La pharmacie ne manque pas d’idées. Il y a un manque de débit. Environ 50 nouveaux médicaments sont approuvés chaque année malgré plus de 10 000 maladies connues, et chaque hypothèse prometteuse se heurte toujours à la même contrainte : une expérimentation physique lente et coûteuse. Les modèles de fondements biologiques ont ouvert la porte à un nouveau mode de découverte, dans lequel les scientifiques peuvent tester des hypothèses par ordinateur avant de s’engager dans le laboratoire humide. Helical a été conçu pour concrétiser ce changement au sein de la R&D pharmaceutique moderne.
Aujourd’hui, la société a annoncé un tour de table de 10 millions de dollars dirigé par Redalpine avec la participation de Gradient, BoxGroup, Frst et d’anges notables, dont Aidan Gomez (PDG de Cohere), Clément Delangue (PDG de HuggingFace) et Mario Goetze (joueur de football professionnel).
Ce timing reflète une lacune apparue à mesure que les modèles de fondations biologiques ont décollé. Les équipes pharmaceutiques sont enthousiasmées par la couche modèle, mais de nombreux efforts échouent car le travail entre le résultat d’un modèle et une décision scientifique est encore fragmenté. De nouvelles architectures apparaissent constamment, tandis que les scientifiques de laboratoire et les ingénieurs ML opèrent dans des environnements distincts. En conséquence, les équipes recréent souvent des cahiers et des analyses uniques, difficiles à reproduire ou à transférer entre programmes. Ce dont l’industrie pharmaceutique avait besoin, c’est d’une couche d’application qui transforme des modèles puissants en systèmes que les scientifiques peuvent exécuter, faire confiance et défendre.
Helical est le laboratoire virtuel d’IA pour l’industrie pharmaceutique, conçu pour transformer les modèles de fondations biologiques en systèmes de découverte reproductibles afin que chaque scientifique puisse tester des hypothèses in silico à la vitesse de l’inférence. La plate-forme comporte deux surfaces de produits : le laboratoire virtuel pour les biologistes et les scientifiques translationnels, et la Model Factory pour les ingénieurs ML et les scientifiques des données – construites sur les mêmes données, les mêmes modèles et les mêmes résultats. En plaçant les deux parties dans le même système, Helical comble le fossé entre les prédictions informatiques et la prise de décision biologique, afin que les équipes qui travaillaient traditionnellement en silos puissent collaborer sur les mêmes preuves.
« Les modèles ne découvrent pas les médicaments à eux seuls. C’est le système qui le fait », a déclaré Rick Schneider, co-fondateur de Helical. « Les équipes pharmaceutiques ont besoin d’un système qui transforme les modèles de base en flux de travail que les scientifiques peuvent exécuter, valider et défendre. Nous avons construit Helical pour rendre la science in silico reproductible à l’échelle pharmaceutique, afin que les équipes puissent passer de l’hypothèse à la décision en quelques jours au lieu de plusieurs mois. »
Helical a été fondée début 2024. L’entreprise a été créée par trois amis d’école qui ont emprunté des chemins différents pour résoudre le même problème. Rick Schneider a développé la technologie chez Amazon et a ensuite aidé l’entreprise allemande Celonis à se développer en France et au Japon. Maxime Allard a dirigé des équipes de science des données chez IBM avant de poursuivre un doctorat axé sur l’apprentissage par renforcement et la robotique. Mathieu Klop est devenu cardiologue et chercheur en génomique. Lorsque les modèles de fondations biologiques ont émergé, le trio a vu l’occasion de créer la couche d’application manquante qui permettrait aux équipes pharmaceutiques de passer de l’expérimentation de modèles à une découverte de production reproductible.
Helical est déjà en production avec plusieurs des 20 plus grandes sociétés pharmaceutiques mondiales, y compris une collaboration publique avec Pfizer sur les biomarqueurs prédictifs de sécurité basés sur le sang. Lors des déploiements dans les domaines de l’identification de cibles, de la découverte de biomarqueurs et de la conception thérapeutique, les équipes ont réduit les délais de découverte de plusieurs années à quelques semaines et se sont étendues de manière organique à partir d’indications uniques vers des domaines thérapeutiques adjacents.
Le contexte plus large de l’industrie est de plus en plus impitoyable. Les dépenses en R&D dépassent 300 milliards de dollars par an, les délais s’étendent sur plus d’une décennie, les coûts de mise sur le marché d’un médicament dépassent désormais 2 milliards de dollars en moyenne et plus de 90 % des candidats entrant dans les essais cliniques échouent. L’IA a été présentée comme la solution, mais de nombreux efforts échouent dans le projet pilote parce que les prédictions à elles seules ne suffisent pas. Les équipes de découverte ont besoin de résultats fondés sur des preuves biologiques, fournis via un système qui rend les décisions reproductibles et explicables, et non par un autre classement en boîte noire.
«Nous sommes à un moment unique où les modèles de fondements biologiques et les modèles de raisonnement linguistique général convergent.» Dit Daniel Graf, associé commandité chez redalpine. « Nous avons soutenu Helical parce que nous sommes convaincus qu’ils ont ce qu’il faut pour construire la plateforme d’orchestration de l’IA pharmaceutique qui pilotera cette transition de modèles d’IA cloisonnés vers des laboratoires d’IA virtuels intégrés.
À l’avenir, Helical prévoit d’approfondir ses déploiements dans davantage de domaines et de programmes thérapeutiques avec ses clients existants, de s’étendre à d’autres organisations pharmaceutiques parmi les 20 plus grandes et de continuer à construire la couche de preuves composées qui améliore les performances dans toutes les maladies. La mission de l’entreprise est de permettre à chaque scientifique de tester des hypothèses à la vitesse de l’inférence et de transformer la découverte in silico en un moteur fiable pour le débit de R&D.
