Inwestycje w AI do odkrywania leków przekroczyły 2 mld USD: krótszy rozwój i wyższe szanse sukcesu w badaniach klinicznych

AI coraz mocniej zmienia sposób, w jaki powstają leki. Odkrywanie nowych terapii wspierane sztuczną inteligencją przyciągnęło ponad 2 mld USD w ostatnim okresie, a przełomowe rozwiązania mają skracać cykl rozwoju leku z 4–5 lat do 12–18 miesięcy.

Najważniejsze wnioski z analizy dotyczą zarówno tempa prac, jak i wyników badań.

AI skraca czas odkrywania leków o 70% i obniża koszty badań i rozwoju (R&D)

• Według danych AI redukuje czas odkrywania leku o 70%.
• Tradycyjne fazy odkrywania trwające 4–5 lat mają się mieścić w 12–18 miesiącach.
• Jednocześnie koszty R&D mają spaść o 30%–40%.

Wyższa skuteczność celu potwierdzonego przez AI zwiększa szanse na przejście do badań klinicznych

• Cele potwierdzone przez AI mają dawać 2,5 razy większe prawdopodobieństwo przejścia przez rozwój kliniczny.
• Odsetek dopuszczeń do obrotu ma rosnąć z 10–15% do 20%.

Gdzie trafia kapitał: dominują Stany Zjednoczone i duże rundy finansowania

• Stany Zjednoczone odpowiadają za 60% globalnych inwestycji w AI do odkrywania leków.
• Wśród dużych rund finansowania pojawiają się m.in. Generate: Biomedicines (ponad 500 mln USD), Exscientia (ponad 500 mln USD) oraz Kailera Therapeutics (600 mln USD w serii B).

Wsparcie regulacyjne i środki publiczne sprzyjają rozwojowi AI w biomedycynie Ułatwienia regulacyjne wynikające z FDA Modernization Act 2.0 mają umożliwiać alternatywne podejścia w rozwoju leków.

W danych publicznych wskazano też, że NIH przeznaczył około 500 mln USD konkretnie na programy badań biomedycznych opartych na AI.

Jak działa technologia: od projektowania de novo po „cyfrowych pacjentów” W praktyce kolejne pokolenia platform do odkrywania leków napędza połączenie kilku narzędzi:

• generatywne AI do projektowania leków de novo,
• sieci grafowe (graph neural networks) do analizy zależności biologicznych,
• technologia digital twin do tworzenia wirtualnych populacji pacjentów.

W podejściu do prywatności i współpracy w systemach ochrony zdrowia znaczenie ma też uczenie federacyjne (federated learning), czyli trenowanie AI bez przesyłania danych pacjentów.

Kto prowadzi: startupy AI i duże firmy farmaceutyczne Wśród podmiotów, które rozwijają podejście „AI-first” w odkrywaniu leków, wymieniane są: Atomwise, Exscientia, Generate: Biomedicines, Iambic Therapeutics, Recursion, Schrödinger, Insilico Medicine oraz Benevolent AI.

Na rynku działają też duzi gracze, w tym Pfizer i Bayer, którzy wdrażają rozwiązania oparte na AI.

Znaczenie dla branży: ograniczenie słabości tradycyjnych badań klinicznych Przyspieszenie cyklu rozwoju ma uderzać w jedną z największych bolączek farmacji — wskazywana jest skala niepowodzeń badań klinicznych na poziomie 90%. Generatywne platformy AI mają wspierać projektowanie leków de novo, a sieci grafowe mają pomagać w identyfikowaniu nowych celów terapeutycznych w złożonych sieciach biologicznych.

Technologia digital twin ma z kolei umożliwiać dokładniejsze projektowanie badań poprzez tworzenie wirtualnych populacji pacjentów.

Wyzwania wdrożeniowe pozostają, zwłaszcza poza wiodącymi rynkami Strategia inwestycyjna Bayer o wartości 1,6 mld USD ma pokazywać, jak uznane koncerny włączają AI do platform technologicznych.

Jednocześnie zwrócono uwagę na luki infrastrukturalne na rynkach wschodzących oraz na wymagania zgodności z RODO (GDPR) w europejskich systemach ochrony zdrowia.

Co to oznacza dla inwestorów: potencjał wzrostu, ale też ryzyka w późnych fazach Sektor AI do odkrywania leków może być atrakcyjny dla inwestorów, ponieważ spółki mają wykazywać mierzalną poprawę efektywności rozwoju i skuteczności na etapach klinicznych.

W danych wyróżniono dwie ścieżki ekspozycji: wczesne platformy oparte na AI mogą oferować wysokie tempo wzrostu, a dojrzalsze firmy farmaceutyczne z rozbudowanym wdrożeniem AI zwykle zapewniają bardziej stabilną ekspozycję na tę zmianę.

Kluczowe ryzyko dotyczy toksyczności: w późnych fazach badań to ona pozostaje główną przyczyną niepowodzeń i odpowiada za około 30% takich zdarzeń.

Dodatkowo ścieżki regulacyjne dla leków zaprojektowanych przez AI wciąż się kształtują i różnią między rynkami na całym świecie.