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

Spécialisée dans les marchés émergents des secteurs pharmaceutique, biotechnologique et des technologies de santé, DPI est un “joint-venture” créé par Deep Knowledge Analytics Pharma Division et BPT Analytics (BioPharmaTrend), deux groupes de réflexion experts dans le domaine du profilage de l’innovation biotechnologique, de l’intelligence économique et du conseil en investissement biotechnologique. La société cartographie 395 biotechs basées sur l’IA, en les classant selon leur secteur, leur degré de maturité et leur localisation géographique.

Dans le rapport établi, elle souligne certains des principaux points à en retenir :

• le segment de l’IA pharmaceutique poursuit sa consolidation,
• les grandes sociétés pharmaceutiques et les organisations de recherche sous contrat (CRO) se font de plus en plus concurrence pour les partenariats en matière d’IA,
• le secteur de l’IA pharmaceutique arrive à maturité pour une probable vague d’introductions en bourse et de fusions et acquisitions en 2021-2028,
• la pandémie de COVID-19 semble être un catalyseur positif pour l’accélération de l’adoption de l’IA,
• malgré la crise, les sociétés cotées en bourse présentent une croissance rapide avec une capitalisation cumulée de 38,3 milliards de dollars au 20 octobre 2021.

Les principaux enseignements économiques

Selon DPI, qui s’appuie sur une étude du Tufts Center for the Study of Drug Development (CSDD), “en 2014, le coût de développement d’un nouveau médicament sur ordonnance obtenant une autorisation de commercialisation est d’environ 2,6 Mds $”. Par rapport à 2003, cela représente une augmentation de 145 %, corrigée de l’inflation. Quant à la croissance constante du secteur de l’IA pour la découverte de médicament, “elle peut être observée en termes d’augmentation substantielle du capital d’investissement versé dans les sociétés de biotechnologie axées sur l’IA (2,28 Mds $ au premier semestre 2020 contre 2,93 Mds $ pour la même période en 2021), le nombre croissant de partenariats de recherche entre les principales organisations pharmaceutiques et les biotechnologies impliquant de l’IA et les fournisseurs de technologie IA, un pipeline continu de développements industriels, de percées dans la recherche et d’études de preuve de concept”, nous enseigne le rapport.

Les principaux points-clés en termes de business

D’après DPI, le segment de l’IA pharmaceutique poursuit sa consolidation avec l’augmentation du nombre de “méga-cycles”, notamment ceux d’Insitro (400 M$), de Valo Health (300 M$), d’Exscientia (265 M$), d‘Insilico Medicine (255M$). Les auteurs notent que l’industrie biotech adopte “une nouvelle tendance puissante consistant à amener les entreprises sur les marchés publics via des sociétés d’acquisition à vocation spéciale (SPAC)”. Valo Health est l’exemple le plus récent d’une entreprise axée sur l’IA qui s’est retirée via SPAC avec plus de 500 M$ levés. Ils notent par ailleurs que “les grandes entreprises pharmaceutiques et les organisations de recherche sous contrat se disputent de plus en plus les partenariats en matière d’IA et continuent de créer des flux de travail d’IA internes, motivés par l’émergence rapide de preuves de la faisabilité”.

Les points technologiques-clés

Le rapport nous enseigne que l’IA est “considérée par certains cadres supérieurs de grandes sociétés pharmaceutiques (GSK et autres) comme un outil permettant de découvrir non seulement de nouvelles molécules, mais également de nouvelles cibles”. Pour ces experts, la capacité des réseaux de neurones profonds à créer des ontologies à partir de données multimodales (par exemple, des données “omiques”) est l’un des domaines les plus prometteurs de l’IA dans la découverte de médicaments, aux côtés de l’exploration de données non structurées,. Il existe par ailleurs une tendance considérable à la “démocratisation de l’IA” où diverses technologies d’apprentissage automatique / d’apprentissage en profondeur deviennent disponibles dans des formats pré-formés et préconfigurés “sur étagère”, ou dans des formats relativement prêts à l’emploi – via des modèles basés sur le cloud, frameworks et plateformes de création de pipelines d’IA par glisser-déposer (par exemple, KNIME).

Quelques obstacles connus subsistent néanmoins malgré ces divers progrès. Premièrement, la pénurie mondiale de talents en IA continue d’être un sérieux défi pour l’industrie biopharmaceutique. Deuxièmement, le manque de données de qualité disponibles reste un défi pour libérer tout le potentiel des technologies d’apprentissage en profondeur.

Cas d’usages et nouvelles approches

Enfin, le rapport répertorie 25 cas d’usages et quelques-unes des approches les plus innovantes, comme Antiverse, un nouveau type de société de découverte d’anticorps qui accélère le développement de médicaments en s’appuyant notamment sur le séquençage de nouvelle génération (NGS). Sa plateforme se situe à l’intersection de la biologie structurelle, de l’apprentissage automatique et de la médecine pour permettre des percées “plus rapides et plus rentables”. Selon DPI, Antiverse empêche la perte de diversité pendant l’amplification pour découvrir des anticorps plus divers et plus rares.