Anthropic se lance dans la découverte de médicaments pour cibler les maladies négligées
Anthropic étend ses frontières au-delà des LLM en lançant des programmes dédiés à la découverte de médicaments visant les maladies négligées, que les grands groupes pharmaceutiques traditionnels jugent souvent peu rentables. Cette initiative stratégique s'appuie sur le nouvel outil de l'entreprise, « Claude Science », pour accélérer la recherche préclinique et affiner les modèles d'IA grâce à des données biologiques réelles.
Claude Science : accélérer les connaissances biologiques
L'annonce de ces programmes a coïncidé avec le dévoilement de « Claude Science », un outil d'IA conçu pour gérer un raisonnement scientifique complexe. Anthropic a démontré l'utilité immédiate de l'outil avec des exemples frappants : un chercheur de l'UCSF a utilisé Claude Science pour identifier une contamination virale en quelques minutes — une erreur qui était passée inaperçue auprès d'une équipe humaine pendant une année entière. De plus, le modèle a analysé 100 maladies génétiques rares en moins d'une heure, identifiant avec succès 32 candidats pour un criblage informatique.
En s'impliquant directement dans les premières étapes du développement de médicaments, Anthropic entend utiliser l'expérience directe en laboratoire (« wet lab ») pour construire des modèles d'IA plus performants et scientifiquement précis, comblant ainsi le fossé entre le raisonnement numérique et la réalité biologique.
Réduire les délais de développement et la latence
L'industrie pharmaceutique est actuellement confrontée à d'énormes inefficacités. Le PDG de Novartis, Vas Narasimhan, a noté que l'approbation d'un médicament prend généralement douze ans, un processus entravé par la latence de l'information, la latence opérationnelle et la latence biologique.
Bien qu'il soit difficile de réduire la latence biologique (essais cliniques et tests sur les animaux), l'IA peut cibler les deux premières catégories, qui représentent environ 40 % du cycle de développement. L'approche d'Anthropic vise à compresser le délai total de douze ans à sept ou huit ans. De plus, en optimisant les propriétés moléculaires et en améliorant les prédictions de sécurité, l'IA pourrait potentiellement doubler les taux de réussite des médicaments, passant de 8 % actuellement à 16 %. Étant donné que l'industrie dépense entre 150 et 200 milliards de dollars par an en R&D pour un rendement relativement faible, même ces gains progressifs représentent un changement massif en termes de viabilité thérapeutique.
La course aux armements de l'IA dans la santé
Le mouvement d'Anthropic la place en situation de compétition directe et de collaboration au sein d'un paysage biotechnologique en évolution rapide. Le secteur voit déjà des acteurs majeurs déployer des modèles spécialisés :
- Google DeepMind & Isomorphic Labs : Utilisation d'AlphaFold pour la prédiction de la structure des protéines afin de révolutionner la découverte de médicaments.
- OpenAI : Expansion vers des outils centrés sur le patient avec ChatGPT Health, qui intègre les dossiers médicaux et les données Apple Health.
- Google DeepMind (Clinical) : Évolution vers des modèles « AI Co-Clinician » conçus pour soutenir les médecins via des soins triadiques.
Bien que le potentiel de traitements révolutionnaires soit immense, des experts comme Catherine Pope de l'Université d'Oxford avertissent que les modèles d'IA doivent encore prouver qu'ils peuvent naviguer dans le « monde humain, complexe et désordonné » de la pratique clinique réelle.
Points clés à retenir
- Ciblage de niches non rentables : Anthropic se concentre sur les maladies négligées pour remplir sa mission et recueillir des données biologiques de haute qualité pour l'entraînement des modèles.
- Gains d'efficacité : La découverte de médicaments pilotée par l'IA vise à réduire les délais de développement jusqu'à quatre ans et potentiellement à doubler les taux de réussite clinique.
- Validation scientifique : Des outils comme Claude Science démontrent déjà leur capacité à accomplir des tâches complexes, telles que l'analyse de 100 maladies rares en moins d'une heure.