Présentation de Yosemite

Reed Jobs, fils de Steve Jobs, est le fondateur de Yosemite, une société de capital-risque axée sur l'oncologie. Il préfère parler de son travail pour guérir le cancer que de son nom de famille. Yosemite a été lancée en 2023 pour créer des entreprises de biotechnologie à partir de recherches académiques, en utilisant une combinaison de philanthropie et de capital-risque.

Architecture et fonctionnement

Yosemite a une équipe de 17 personnes et vise à créer des entreprises de biotechnologie à partir de zéro. La société utilise une combinaison de philanthropie et de capital-risque pour financer ses projets. Un tiers du fonds de 350 millions de dollars est alloué à des entreprises que Yosemite crée elle-même, tandis que le reste est investi dans des entreprises existantes. La société utilise également un fonds de dons pour financer des recherches universitaires.

Implications et limites

Reed Jobs estime que l'opportunité de guérir le cancer est en train de s'accroître rapidement grâce à l'utilisation de l'intelligence artificielle (IA) dans la découverte de médicaments et la conception d'essais cliniques. Il pense que l'IA peut aider à accélérer le processus de découverte de médicaments et à réduire les coûts. Cependant, il note également que l'IA n'est pas une solution miracle et que les résultats doivent être reproduits et validés.

Utilisation de l'IA dans la santé

L'IA est déjà utilisée dans la santé pour améliorer la délivrance des soins, notamment dans les centres d'appel, les dossiers médicaux électroniques, la radiologie et la pathologie. Reed Jobs estime que l'IA peut également être utilisée pour améliorer la conception des essais cliniques et réduire les coûts. Il note que la FDA est en train de prendre des mesures pour encourager l'utilisation de l'IA dans les essais cliniques.

Exemple de code pour l'utilisation de l'IA dans la santé :
   # Importation des bibliothèques nécessaires
   import pandas as pd
   from sklearn.ensemble import RandomForestClassifier

   # Chargement des données
   data = pd.read_csv('donnees.csv')

   # Préparation des données
   X = data.drop('target', axis=1)
   y = data['target']

   # Entraînement du modèle
   model = RandomForestClassifier()
   model.fit(X, y)

   # Prévision
   predictions = model.predict(X)

Cet exemple de code montre comment utiliser l'IA pour prédire les résultats d'un essai clinique en utilisant un modèle de classification.