Sztuczna inteligencja dyktuje tempo: Jak Insilico Medicine skraca lata do miesięcy w wyścigu po nowe leki

W farmaceutycznym wyścigu zbrojeń czas jest walutą cenniejszą niż złoto. Tradycyjny proces identyfikacji celu biologicznego i selekcji kandydata na lek zajmuje zazwyczaj około czterech i pół roku. Tymczasem Insilico Medicine, spółka notowana na giełdzie w Hongkongu, udowadnia, że dzięki algorytmom generatywnym i zrobotyzowanym laboratoriom, ten sam etap można zamknąć w zaledwie dziewięć do trzynastu miesięcy. To nie są teoretyczne obietnice, ale realna automatyzacja pracy, która przenosi ciężar odkryć z kanadyjskich i arabskich centrów AI do fabrycznego zaplecza w Szanghaju.

Dlaczego to ważne właśnie teraz? Przemysł farmaceutyczny dochodzi do ściany wydajności, a koszty badań rosną szybciej niż liczba nowych terapii. Insilico Medicine wyłamuje się z tego trendu, wykorzystując specyficzny układ geopolityczny. W Chinach rozwój kandydata na lek zajmuje zazwyczaj od 5 do 7 lat, podczas gdy na Zachodzie proces ten potrafi ciągnąć się dekadę. Zhavoronkov wchodzi w tę lukę, tnąc harmonogramy o lata dzięki dostępowi do gigantycznych baz danych i taniej, wysokiej klasy infrastruktury testowej.

Chińska infrastruktura i cyfrowy mózg

Alex Zhavoronkov, CEO Insilico, wprost wskazuje na Chiny jako kluczowy element sukcesu. „Teraz konkurujemy z chińskimi firmami farmaceutycznymi pod względem terminów, a z tradycyjnymi biotechnologiami na Zachodzie pod względem nowatorstwa” – mówi szef spółki w rozmowie z Reuters. Tamtejsza infrastruktura badawcza i elastyczne przepisy pozwalają wyeliminować nawet dwa lata z tradycyjnego kalendarza prac. Chiński regulator od 2025 roku oferuje szybką ścieżkę recenzji wniosków dla innowacyjnych leków klasy I, ograniczając biurokrację do 30 dni roboczych. Giganci tacy jak Pfizer widzą już, że badania kliniczne w tym regionie są trzykrotnie szybsze i o połowę tańsze niż w Europie.

Rentosertib: Sprawdzian skuteczności w fazie III

Najtwardszym dowodem na skuteczność technologii Insilico jest Rentosertib – doustny lek na idiopatyczne włóknienie płuc. To pierwsza cząsteczka zaprojektowana przez AI, która dotarła do III fazy badań klinicznych. Droga tego związku budzi emocje: algorytmy nie tylko wskazały cel biologiczny, ale samodzielnie zoptymalizowały strukturę molekularną. Do sierpnia 2026 roku badania obejmą 320 pacjentów w 47 chińskich ośrodkach.

Mimo optymizmu, w branży czuć rezerwę. Startup syntetyzuje zaledwie od 60 do 200 cząsteczek na program, podczas gdy klasyczna chemia medyczna bazuje na tysiącach prób. Dane historyczne są bezlitosne: o ile AI-natywne biotechnologie świetnie radzą sobie w I fazie badań (skuteczność 80-90%), o tyle faza II pozostaje wąskim gardłem. Przeżywalność projektów na tym etapie to około 40%, co nie odbiega od rynkowych standardów. Mniejsza liczba testowanych fizycznie związków musi teraz udowodnić swoją wartość w długoterminowych testach bezpieczeństwa na ludziach.

Przemysłowa transformacja i geopolityka

Automatyzacja badań zmienia strukturę kadr. Zhavoronkov szacuje, że maszyny zastąpią lub drastycznie zmienią obowiązki około 40% personelu zajmującego się oprogramowaniem. To nie jest prosta redukcja etatów, a raczej brutalna transformacja ról. Naukowcy laboratoryjni przestają być wykonawcami testów, a stają się nadzorcami systemów zrobotyzowanych.

Firma prowadzi przy tym ryzykowną grę na styku mocarstw. Ponad 90% przychodów Insilico generuje na rynkach zachodnich, gdzie marże i refundacje są najwyższe. Jednocześnie firma unika sprzedaży swojego oprogramowania w Chinach, by nie drażnić polityków. Strategia jest prosta: wykorzystać chińską szybkość do produkcji i zachodnie pieniądze do monetyzacji. Czas pokaże, czy pośpiech, który wymusza AI, faktycznie przełoży się na skuteczne leki na aptecznych półkach, czy jedynie szybciej „spali” budżety inwestorów.