“Concevoir une molécule en 3 ans plutôt que 10” (Pistoia Alliance)

“Au sein de l’écosystème du drug discovery, tout le processus est lent et cher, que ce soit en termes financiers ou de ressources humaines. Pour développer ne serait-ce qu’un seul médicament, les chances de succès sont très faibles”, souligne d’emblée Martin-Immanuel Bittner. Mais le modèle opérationnel standard est selon lui en train de changer, au niveau de la régulation, de l’agence américaine du médicament (FDA) ou de l’approche patient. L’enjeu est de se démarquer dans l’écosystème de l’industrie pharma et de la biotechnologie en utilisant au maximum de leurs capacités les technologies d’automatisation et d’exploration / exploitation des données basées sur l’IA et le machine learning. À tous les stades du drug discovery possibles.

Ces dix dernières années, des entreprises “AI and data driven” ont émergé, comme Insilico Medicine, BenevolentAI ou encore Atomwise. Selon Martin-Immanuel Bittner, il en existe désormais plus de 200 qui tirent parti d’une forme d’IA pour accélérer la R&D. Certaines d’entre elles, dont Arctoris ou insitro, rassemblent plusieurs tendances (approche cloud, biologie synthétique etc.) appelées “data-powered discovery”. Leur idée est de combiner machine learning et automatisation [via la robotique] pour générer de grandes quantités de sets de données de haute qualité,…

À lire

Aqemia applique son IA au protéome à l’aide de modèle cloud

IA & Drug discovery : une université, un industriel et une SATT développent un laboratoire commun

Deep Pharma Intelligence cartographie les biotechs appliquant l'IA en R&D

Alphabet lance sa propre société de drug discovery à partir de l'IA

L’Institut Pasteur signe un accord sur l’IA en R&D avec son homologue coréen