L'APPRENTISSAGE PROFOND DANS LES MéDICAMENTS DéCOUVERTE ET MARCHé DU DIAGNOSTIC ANALYSE

L'apprentissage profond est l'apprentissage automatique qui analyse de grands volumes de données étiquetées et non étiquetées ainsi que des données multidimensionnelles et complexes avec des modèles non triviaux. Il est censé être un remplacement pour l'ingénierie des fonctionnalités manuelles avec l'apprentissage des fonctionnalités sans supervision. L'afflux massif de données sur la multimodalité au cours des dernières années nécessite également l'utilisation de l'intelligence artificielle pour l'analyse des données dans les systèmes d'information sur la santé. Cela a entraîné une augmentation du déploiement de modèles analytiques fondés sur les données, basés sur l'apprentissage automatique en informatique de la santé. On s'attend à ce qu'il s'agisse là d'un des facteurs essentiels à la croissance du marché de la découverte et du diagnostic des médicaments. L'apprentissage profond du marché de la découverte et du diagnostic des médicaments est une technique à venir profondément enracinée dans les réseaux neuronaux artificiels et devrait gagner en traction dans un avenir proche. Il devrait évoluer en tant qu'outil important d'apprentissage approfondi du système d'information sur les soins de santé et servir à restructurer l'avenir du secteur des soins de santé et de l'intelligence artificielle. L'évolution rapide des opérations informatiques et le stockage rapide et efficace des données contribuent également à l'adoption rapide de la technologie. La technique génère automatiquement des caractéristiques optimales de haut niveau avec une interprétation efficace des données d'entrée sémantique, ce qui devrait favoriser la croissance du marché de la découverte et du diagnostic de médicaments au cours de la période de prévision (2016-2024).

L'apprentissage profond dans les médicaments Découverte et Marché du diagnostic Taxonomy:

Par demande

• Découverte de médicaments
• Diagnostic
• Interventions médico-légales
• Autres

Par secteur d'activité

• Sociétés pharmaceutiques
• Entreprises de biotechnologie
• Organismes de recherche contractuels
• Santé

On s'attend à ce que la réduction de l'intervalle de temps de la découverte de médicaments sous-tende la croissance de l'apprentissage approfondi sur le marché de la découverte et du diagnostic de médicaments :

Conventionnellement, la découverte de drogues et la mise au point de médicaments étaient considérées comme un processus complexe et chronophage. Diverses méthodes d'analyse sont utilisées pour faire avancer les développements. Dernières méthodes telles que l'extraction de données, la modélisation d'homologie, l'apprentissage automatique conventionnel et sa technique de branche d'inspiration biologique, l'apprentissage profond sont les sources des méthodes de découverte de médicaments de la prochaine génération. La raison susmentionnée devrait stimuler le taux de croissance des connaissances approfondies sur le marché de la découverte et du diagnostic des médicaments. De plus, les organismes de soins de santé et de sciences de la vie tirent parti de l'intelligence artificielle et de l'approche de l'apprentissage profond pour améliorer leur portefeuille de produits.

Les compagnies pharmaceutiques et d'autres fabricants de médicaments s'efforcent d'intégrer les connaissances approfondies en matière de découverte de médicaments et de diagnostic pour introduire de nouveaux traitements afin de s'attaquer efficacement au fardeau croissant des maladies. Cela permettrait de s'assurer que les médicaments potentiels s'attaqueraient à la source de toute maladie ainsi qu'à la satisfaction des contraintes métaboliques et toxiques restrictives. Comme nous l'avons déjà mentionné, la découverte de médicaments implique un investissement important en temps et en ressources, et le résultat est plutôt incertain. L'apprentissage approfondi de la découverte et du diagnostic des médicaments joue un rôle essentiel dans l'augmentation de la probabilité d'obtenir un résultat réussi. On s'attend à ce qu'il s'agisse d'un facteur crucial pour l'apprentissage approfondi du marché de la découverte et du diagnostic des médicaments au cours de la période de prévision.

L'augmentation du nombre d'applications devrait favoriser la croissance de l'apprentissage profond sur le marché de la découverte de médicaments et du diagnostic :

Le marché mondial de la découverte et du diagnostic de drogues est consolidé, les principaux acteurs détenant la part maximale grâce à leur vaste expertise dans le domaine de l'intelligence artificielle, atteint par plusieurs années de scores d'études intensives. Les acteurs du marché développent de nouvelles techniques pour comprendre la nature des biomarqueurs diagnostiques et la découverte de médicaments grâce à des dépenses importantes en R-D. Par exemple, Google Inc. fait d'importants progrès dans la compréhension des habitudes de santé et de bien-être quotidiennes pour atteindre les préoccupations mondiales en matière de soins de santé de la meilleure façon possible.

Les principaux acteurs du marché de la découverte et du diagnostic de médicaments sont Google Inc., IBM Corp., Microsoft Corporation, Qualcomm Technologies, Inc., General Vision Inc., Insilico Medicine, Inc., NVIDIA Corporation, Zebra Medical Vision, Inc., Enlitic, Ginger.io, MedAware et Lumiata.

Principaux faits nouveaux

Les activités de recherche-développement liées à l'apprentissage approfondi en matière de découverte et de diagnostic de médicaments devraient stimuler la croissance du marché. Par exemple, le 2 septembre 2019, Insilico Medicine Hong Kong Ltd. a signalé le développement d'un modèle génératif profond, l'apprentissage du renforcement tensoriel génératif (GENRL), pour la conception de novo de petites molécules. GENTRL a été utilisé pour découvrir des inhibiteurs puissants du récepteur de domaine de la discoidine 1 (DDR1), une cible de kinase impliquée dans la fibrose et d'autres maladies, en 21 jours.

Les principaux acteurs du marché se concentrent sur l'adoption de stratégies de collaboration et de partenariat pour entrer dans le marché émergent. Par exemple, en février 2019, Juvenescence AI, Ltd., une société de développement de médicaments axée sur la lutte contre le vieillissement et les maladies liées à l'âge, a collaboré avec NetraMark Corp., une société qui utilise des algorithmes d'apprentissage automatique pour remanier les médicaments défaillants, pour former une coentreprise, NetraPharma.

Les principaux acteurs du marché se concentrent également sur la collecte de fonds pour soutenir le développement de leurs produits. Par exemple, en août 2019, Verisim Life, Inc., une start-up américaine en biotechnologie qui utilise des biosimulations alimentées par l'IA pour remplacer le dépistage des médicaments animaux, a annoncé qu'elle a recueilli 5,2 millions de dollars dans un cycle de financement dirigé par Serra Ventures et OCA Ventures.