De ontwikkeling van een nieuw geneesmiddel behoort tot de meest complexe en kostbare processen binnen de gezondheidszorg. Gemiddeld duurt het vijftien jaar voordat een medicijn de markt bereikt en lopen de ontwikkelingskosten op tot bijna twee miljard dollar. Toch ligt het grootste obstakel niet altijd bij de biologie zelf, maar bij het vinden van de juiste kandidaat-moleculen tussen miljarden mogelijke combinaties.
Dankzij een nieuwe generatie AI-modellen begint dat traditionele proces ingrijpend te veranderen. Het Amerikaanse AI-bedrijf SyntheticGestalt laat zien hoe kunstmatige intelligentie, gecombineerd met de cloudinfrastructuur van Google Cloud, geneesmiddelenonderzoek fundamenteel kan versnellen. Het resultaat is een forse daling van zowel de ontwikkelingskosten als de benodigde tijd om veelbelovende kandidaat-geneesmiddelen te ontdekken.
De grootste uitdaging zit in het zoeken naar de juiste moleculen
Farmaceutische onderzoekers beschikken tegenwoordig over enorme hoeveelheden biologische data. De echte uitdaging is echter het selecteren van moleculen die daadwerkelijk kans maken om effectief een ziekte te behandelen.
Jarenlang maakten onderzoekers vooral gebruik van één- of tweedimensionale beschrijvingen van moleculen. Hoewel deze methoden waardevol zijn, vertellen ze slechts een deel van het verhaal. De daadwerkelijke werking van een molecuul hangt immers af van de driedimensionale vorm, de ruimtelijke oriëntatie én de energie waarmee het zich aan een eiwit kan binden.
Daarom ontwikkelde SyntheticGestalt een zogenoemd 4D-foundatiemodel, waarin niet alleen de structuur van moleculen wordt meegenomen, maar ook hun dynamische gedrag in de tijd. Dat levert een veel realistischer beeld op van de kans dat een molecuul daadwerkelijk als geneesmiddel zal functioneren.
AI leest duizenden wetenschappelijke publicaties
Een belangrijk onderdeel van het ontwikkelproces is het verwerken van de enorme hoeveelheid wetenschappelijke kennis die dagelijks verschijnt. Waar onderzoekers vroeger weken of maanden nodig hadden om nieuwe publicaties door te nemen, neemt AI inmiddels een groot deel van dat werk over.
Met behulp van Gemini worden duizenden onderzoeksartikelen geanalyseerd, samengevat en vertaald naar bruikbare kennis voor de eigen AI-modellen. Hierdoor ontstaat een continu lerend systeem dat zichzelf blijft verbeteren naarmate er nieuwe wetenschappelijke inzichten beschikbaar komen.
Vervolgens helpt Gemini opnieuw bij het evalueren van de prestaties van de modellen en het verfijnen ervan, waardoor ontwikkelcycli aanzienlijk korter worden.
Rekenkracht op enorme schaal
Het trainen van een AI-model dat miljarden moleculen kan analyseren vraagt een ongekende hoeveelheid rekenkracht. Hiervoor maakt SyntheticGestalt gebruik van Google Kubernetes Engine (GKE), waarmee grote aantallen cloudservers automatisch kunnen worden opgeschaald wanneer extra capaciteit nodig is.
Deze flexibele infrastructuur maakt het mogelijk om complexe AI-trainingen uit te voeren zonder permanent over enorme datacenters te hoeven beschikken. De benodigde rekenkracht wordt alleen ingezet wanneer het onderzoek daarom vraagt, wat zowel de efficiëntie als de kosten ten goede komt.
AI-modellen veilig beschikbaar voor de farmaceutische sector
Een opvallend onderdeel van de aanpak is dat de ontwikkelde AI-modellen via Google Cloud Marketplace beschikbaar worden gesteld aan andere farmaceutische bedrijven.
Daarbij blijft de intellectuele eigendom van deze organisaties volledig beschermd. Bedrijven kunnen de modellen binnen hun eigen beveiligde infrastructuur gebruiken zonder gevoelige onderzoeksgegevens of vertrouwelijke moleculaire informatie extern te delen.
Hierdoor wordt geavanceerde AI toegankelijk voor organisaties die zelf niet beschikken over enorme AI-teams of grootschalige cloudinfrastructuur.
Resultaten die de industrie veranderen
De eerste gezamenlijke onderzoeksprojecten, waaronder de zoektocht naar nieuwe kandidaat-geneesmiddelen tegen kanker, laten indrukwekkende resultaten zien.
Volgens SyntheticGestalt kan de inzet van AI:
- de kosten van geneesmiddelenonderzoek met tot 90 procent verlagen;
- de ontdekkingstijd van nieuwe kandidaat-medicijnen met 75 procent verkorten;
- moleculen ontwerpen die in diverse onderzoeken beter presteren dan traditionele therapeutische referentiemodellen.
Hierdoor verschuift de nadruk van langdurige handmatige screening naar slimme, AI-gestuurde selectie van de meest kansrijke moleculen.
Sterke data vormen de basis van succesvolle AI
Volgens de AI-leiding van SyntheticGestalt begint succesvolle AI niet bij steeds grotere modellen, maar bij kwalitatief hoogwaardige data.
Een robuuste datapijplijn vormt volgens het bedrijf de fundering waarop alle verdere AI-innovatie rust. Pas wanneer onderzoeksgegevens zorgvuldig zijn verzameld, gestructureerd en gevalideerd, heeft het zin om modellen verder op te schalen.
Die filosofie maakt het mogelijk om met relatief kleine AI-teams toch zeer complexe modellen te ontwikkelen die wereldwijd inzetbaar zijn.
De toekomst van geneesmiddelenonderzoek
De toepassing van generatieve AI binnen de farmaceutische industrie staat nog relatief aan het begin, maar de eerste resultaten laten zien dat de impact enorm kan zijn. Door wetenschappelijke kennis automatisch te verwerken, miljarden moleculen in vier dimensies te analyseren en AI-modellen continu te verbeteren, verandert de manier waarop nieuwe geneesmiddelen worden ontwikkeld fundamenteel.
Waar medicijnontwikkeling vroeger vooral werd beperkt door tijd, kosten en rekenkracht, verschuift de focus nu naar intelligente AI-systemen die onderzoekers ondersteunen bij iedere stap van het proces. Daardoor komt de ontwikkeling van nieuwe behandelingen voor onder meer kanker en andere ernstige aandoeningen aanzienlijk dichterbij, sneller én tegen veel lagere kosten.
