Miliardy dolarów w pogoni za cząsteczką. Wielka farmacja sprawdza realną wartość AI
Sektor farmaceutyczny od dawna balansuje między fascynacją nowymi technologiami a twardym pragmatyzmem, wymuszonym przez rygorystyczne przepisy FDA. Przez ostatnie lata inwestycje w sztuczną inteligencję traktowano niemal jak bilet wstępu do elitarnego klubu innowatorów, jednak rynek wciąż czeka na finalny produkt: lek w pełni zaprojektowany przez algorytmy, który trafi do aptek. Rok 2025 i nadchodzące miesiące mogą stać się momentem, w którym to oczekiwanie dobiegnie końca.
Rentosertib: Przełom w błyskawicznym tempie
Głównym bohaterem tej zmiany jest Rentosertib, preparat opracowany przez Insilico Medicine z myślą o walce z idiopatycznym włóknieniem płuc. To wyniszczająca choroba, na którą obecnie nie ma skutecznego lekarstwa i która co roku odbiera życie dziesiątkom tysięcy osób. To, co w przypadku Rentosertibu budzi największy respekt ekspertów, to nie tylko jego potencjalne działanie, ale tempo, w jakim przeszedł drogę od kodu cyfrowego do badań na pacjentach.
Standardowy proces identyfikacji obiecującej cząsteczki zajmuje zazwyczaj od czterech do pięciu lat. Insilico Medicine dokonało tego w niecałe dwa lata. Jeśli lek pomyślnie przejdzie fazę 3 testów klinicznych, do której ma wejść w ciągu najbliższych 18 miesięcy, będziemy świadkami historycznego skrócenia cyklu produkcyjnego w branży, gdzie porażka dziewięciu na dziesięć projektów jest smutną normą.
Fabryki leków zamiast laboratoriów
Giganci tacy jak Eli Lilly nie zamierzają stać z boku. Strategia koncernu zakłada głęboką integrację AI na każdym szczeblu struktury organizacyjnej. Współpraca z Nvidią przy budowie superkomputera pełniącego rolę „fabryki AI” to jasny sygnał: przyszłość farmacji to nie tylko kolby i probówki, ale przede wszystkim moc obliczeniowa zdolna symulować miliony interakcji chemicznych w czasie rzeczywistym. Diogo Rau, wiceprezes Eli Lilly, choć przyznaje, że sektor wciąż zmaga się z falą szumu informacyjnego (hype), przewiduje, że do 2030 roku leki zrodzone w cyfrowych modelach staną się rynkową rzeczywistością.
Inwestycyjny optymizm podziela również Dolina Krzemowa. Sam Altman, szef OpenAI, skierował setki milionów dolarów własnego kapitału w startupy takie jak Retro Bio czy Chai Discovery. Cele są ambitne — od odwracania procesów starzenia po leczenie choroby Alzheimera. Choć dla tradycyjnych badaczy wizje Altmana mogą brzmieć jak science fiction, dane PitchBook są nieubłagane: mimo ogólnego spowolnienia w biotechnologii, finansowanie firm łączących AI z farmacją dynamicznie rośnie. Prognozy Precedence Research wskazują, że do 2034 roku globalne inwestycje w tym obszarze mogą osiągnąć astronomiczny poziom 16,5 miliarda dolarów.
Biologia stawia opór
Mimo technoforii naukowcy zachowują zdrową dawkę krytycyzmu. Sztuczna inteligencja, mimo sukcesu modelu AlphaFold2, który zrewolucjonizował przewidywanie struktur białek, wciąż napotyka barierę, której nie da się przeskoczyć algorytmem: czas biologiczny. O ile AI potrafi błyskawicznie wytypować cząsteczkę, o tyle testy na żywym organizmie wymagają lat obserwacji, aby potwierdzić bezpieczeństwo i brak skutków ubocznych.
Jak zauważa Samuel Scarpino z Northeastern University, na razie trudno wskazać jednego zwycięzcę wyścigu zbrojeń w świecie biotechnologii. Wartość generowana przez AI jest już jednak mierzalna — to przede wszystkim ogromna oszczędność zasobów na początkowym etapie błędów i poszukiwań. Branża przechodzi transformację, w której rola badacza ewoluuje z operatora eksperymentów w architekta systemów analitycznych. Czy to wystarczy, by obniżyć zaporowe koszty wprowadzenia nowych terapii, przekraczające dziś często 2 miliardy dolarów? Kolejne pięć lat da na to pytanie ostateczną odpowiedź.
