Salah Mahmoudi at ARDD2026: AlphaForge predicts clinical outcomes

Valeur des informations & solidité de l’argumentation

La présentation apporte une valeur certaine en proposant une nouvelle approche de la prédiction du risque clinique, qui semble dépasser les modèles génériques. L’argumentation s’appuie sur des métriques quantitatives (AUC) et des exemples concrets, mais elle repose entièrement sur des données non publiées et auto-déclarées. La solidité est limitée par l’absence de détails sur la méthodologie, les critères d’inclusion des programmes, ou la gestion des biais. L’orateur reconnaît que la cohorte est équilibrée artificiellement, ce qui peut surestimer la performance réelle. Les comparaisons avec les modèles de langage généraux manquent de précision sur les protocoles exacts. Globalement, l’argumentation est cohérente mais manque de transparence pour être pleinement convaincante.

Rigueur scientifique, qualité des sources, adéquation du titre

La rigueur scientifique est moyenne : les résultats sont présentés sans publication préalable ni évaluation par les pairs, et les sources externes se limitent aux sites de la conférence ARDD. L’adéquation entre titre et contenu est parfaite, puisque la vidéo est bien une présentation de la plateforme AlphaForge et de ses résultats prédictifs. Cependant, on ne peut pas vérifier les affirmations sur la supériorité par rapport aux autres IA, ni la validité des validations prospectives. Aucune source indépendante n’est citée pour étayer les chiffres. La description mentionne des sponsors, mais sans lien direct avec le contenu scientifique.

Le titre correspond exactement au contenu : présentation de la plateforme AlphaForge et de ses capacités prédictives en essais cliniques.

6/10

Données auto-déclarées, non publiées dans une revue à comité de lecture, avec des métriques impressionnantes mais sans source externe vérifiable. L'absence de détails méthodologiques complets limite la reproductibilité.

Repères établis par PSI à partir de la transcription : le créateur n'a pas défini de chapitres.

• 00:00Introduction du problème : le risque clinique est découvert trop tard dans le développement de médicaments.
• 01:10Présentation d'AlphaForge : prédiction basée sur structure, cible et maladie.
• 03:30Cohorte rétrospective de 391 programmes, AUC 0,90.
• 05:30Comparaison avec les modèles de langage généraux : supériorité d'au moins 29 points.
• 07:30Validation prospective avec modèle gelé : AUC 0,886 sur 83 programmes.
• 09:30Identification des causes d'échec dans 77 % des cas, exemples de sitaxentan et interpirdine.
• 11:30Variation des scores selon la voie d'administration et l'indication.
• 13:50Validation sur populations de plus de 60 ans et élargissement à 1341 médicaments.
• 15:40Exemple de validation externe et appel à tester la plateforme.

• Aging Pharma – site officiel ARDD — Lié dans la description, site officiel de la conférence ARDD.
• LinkedIn de Aging Pharma — Lié dans la description, page LinkedIn de la société organisatrice.