. Cette collaboration représente une approche de médecine de précision pour améliorer les taux de survie globaux et faire progresser la compréhension du CPPC.
En juin 2022, Bristol Myers Squibb (BMS) s'est associé au développeur d'IA français et américain Owkin pour tirer parti de l'intelligence artificielle dans la conception et l'optimisation des essais de médicaments cardiovasculaires. Le partenariat vise à améliorer la conception et l'exécution des essais cliniques en utilisant des techniques d'apprentissage automatique, telles que les définitions optimisées des critères d'évaluation, l'identification des sous-groupes de patients et l'estimation des effets du traitement. Venkat Sethuraman, SVP Global Biometrics and Data Sciences chez BMS, a souligné l'utilisation de l'IA par l'entreprise dans les essais cliniques, y compris la simulation d'essais à l'aide d'ensembles de données existants, des essais numériques utilisant des données du monde réel et l'automatisation des processus grâce à la robotique. La collaboration avec Owkin se concentrera spécifiquement sur l'optimisation des essais cliniques sur les maladies cardiovasculaires, en éliminant potentiellement les bras placebo dans certains essais et en améliorant l'efficacité des essais sur les maladies rares.
En septembre 2021, AstraZeneca a établi un partenariat stratégique avec Oncoshot pour améliorer le processus de recrutement pour les essais cliniques sur le cancer à Singapour. La plateforme numérique d'Oncoshot, InSite Feasibility, utilise l'analyse de données et des informations en temps réel pour rationaliser les études de faisabilité en oncologie. Alimentée par une technologie d'appariement patient-essai activée par l'intelligence artificielle (IA), la plateforme traduit les données anonymisées de la population cancéreuse de Singapour en analyses précises, facilitant la recherche sur le cancer. Le partenariat permet à AstraZeneca de lancer rapidement des essais qui sont les plus pertinents pour la population cancéreuse de Singapour. Singapour étant un centre de recherche sur le cancer de premier plan, cette collaboration corrige les inefficacités des études de faisabilité actuelles et vise à optimiser le recrutement des patients. En s'appuyant sur des analyses de données précises, AstraZeneca et Oncoshot cherchent à accélérer les essais cliniques, à fournir des médicaments innovants et à contribuer aux initiatives d'innovation de Singapour dans le domaine de la santé.
L'IA pour les programmes de repositionnement des médicaments
La réutilisation des médicaments est l'une des mines d'or des technologies basées sur l'IA pour générer de la valeur, car de nombreuses données sont déjà connues sur le médicament en question. La réorientation de médicaments déjà connus ou de candidats-médicaments en phase avancée vers de nouveaux domaines thérapeutiques est également un stratégie souhaitée pour de nombreuses sociétés biopharmaceutiques, car il présente moins de risques de toxicité inattendue ou d'effets secondaires dans les essais sur l'homme et, probablement, moins de dépenses en R&D.
Tirant parti des informations dérivées du système d'IA de BenevolentAI, Eli Lilly a réorienté son médicament contre la polyarthrite rhumatoïde, le baricitinib, pour une indication alternative en tant que traitement potentiel du COVID-19. Début 2020, BenevolentAI a utilisé son système d'IA avancé pour proposer le baricitinib, détenu et commercialisé par Eli Lilly sous le nom de marque Olumiant™, comme option thérapeutique potentielle contre le virus. Suite à cette hypothèse dérivée de l'IA, le La FDA a approuvé une autorisation d'utilisation d'urgence pour le baricitinib dans le traitement des patients hospitalisés COVID-19 en novembre 2020, suite à des données prometteuses de phase III chez les patients hospitalisés Covid-19. Les données de l'essai ACTT-2 ont en outre validé cette proposition, indiquant une amélioration des résultats cliniques et une réduction de 35 % du taux de mortalité chez les patients traités par baricitinib, bien que le médicament n'ait pas atteint le critère d'évaluation principal de l'essai : réduire le risque d'aggravation de la maladie. . Cette transition rapide de l'hypothèse proposée par l'IA aux essais cliniques et à la FDA qui a suivi.
IA pour développer des formulations de médicaments
L'IA dans l'industrie pharmaceutique semble également être utile pour le développement de médicaments, y compris l'optimisation des formulations de médicaments.
En avril 2023, Merck et XtalPi Inc. collaboration annoncée sur une étude présentant les avantages de combiner les flux de travail informatiques avec des expériences en laboratoire humide dans le développement de médicaments. L'étude s'est concentrée sur l'impact des additifs polymères sur le comportement cristallin de la metformine HCl, un médicament contre le diabète. En utilisant la plate-forme de prédiction morphologique de XtalPi et les capacités expérimentales de Merck, une approche de criblage complète pour l'ingénierie de la morphologie cristalline a été développée. Les prédictions de dynamique moléculaire de XtalPi ont prédit avec succès l'influence des additifs polymères sur les habitudes cristallines de la metformine HCl, avec des observations expérimentales confirmant la transformation de la morphologie cristalline. Cette collaboration représente une approche « numérique d'abord » qui combine des simulations informatiques et une expertise en formulation expérimentale pour améliorer les processus de développement pharmaceutique.
Relier les points avec l'IA
L'un des aspects les plus forts de l'intelligence artificielle (apprentissage profond, NLP) est la capacité d'intégrer des données multimodales provenant de diverses sources, présentant des informations sur le système en général, en tenant compte de plusieurs processus et réseaux, à la fois scientifiques et opérationnels.
Dans ce contexte, Sanofi progresse dans l'intégration de l'intelligence artificielle (IA) dans ses activités de recherche et développement, à commencer par le déploiement de son application d'IA, Plai. Développé en partenariat avec Aily Labs, Plai fournit des données en temps réel et une vue complète de toutes les activités de Sanofi, offrant des informations et des scénarios personnalisés pour soutenir le personnel. Cela fait partie de l'ambition plus large de Sanofi de devenir la première société pharmaceutique alimentée par l'IA à grande échelle, en équipant son personnel d'outils et de technologies qui améliorent la prise de décision. L'IA profite déjà aux processus de découverte de médicaments, de conception d'essais cliniques et de fabrication de Sanofi, et la société estime qu'il existe encore un potentiel inexploité pour l'IA dans le domaine de la santé. Par exemple, l'IA a accéléré les processus de recherche de quelques semaines à quelques heures et amélioré l'identification des cibles dans des domaines thérapeutiques comme l'immunologie, l'oncologie et la neurologie. Les collaborations de Sanofi avec des startups d'IA, dont Insilico Medicine, Exscientia et Owkin, démontrent une fois de plus son engagement à tirer parti de l'IA pour la découverte de médicaments. La société prévoit également d'utiliser Plai dans ses opérations d'essais cliniques pour améliorer le recrutement, en particulier parmi les populations sous-représentées.
Conclusions : l'externalisation de la R&D et l'activité de fusions et acquisitions augmenteront dans l'espace "IA pour la découverte de médicaments"
Avec un intérêt croissant pour les technologies basées sur l'IA parmi les principales sociétés pharmaceutiques et biotechnologiques, une orientation stratégique des entreprises pharmaceutiques et biotechnologiques se déplacera davantage vers les partenariats d'IA, Externalisation R&D, et l'activité M&A comme moyen d'accéder rapidement à l'expertise et au savoir-faire requis. La nature complexe des technologies basées sur l'IA, le besoin d'une infrastructure informatique coûteuse et sophistiquée, un rythme rapide de progrès dans le domaine et une rareté relative de spécialistes hautement qualifiés en science des données pour soutenir la recherche spécialisée en apprentissage automatique - ce sont quelques-uns des principaux moteurs de la tendance ascendante à l'externalisation.
Sujets: Les technologies émergentes Tendances de l'industrie
- Contenu propulsé par le référencement et distribution de relations publiques. Soyez amplifié aujourd'hui.
- PlatoData.Network Ai générative verticale. Autonomisez-vous. Accéder ici.
- PlatoAiStream. Intelligence Web3. Connaissance Amplifiée. Accéder ici.
- PlatonESG. Automobile / VE, Carbone, Technologie propre, Énergie, Environnement, Solaire, La gestion des déchets. Accéder ici.
- Décalages de bloc. Modernisation de la propriété des compensations environnementales. Accéder ici.
- La source: https://www.biopharmatrend.com/post/34-biopharmas-hunt-for-artificial-intelligence-who-does-what/
