Et si nous pouvions générer de nouvelles molécules, prêtes du jour au lendemain pour des essais cliniques, afin de cibler n’importe quelle maladie ? Imaginez-vous tirer profit du machine-learning pour accomplir avec 50 personnes ce que l’industrie pharmaceutique peine à peine faire avec une armée de 5000 personnes. C’est une opportunité de plusieurs milliards de dollars qui peut impacter des milliards de personnes. Le marché pharmaceutique mondial, l’une des plus lentes industries monolithiques à s’adapter, a dépassé les 1,1 trillions en 2016. En 2018, les premières entreprises pharmaceutiques devraient à elles seules générer plus de 355 milliards de dollars de revenus. Parallèlement, commercialiser un nouveau médicament coûte actuellement plus de 2,5 milliards de dollars (parfois jusqu’a 12 milliards) et prend 10 ans. 9 médicaments sur 10 entrants dans les essais cliniques de phase 1 n’atteindront jamais les patients. Tandis que la population vieillit, nous n’avons pas le temps de compter sur ce taux de production lent et coûteux. D’ici 2030, 12% de la population mondiale aura 65 ans ou plus et les maladies liées au vieillissement, comme Alzheimer, poseront des défis croissants à la société.
Mais un monde d’abondance pharmaceutique est déjà en train d’émerger.
Alors que l’intelligence artificielle aggrège d’immenses masses de données issues de tous les domaines, de l’expression des gênes aux tests sanguins, la découverte de nouveaux médicaments est sur le point de devenir 100 fois moins cher, plus rapide. Surtout ces derniers cibleront beaucoup mieux les bactéries.
