Débloquez gratuitement Editor’s Digest
Roula Khalaf, rédactrice en chef du FT, sélectionne ses histoires préférées dans cette newsletter hebdomadaire.
Le directeur de Google DeepMind estime que son projet de découverte de médicaments réduira de moitié le temps nécessaire à la recherche de nouveaux médicaments, attirant ainsi l’attention des plus grandes sociétés pharmaceutiques mondiales qui se tournent vers l’intelligence artificielle pour révolutionner ce long processus.
S’adressant au Financial Times, Demis Hassabis, co-fondateur de l’unité IA de Google et qui dirige également la filiale Isomorphic Labs, a déclaré que l’objectif était de réduire la phase de découverte – lorsque les médicaments potentiels sont identifiés avant les essais cliniques – de la moyenne de cinq ans. à deux. « Je pense que ce serait un succès pour nous et que ce serait très significatif », a-t-il déclaré.
Hassabis a déclaré cet objectif quelques jours après avoir annoncé les deux premiers partenariats pharmaceutiques d’Isomorphic Lab avec Eli Lilly et Novartis, d’une valeur combinée pouvant atteindre 3 milliards de dollars, dans le cadre d’accords destinés à transformer les finances du groupe non rentable.
Isomorphic Labs utilise une plateforme d’IA pour prédire les structures biochimiques, ce qui facilite la création de nouveaux médicaments en recommandant les composés potentiels qui auront l’impact souhaité sur le corps.
En incluant les essais cliniques, il faut souvent jusqu’à une décennie pour découvrir et développer un nouveau médicament, ce qui coûte en moyenne environ 2,7 milliards de dollars, selon une étude du Tufts Center for the Study of Drug Development.
Les grands fabricants de médicaments, sous la pression de remplir leurs pipelines de nouveaux médicaments potentiels alors que les médicaments existants sont confrontés à des ruptures de brevets, alors qu’ils seront confrontés à une concurrence générique bien moins chère, sont avides de nouveaux moyens de raccourcir le processus. Alors que les systèmes de santé du monde entier exercent une pression sur les prix des médicaments, les sociétés pharmaceutiques cherchent également des moyens de réduire les coûts de recherche et de développement.
Hassabis a déclaré que de nombreux fabricants de médicaments étaient également désireux de s’associer avec Isomorphic, mais que la société souhaitait se concentrer sur des collaborations susceptibles d’améliorer sa technologie. « Nous pourrions probablement signer une douzaine de partenariats aujourd’hui, si nous le voulions, mais cela nous amènerait alors à trop nous fragmenter et à élaborer davantage de solutions sur mesure pour les programmes individuels », a-t-il déclaré.
Au lieu de cela, Isomorphic a choisi de signer des accords avec seulement deux sociétés pharmaceutiques. Dimanche, il a annoncé que Lilly paierait 45 millions de dollars d’avance, ainsi que 1,7 milliard de dollars supplémentaires lorsque le projet atteindrait des étapes de performance, telles que l’étape des essais ou l’approbation des médicaments.
Novartis paierait 37,5 millions de dollars d’avance, auxquels s’ajouteraient 1,2 milliard de dollars supplémentaires en incitations basées sur les performances.
Isomorphic a déclaré qu’elle prévoyait de construire des installations expérimentales internes ou des « laboratoires humides » à un moment donné dans le futur, et qu’elle avait l’intention d’associer ces actifs à des sociétés pharmaceutiques.
Les accords d’Isomorphic surviennent alors que Google fait face à une concurrence féroce dans le développement de logiciels d’IA de la part d’OpenAI, soutenu par Microsoft, et de petites start-ups telles qu’Anthropic et Cohere. L’année dernière, le géant de la recherche a fusionné son unité interne d’IA Brain avec DeepMind, dans le but de concentrer ses efforts et ses ressources sur cette technologie en évolution rapide.
Les accords de partenariat font suite à plusieurs autres dans l’industrie. Exscientia, basée à Oxford, travaille entre autres avec Sanofi et Bristol Myers Squibb, et Insitro a un accord avec Bristol Myers, tandis qu’Owkin collabore également avec Sanofi.
Mais même les médicaments découverts grâce à l’intelligence artificielle peuvent échouer lors des essais cliniques, car la biologie humaine est difficile à prédire. Plusieurs start-up spécialisées dans l’IA pour la découverte de médicaments ont dû abandonner leurs médicaments après que des études ont montré qu’ils n’étaient pas aussi efficaces qu’espéré.
La plateforme d’IA d’Isomorphic Labs s’appuie sur les avancées scientifiques réalisées par la technologie AlphaFold de DeepMind, un logiciel d’IA capable de prédire la structure de presque toutes les protéines existantes à partir de leur séquence d’ADN.
Les nouvelles générations de technologies utilisent l’apprentissage profond pour prédire les interactions entre les protéines et d’autres molécules, notamment l’ADN et l’ARN, et donc les effets secondaires et l’efficacité de nouvelles structures chimiques dans l’organisme.
Isomorphic Labs a été fondée en 2021 en tant que filiale d’Alphabet, pour faire progresser les premières percées de DeepMind en mettant exclusivement l’accent sur l’utilisation de l’IA pour la découverte de médicaments. En 2022, la société a élargi sa perte à 16,9 millions de livres sterling, contre 2,4 millions de livres sterling l’année précédente, selon les documents déposés par la Companies House.
Hassabis a déclaré que, même si Isomorphic n’était pas « concentré sur » le moment où il générerait des bénéfices, « les deux transactions que nous avons conclues sont également assez significatives d’un point de vue financier ».
L’intérêt pour l’utilisation de l’IA dans la découverte de médicaments monte en flèche, les entreprises du secteur ayant levé 4,4 milliards de dollars en 2022, contre 1,8 milliard de dollars en 2018, selon le cabinet de recherche PitchBook.
Mais Hassabis a déclaré qu’Isomorphic était « assez unique » en essayant de construire des modèles fondamentaux de biologie et de chimie, plutôt que d’utiliser l’IA pour analyser les données existantes.
« C’est presque comme un modèle génératif qui conçoit les composés avec différentes contraintes », a-t-il déclaré. « Mais ces contraintes modélisent de véritables contraintes biochimiques. C’est donc pour cela que nous sommes vraiment bons.