La découverte de médicaments propulsée par l’IA : État des lieux
À l’approche de la saison des prévisions pour 2025, une enquête sur le paysage émergent de la découverte de médicaments alimentée par l’IA a suscité l’intérêt, et ce n’est pas sans raison. Résumée par Chris Bradbury de Stanford, cette enquête pourrait bien constituer l’examen public le plus complet des avancées dans ce domaine en pleine évolution.
La découverte de médicaments assistée par l’IA se divise en quatre vagues distinctes de développement, offrant ainsi un cadre clair pour appréhender l’évolution de cette technologie. La vague la plus récente met particulièrement l’accent sur deux tendances clés : (1) l’utilisation d’un volume de données accru et l’extraction de valeur à partir de diverses sources de données grâce à des approches multimodales, multiscalaires, synthétiques et auto-supervisées ; et (2) le développement de pipelines plus spécialisés, où les retours d’expérience du processus de développement peuvent être utilisés de manière plus efficace.
Le rapport cadre également les modèles d’affaires actuels et potentiels ainsi que les propositions de valeur qui pourraient façonner l’avenir de la découverte de médicaments par IA. Les entreprises récentes se caractérisent par une spécialisation accrue, débloquant des capacités thérapeutiques pertinentes pour se concentrer sur des maladies ou des domaines thérapeutiques spécifiques. Elles visent un passage plus rapide à la phase clinique, ce qui reflète l’objectif d’un pipeline plus ciblé, tout en mettant en avant des indications à plus forte valeur ajoutée et le potentiel économique des actifs cliniques en conditions réelles.
Les questions essentielles soulevées par ces analyses incluent l’éventualité qu’une plus grande rapidité dans l’accès à la phase clinique favorise une collecte de données plus rapide, entraînant ainsi un cycle de rétroaction propice à l’innovation. Une autre interrogation est celle de l’éventuelle tension entre les approches globales et les modèles fédérés, où des acteurs dans le modèle en tant que service, l’approvisionnement de données et l’automatisation des laboratoires pourraient émerger comme forces dominantes.
Face à ce paysage hautement dynamique, le secteur de la découverte de médicaments par IA nécessitera une innovation correspondante dans les cadres de gestion légale et des risques pour garantir que (1) la valeur des technologies IA soit protégée et réalisée, (2) une gouvernance adéquate soit en place autour des données critiques et des technologies, et (3) ces objectifs avancent en parallèle avec le but fondamental du domaine : apporter des médicaments plus efficaces à un plus grand nombre de patients à moindre coût.
Bon à savoir
Propriété intellectuelle : L’examen antérieur des brevets dans la découverte de médicaments par IA a montré que le paysage est largement accessible. Les entreprises du secteur doivent être stratégiques quant aux parties de leur technologie sur lesquelles elles souhaitent se positionner.
Confidentialité et cybersécurité : Avec la gestion des données étant critique dans le développement de médicaments, il est essentiel de s’assurer que des protections robustes entourent l’utilisation et le traitement des données sensibles.
- Réglementations FDA : La FDA devrait prochainement publier des lignes directrices concernant l’utilisation de l’IA dans le développement de médicaments, mettant l’accent sur des aspects comme la confiance, l’éthique et la gestion des biais. Les entreprises doivent être proactives face à ces potentielles régulations.
En s’appuyant sur ces fondations, les entreprises de découverte de médicaments par IA peuvent continuer à se concentrer sur leur différenciation en matière de données et technologies, tout en étant bien positionnées pour attirer des licences et des investissements.