Generální ředitel společnosti AstraZeneca potvrdil, že umělá inteligence zásadně zrychluje a zefektivňuje proces objevování a navrhování nových léčiv. Farmaceutický gigant využívá pokročilé modely k optimalizaci molekul a včasné eliminaci potenciálních vedlejších účinků ještě před spuštěním testů. Díky analýze dat dokáže firma lépe predikovat úspěšnost pozdních fází klinických studií, což může zachránit investice v řádech stovek milionů dolarů.   Nová éra produktivity ve farmaceutickém výzkumu Farmaceutický průmysl stojí na prahu masivní technologické transformace, která slibuje přepsat dlouho zavedená pravidla. Generální ředitel společnosti AstraZeneca (AZN) Pascal Soriot v nedávném televizním vystoupení jasně deklaroval, že umělá inteligence již není pouhým teoretickým konceptem, ale reálným nástrojem. Tento pokročilý software dnes prokazatelně pomáhá výrobcům léků vyvíjet medikamenty podstatně rychleji a činit mnohem chytřejší rozhodnutí napříč celým výzkumným procesem. Během exkluzivního rozhovoru v prestižním pořadu Mad Money na stanici CNBC Soriot zdůraznil, že hlavní přidanou hodnotou umělé inteligence v tomto specifickém odvětví je radikální zvýšení celkové produktivity. Tradiční metody vývoje nových léčiv jsou historicky velmi zdlouhavé a nesmírně nákladné, avšak implementace moderních algoritmů umožňuje celou architekturu výzkumu nevídaně zefektivnit. Podle nejvyššího muže farmaceutického gigantu se mění samotný fundamentální způsob, jakým jsou nové léky navrhovány. Výzkumné týmy nyní dokážou pracovat mnohem agilněji a s nesrovnatelně vyšší přesností. Tento technologický posun výrazně zkracuje dobu potřebnou k tomu, aby se inovativní léčebné postupy dostaly z prvotních laboratorních fází až k samotným pacientům. Zavedení umělé inteligence do raných fází výzkumu tak představuje naprostý zlom v dosavadní praxi. Místo zdlouhavého testování metodou pokus-omyl nyní nastupují sofistikované výpočetní modely, které dokážou simulovat reakce a zacílit výzkum tím nejslibnějším možným směrem hned od samotného počátku. Optimalizace molekul a eliminace vedlejších účinků Tato mimořádně sebevědomá slova přicházejí přesně v době, kdy na Wall Street začíná rezonovat určitá skepse. Mnozí institucionální investoři si totiž stále častěji kladou palčivé otázky, zda masivní a často bezprecedentní kapitálové výdaje do infrastruktury umělé inteligence skutečně přinášejí smysluplnou finanční návratnost, a to zejména ve vysoce regulovaných a složitých odvětvích, jako je právě zdravotnictví. Soriot však tyto tržní obavy rezolutně mírní a poukazuje na to, že jeho společnost již nyní pozoruje zcela praktické a měřitelné aplikace napříč celým spektrem objevování a vývoje léků. Nejde přitom jen o abstraktní zpracování dat, ale o hmatatelné výsledky, které sahají od identifikace zcela nových biologických cílů až po detailní vylepšování samotného designu potenciálních léků na molekulární úrovni. Zásadní průlom podle šéfa firmy spočívá v přímé optimalizaci účinných látek. Pokročilé modely dokážou nejen přesně navrhnout nové cíle pro léčbu složitých onemocnění, ale zároveň umožňují vědcům upravovat molekuly tak, aby se preventivně odstranily vlastnosti, které by mohly vyvolat nežádoucí vedlejší účinky. Umělá inteligence tak v podstatě funguje jako vysoce inteligentní a nekompromisní filtr. Ten propustí do dalších, mnohem nákladnějších fází testování pouze ty nejslibnější kandidáty, čímž se drasticky snižuje riziko selhání v pozdějších stadiích vývoje, kde jsou finanční ztráty nejbolestivější. Predikce úspěchu a úspora stovek milionů dolarů Schopnost činit lepší a informovanější rozhodnutí o tom, které konkrétní léky posunout do dalších fází náročného vývojového procesu, je pro farmaceutické společnosti naprosto klíčová. Právě zde vstupuje do hry strategické partnerství se společností Tempus AI (TEM) , díky němuž britsko-švédský gigant využívá špičkové analytické modely k hlubokému zkoumání obrovských datových sad. Hlavním cílem této úzké technologické kooperace je nejen zrychlit samotné objevování léků, ale především radikálně zvýšit šance na úspěch v těch nejpozdějších a nejnákladnějších fázích klinických testů. Výzkumníci úspěšně vyvinuli specializovaného softwarového agenta, který dokáže agregovat a syntetizovat obrovské množství klinických i laboratorních dat do jednoho funkčního celku. Tento pokročilý systém následně vědcům pomáhá s vysokou přesností predikovat pravděpodobnost úspěchu ve třetí fázi klinických studií. Právě tato finální fáze před schválením regulačními úřady je tradičně tím největším úskalím, na kterém ztroskotá nemalé procento dlouze vyvíjených a finančně náročných projektů. Potenciální finanční přínos této technologické inovace je naprosto ohromující. Jak Soriot otevřeně přiznal, náklady na jednu jedinou klinickou studii se v dnešní době běžně pohybují v astronomických částkách od tří set, přes čtyři sta, až po pět set milionů dolarů. Pokud se díky prediktivním schopnostem umělé inteligence podaří zvýšit pravděpodobnost finálního úspěchu, představuje to pro firmu gigantický skok v produktivitě a obrovskou úsporu kapitálu.