AI kontra rak: Jak technologia kończy z erą 90% porażek w poszukiwaniu leków

Każdy nowy lek zaczyna się od tragedii. Tak było w przypadku Petera Raya, dziś jednego z czołowych projektantów leków w firmie Recursion. Gdy miał 13 lat, na jego oczach na raka umierała jego matka. Złożył jej wtedy obietnicę, która stała się napędem dla całej jego kariery: że znajdzie sposób, by to zmienić.

Historia Petera Raya jest symbolem całej branży farmaceutycznej – napędzanej ludzkim cierpieniem, desperackim poszukiwaniem nadziei i heroicznym wysiłkiem tysięcy naukowców. A jednak, mimo tej potężnej motywacji, proces odkrywania leków jest jedną z najbardziej frustrujących i nieefektywnych dziedzin ludzkiej działalności. Rzeczywistość jest brutalna: ponad 90% potencjalnych leków, które wchodzą w fazę badań, nigdy nie trafia na rynek. To dekady pracy i miliardy dolarów wyrzucane w błoto. To niezliczone, zawiedzione nadzieje pacjentów.

Dziś stoimy u progu rewolucji, która może zmienić tę ponurą statystykę. Garstka odważnych startupów biotechnologicznych, takich jak Recursion, Insilico Medicine czy nowopowstała Xaira Therapeutics, stawia wszystko na jedną kartę: sztuczną inteligencję. Pytanie, które zadaje sobie cały świat nauki i medycyny, brzmi: czy to kolejna technologiczna mrzonka, czy realny przełom, na który czekaliśmy od dziesięcioleci?

Syzyfowa praca chemika: Dlaczego odkrywanie leków jest tak trudne?

Aby zrozumieć potęgę obietnicy AI, musimy najpierw pojąć, jak wygląda tradycyjny, syzyfowy proces tworzenia leku.

1. Projektowanie (lata): Chemik medyczny, niczym architekt statku kosmicznego, na ekranie komputera projektuje, atom po atomie, cząsteczkę, która ma precyzyjnie „zadokować” do celu – najczęściej białka powodującego chorobę.

2. Testowanie w laboratorium (lata): Biolog testuje setki, a nawet tysiące takich cząsteczek na żywych komórkach. Większość z nich nie działa zgodnie z oczekiwaniami lub jest toksyczna. Zespół spędza lata na udoskonalaniu jednego kandydata.

3. Badania kliniczne (dekada): Jeśli zespół ma szczęście, jeden obiecujący kandydat przechodzi do badań klinicznych – najpierw na zdrowych ochotnikach (Faza I), potem na małej grupie pacjentów (Faza II) i wreszcie na dużej, zróżnicowanej populacji (Faza III).

Na każdym z tych etapów, z powodów często niemożliwych do przewidzenia, większość kandydatów odpada. To proces niezwykle powolny, kosztowny i obarczony gigantycznym ryzykiem porażki.

Fałszywe świty i moment, który zmienił wszystko

Branża farmaceutyczna widziała już wiele technologicznych obietnic. Weterani z nutą cynizmu wspominają falę entuzjazmu dla „projektowania leków wspomaganego komputerowo” (CADD) w latach 80. czy chemii kombinatorycznej. Te technologie pomogły, ale nie zrewolucjonizowały procesu. Złożoność biologii zawsze okazywała się większa.

Prawdziwy punkt zwrotny nastąpił w 2020 roku. To wtedy sztuczna inteligencja AlphaFold, stworzona przez DeepMind (należące do Google), rozwiązała jeden z najświętszych Graali biologii: problem zwijania białek. AI z niezwykłą precyzją przewidziała trójwymiarową strukturę białek, co jest absolutnie kluczowe dla projektowania leków. Po raz pierwszy stało się jasne, że AI potrafi dostrzec w biologicznej złożoności wzorce, które umykały ludzkiemu umysłowi. To był moment, w którym pytanie „czy AI może pomóc?” zmieniło się w „jak bardzo i jak szybko?”.

Nowy model: Jak sztuczna inteligencja rewolucjonizuje proces?

Startup-y takie jak Recursion czy Insilico budują cały proces odkrywania leków wokół AI, tworząc zamkniętą, superszybką pętlę: Projektuj ➔ Twórz ➔ Testuj ➔ Ucz się.

Najbardziej uderzającym dowodem na skuteczność tej metody jest przykład firmy Exscientia (przejętej przez Recursion). W tradycyjnym procesie stworzono by i przetestowano tysiące cząsteczek. Dzięki preselekcji dokonanej przez AI, do znalezienia obiecującego kandydata na lek na raka wystarczyło stworzyć i przetestować zaledwie 136 związków. To oszczędność czasu, pieniędzy i zasobów na niespotykaną dotąd skalę.

Gdzie w tym wszystkim jest człowiek? Koniec chemika czy jego nowe narodziny?

Czy to oznacza koniec ludzkich naukowców? Wręcz przeciwnie. AI nie zastępuje ludzkiej kreatywności, ale ją uwalnia. Zdejmując z badaczy ciężar żmudnej, powtarzalnej pracy, pozwala im skupić się na tym, w czym człowiek jest niezastąpiony: na zadawaniu właściwych pytań, podejmowaniu ryzyka i eksplorowaniu zupełnie nowych, nieznanych terytoriów nauki.

Jak ujęła to Su Jerwood, czołowa naukowiec z Recursion: „Chodzi o nietkniętą przestrzeń, tak? Bo wtedy będę miała czas, żeby w nią zajrzeć. Będę miała czas, żeby podjąć to ryzyko.” Naukowiec z ery AI nie jest już rzemieślnikiem w laboratorium, ale strategiem i odkrywcą, który kieruje potężnym narzędziem.

Werdykt wciąż nie zapadł: Karty na stole

Musimy być szczerzy: na rynku nie ma jeszcze ani jednego leku, który od początku do końca zostałby zaprojektowany przez AI. Obietnica jest gigantyczna, ale ostateczny dowód w postaci zatwierdzonego, skutecznego leku, wciąż jest przed nami.

Firmy takie jak Recursion i Insilico mają już jednak kilku kandydatów w zaawansowanych fazach badań klinicznych. To są te karty, które leżą zakryte na stole. W najbliższych latach będziemy świadkami ich odkrywania, jedna po drugiej. To właśnie te wyniki zadecydują, czy jesteśmy świadkami prawdziwej rewolucji.

Nawet jeśli część z tych prób się nie powiedzie, zmiana jest już nieodwracalna. Sztuczna inteligencja, automatyzacja i analiza danych na masową skalę stają się nowym standardem. To wyścig z czasem, napędzany osobistymi tragediami i nadzieją na zemstę – zemstę za brak szans, jaki mieli nasi bliscy. Czas to coś, czego nam wszystkim brakuje. AI może dać nam go więcej.