1. Aide
    1. Espace Client
    2. Connexion
  1. Aide
    1. Espace Client
    2. Connexion
Espace Membre Boursorama

Erreur d'authentification

Vous êtes authentifié. Nous chargeons votre espace membre.

Mot de passe oublié ?

Nouveau sur Boursorama ? Devenez membre

Identifiant/Mot de passe oublié
Si vous êtes Membre de la Communauté Boursorama, veuillez indiquer l'adresse email que vous avez fournie lors de votre enregistrement pour recevoir votre identifiant et/ou ré-initialiser votre mot de passe :

Nouveau sur Boursorama ? Devenez membre

Fermer

Forum

PHARNEXT
4.660 (c) EUR
-0.85% 

FR0011191287 ALPHA

Euronext Paris données temps réel
  • ouverture

    4.700

  • clôture veille

    4.700

  • + haut

    4.770

  • + bas

    4.610

  • volume

    21 412

  • valorisation

    70 MEUR

  • capital échangé

    0.14%

  • dernier échange

    06.12.19 / 17:35:05

  • limite à la baisse

    Qu'est-ce qu'une limite à la hausse/baisse ?

    Fermer

    4.430

  • limite à la hausse

    Qu'est-ce qu'une limite à la hausse/baisse ?

    Fermer

    4.890

  • rendement estimé 2019

    -

  • PER estimé 2019

    Qu'est-ce que le PER ?

    Fermer

    -

  • dernier dividende

    -

  • date dernier dividende

    22.05.19

  • Éligibilité

    PEA

    Qu'est-ce que le PEA ?

    Fermer
    PEA-PME

    Qu'est-ce que le PEA-PME ?

    Fermer
  • + Alerte

  • + Portefeuille

  • + Liste

Retour au sujet PHARNEXT

PHARNEXT : Défis de la technologie de l'IA dans le développement de médicaments

madprof
13 oct. 201917:08

Un peu de lecture pour terminer le week-end
Traduction d'un site chinois
Merci à un ami qui me l'a transmis, il se reconnaîtra.

Défis de la technologie de l'intelligence artificielle dans le développement de médicaments

Heure de parution: 2019-10-12 15:44:20
Source: Yaodu

https://m.xianjichina.com/news/details_158710.html

Le développement de nouveaux médicaments présente trois propriétés à haut risque: coût élevé, cycle de développement long et faible taux de réussite. Selon "Natrue", le coût de la recherche et du développement de nouveaux médicaments est d'environ 2,6 milliards de dollars américains, ce qui prend environ 10 ans et le taux de réussite est inférieur à 1/10. Comment accélérer le développement de nouveaux médicaments et réduire les coûts de la recherche et du développement est devenu un problème urgent pour les grandes entreprises pharmaceutiques. En outre, l'évolution de la circulation des médicaments et de la chaîne de valeur des produits médicaux a contraint les entreprises pharmaceutiques à baisser leurs prix et à augmenter la valeur des médicaments.

De nos jours, les données accumulées sur la recherche-développement sur les médicaments augmentent rapidement et la transformation numérique de la recherche-développement sur les médicaments s'accélère. Par conséquent, la principale tâche des sociétés pharmaceutiques est d'utiliser ces données pour générer de la valeur, atteindre l'objectif ultime consistant à améliorer l'efficacité de la production de médicaments, le taux d'approbation et la réduction des coûts.

Les progrès récents des techniques d'intelligence artificielle pour l'apprentissage et la prédiction de nouvelles caractéristiques, notamment les réseaux de neurones profonds (DNN) ou les réseaux de neurones récurrents (RNN), ont conduit à l'utilisation généralisée de la technologie de l'intelligence artificielle et à l'accélération de l'automatisation sociale. Dans ce vaste environnement de fond, l'application de la technologie d'intelligence artificielle combinée au big data et au cloud computing dans la recherche et le développement de médicaments est en augmentation, et les avantages de l'application sont également mis en évidence.

Scénarios d'application et technologies de développement de médicaments AI +

Depuis la Conférence de Dartmouth en 1956, l'IA est utilisée dans la découverte de médicaments depuis plus de 60 ans: elle a maintenant pénétré à tous les stades de la RD pharmaceutique, mais elle s'est également concentrée sur la découverte et la validation de nouveaux médicaments. Cependant, la technologie appliquée a fait de grands progrès et les ensembles de données de formation et les modèles de la recherche précédente sur la relation quantitative (QSAR) et la relation quantitative structure-propriété (QSPR) ont progressé vers l'apprentissage automatique, l'informatique cognitive et la reconnaissance d'images. .

Les principaux scénarios de développement de l'IA et des médicaments comprennent désormais: l'exploration de cibles médicamenteuses, le développement de candidats médicaments, le criblage à haut débit, la conception de médicaments, la synthèse de médicaments, la prédiction des propriétés ADMET du médicament, des études physiopathologiques et le développement de nouvelles indications - Les vieux médicaments sont nouveaux. Le dépistage ciblé est le domaine le plus populaire de la recherche et du développement de médicaments pour l'IA +, et la combinaison des deux apportera de nouveaux médicaments à de nouveaux sommets, mais le criblage et la conception de médicaments à petites molécules dominent toujours. Cependant, en fonction de la rapidité de développement du scénario d'application, l'avenir de la synthèse de médicaments pourrait devenir la direction la plus automatisée. Les technologies d'intelligence artificielle couramment utilisées pour ces scénarios d'application sont l'apprentissage machine, l'informatique cognitive et la reconnaissance d'images.

La recherche et le développement de médicaments AI + représentent le domaine de l'entreprise et de la présentation

À l'heure actuelle, les start-ups représentatives du développement de médicaments AI + comprennent Exscientia, l'IA bienveillante, Atomwise, Relay Therapeutics, la technologie Jingtai, Qiankun Intelligent, Numerate, IBM Waston et Lam Therapeutics. Selon la configuration des start-ups existantes dans le domaine thérapeutique, les tumeurs représentent la plus grande proportion, tandis que le domaine neurologique occupe la deuxième place et que les maladies sont plus rares. Par conséquent, la tumeur et le système nerveux ne sont pas seulement les domaines d'actualité de la recherche et du développement de médicaments AI +, mais également les domaines potentiels de développement futur, qui contribueront également à résoudre le dilemme posé par un diagnostic et un développement de médicaments difficiles.

Opportunités et défis de la technologie de l'intelligence artificielle dans le développement de médicaments

Figure 1. Disposition de la zone de traitement pour le démarrage du développement de médicaments AI +
Source: biopharmatrend, la date limite de transmission des données est fixée à fin juillet 2019.

Avantages de la recherche et du développement de médicaments AI + et exemples représentatifs

Par rapport au modèle traditionnel de recherche et de développement de médicaments, la recherche et le développement de médicaments d'IA + présentent les avantages de raccourcir le cycle de recherche et de développement, d'économiser des coûts en capital, d'améliorer le taux de réussite et d'utiliser pleinement les ressources médicales existantes. Selon les statistiques, il faudra peut-être 4 à 5 ans pour que le développement du médicament selon le mode traditionnel soit au stade préclinique. Le nouveau pipeline de développement de médicaments basé sur l'IA et la bio-informatique peut compléter le développement de médicaments précliniques en moyenne entre un et deux ans, et le développement de médicaments est considérablement accéléré. Depuis lors, le premier vaccin contre la grippe turbocompressé conçu entièrement par l'IA est entré en phase clinique.Phartext a mis au point deux essais cliniques de phase III utilisant la technologie d'IA pour le traitement d'association PXT3003 destiné au traitement du sous-type de l'atrophie musculaire sacrée 1A. Et obtenu des résultats positifs: Tasly a également conclu en 2017 un accord de coopération avec Pharnext.

Coopération entre entreprises de développement de médicaments AI +

Le 11 septembre 2019, Jiangsu Haosen et Atomwise ont annoncé leur volonté de collaborer à la conception et à la découverte de candidats potentiels pour jusqu'à 11 protéines cibles non divulguées dans plusieurs domaines thérapeutiques. Selon l'accord de coopération conclu entre les deux parties, la valeur totale potentielle de cette coopération avec Atomwise dépassera 1,5 milliard de dollars. Avant Zhengda Tianqing, elle a coopéré avec Alibaba Cloud pour obtenir une toute nouvelle méthode de criblage de composés. Il a été rapporté que cette nouvelle méthode peut améliorer de 20% la précision du dépistage par rapport à la méthode traditionnelle de conception de médicaments assistée par ordinateur.

S'agissant de la coopération de sociétés pharmaceutiques mondiales, les dix plus grandes multinationales du monde sont entrées dans le domaine de la recherche-développement sur les médicaments d'IA +. Les informations de coopération spécifiques sont présentées dans le tableau ci-dessous. Par conséquent, dans le domaine de la recherche sur l'IA + et le médicament, la plate-forme pour la création de nouvelles entreprises est rentable grâce à la coopération technique, tandis que les grandes entreprises traditionnelles s'engagent via la coopération ou des investissements stratégiques. Sous cette tendance, l'émergence, la coopération et le financement de jeunes entreprises ont atteint un record en 2018 et le montant de leur financement a atteint 1,036 milliard de dollars américains (hors éléments non publiés).

Opportunités et défis de la technologie de l'intelligence artificielle dans le développement de médicaments

Source: Information publique
Opportunités et défis du développement de médicaments AI +

Un rapport de TechEmergence montre que l'intelligence artificielle peut augmenter le taux de succès du développement de nouveaux médicaments de 12% à 14%, faisant économiser des milliards de dollars à l'industrie biopharmaceutique. En outre, il a été rapporté que l'IA peut économiser 40% à 50% du temps en synthèse et en criblage de composés par rapport aux moyens traditionnels, permettant ainsi aux sociétés pharmaceutiques d'économiser 26 milliards de dollars en coûts de criblage de composés par an. En phase de recherche clinique, il peut économiser de 50% à 60% du temps, économisant ainsi 28 milliards de dollars en coûts d'essais cliniques par an. Autrement dit, AI peut économiser chaque année 54 milliards de dollars en coûts de recherche et développement pour les sociétés pharmaceutiques. Par rapport au modèle traditionnel, le développement de médicaments AI + présente des avantages évidents en termes de temps et de coûts.

À présent, les dix plus grandes sociétés pharmaceutiques du monde sont entrées sur le marché, et les nouvelles entreprises ont atteint le plus haut niveau de financement et de coopération, ce qui leur a permis de générer des revenus très bien capitalisés, et les grandes entreprises telles que Roche ont privilégié les sources de données de haute qualité. Selon ce développement, le futur marché de la médecine AI + a un grand potentiel de développement. D'ici 2025, le marché de la recherche-développement sur les médicaments pour l'IA + dépassera les 3,7 milliards de dollars (hors traitement médical, etc.).

Mais le développement de médicaments d'AI + fait également face à une situation moins optimiste et à de nombreux défis. En avril 2019, IBM a décidé de cesser de développer et de vendre des outils de développement de médicaments, la suite Watson Artificial Intelligence, en raison de ses performances financières médiocres. En tant que chef de file de l'intelligence artificielle dans le domaine de la médecine et de la santé, elle doit faire face à un ralentissement financier.

En outre, l'application actuelle de l'IA est davantage axée sur l'orientation du dépistage de la cible et analyse désormais plus de cibles que de médicaments approuvés, mais la confirmation de la cible est un problème difficile. Comment établir un modèle de confirmation et quoi utiliser Il est nécessaire de confirmer si les ressources humaines et financières peuvent suivre. En outre, la prévisibilité artificielle des propriétés de fabrication du médicament est inférieure à celle du médicament obtenu par essai et analyse. Étant donné qu'il repose sur un ensemble de données de moins de 2 000 médicaments approuvés (la qualité n'est pas nécessairement élevée), il s'agit de l'exigence la plus élémentaire pour un apprentissage en profondeur, loin de s'appuyer sur des ensembles de données identifiables de haute qualité. Cela se trouve également être l'avantage d'application de l'IA dans la synthèse de médicaments.

Par conséquent, dans l'ensemble, le produit réel de la recherche sur les drogues AI + est très faible et la plupart des entreprises doivent faire face à la situation actuelle selon laquelle la situation financière est préoccupante en raison d'un rendement insuffisant ou médiocre. Par conséquent, les entreprises doivent positionner rationnellement le rôle de la chaîne industrielle et choisir le modèle économique novateur approprié.

En outre, les entreprises qui développent des médicaments pour l'IA + doivent relever des défis liés aux politiques, aux talents et à la technologie. L'introduction de nouvelles technologies modifiera le modèle initial de recherche et de développement de médicaments, et les compétences en matière de réglementation et les directives en matière de politique devront être mises à jour simultanément, mais il n'existe aucune directive politique ciblée. En termes de talent, le manque de talent composé haut de gamme limite également le développement de ce domaine. Et la fonctionnalité "boîte noire" de l'apprentissage multi-tâches de l'intelligence artificielle reste la résistance des réseaux de neurones profonds à l'extraction d'informations clés liées à des informations biologiques complexes. À l'avenir, il sera nécessaire d'améliorer la supervision des politiques et la culture des talents de haut niveau, ainsi que d'améliorer considérablement les aspects techniques tels que le développement pratique du traitement du langage naturel, l'application multidimensionnelle des cartes de connaissances, le jeu de connaissances, la prise de décision analytique et la recherche sémantique. En outre, il faut améliorer la compréhension de la sensibilisation au développement de médicaments d'IA + et de la complexité biologique. Dans le problème de la détermination de la qualité de la recherche et du développement de médicaments AI +, comment établir un système standard de données de recherche et développement pour améliorer les données, comment établir un mécanisme de partage des risques, est également le futur besoin de la recherche et du développement de médicaments AI +.

Conclusion

Bien que l'état actuel de la R & D pharmaceutique AI + ne soit pas très optimiste et fasse face à de nombreux défis, il est clair que la combinaison de la recherche et du développement de médicaments d'IA + sera inévitablement la tendance de développement de l'industrie pharmaceutique, et le sera également dans les dix, voire vingt prochaines années. Une révolution subversive dans le domaine de la médecine a inauguré une nouvelle ère

https://m.xianjichina.com/news/details_158710.html

Signaler un abus

Vous devez être membre pour ajouter un commentaire.
Vous êtes déjà membre ? Connectez-vous
Pas encore membre ? Devenez membre gratuitement

6 réponses

  • ledruthi
    13 octobre 201918:48

    Yo camarade, tu as plus de réussite que moi...Je l'ai mis ce matin, ce message et il n'a pas fallu cinq minutes pour qu'il soit supprimé...

    Signaler un abus

  • soulied
    13 octobre 201920:59

    Merci pour le partage

    Signaler un abus

  • CDaniel0
    13 octobre 201921:59

    Merci Madprof (et Ledruthi) pour ce partage !
    Reco évidemment.

    Signaler un abus

  • legume29
    14 octobre 201908:06

    Merci Madprof

    Signaler un abus

  • madprof
    14 octobre 201912:20

    Pour rappel
    Pour ceux que ça intéresse

    Signaler un abus

  • CDaniel0
    15 octobre 201915:04

    Up.
    Un complément/raccourci du lien de Bloomberg sur la prospective des technologies clés.

    Signaler un abus

Retour au sujet PHARNEXT

6 réponses

Vous devez être membre pour ajouter un commentaire.
Vous êtes déjà membre ? Connectez-vous
Pas encore membre ? Devenez membre gratuitement

Signaler le message

Fermer

Qui a recommandé ce message ?

Fermer

Mes listes

Une erreur est survenue pendant le chargement de la liste

valeur

dernier

var.

Les Risques en Bourse

Fermer