AI szuka leków na choroby rzadkie. Brakuje rąk do pracy

Na Web Summit Qatar kilka startupów biotechnologicznych opowiedziało o problemie, o którym rzadko się mówi. Nie chodzi o brak pieniędzy na badania. Nie o regulacje prawne.

Problem jest prostszy i bardziej frustrujący – brakuje ludzi.

Konkretnie: brakuje rąk do pracy przy odkrywaniu leków na choroby rzadkie. I tu wchodzi sztuczna inteligencja.

Dlaczego choroby rzadkie to problem kadrowy

Choroba rzadka to taka, która dotyka niewielką grupę ludzi. W Europie to mniej niż 1 osoba na 2000. To przypomina mało?

Jest ich ponad 6000 różnych typów. Razem choruje na nie około 300 milionów ludzi na świecie.

Problem w tym, że każda z tych chorób wymaga osobnego badania. Osobnych testów. Osobnego leku. A laboratoria mają ograniczoną liczbę naukowców, techników, specjalistów.

Jeden zespół może pracować nad kilkoma projektami rocznie. Może.

Co robi AI w laboratorium

Startupy, które wystąpiły na konferencji, pokazały trzy obszary, gdzie maszyny przejmują pracę:

automatyzacja eksperymentów

Zamiast człowieka, który ręcznie pipetuje próbki przez 8 godzin dziennie, roboty prowadzą testy. Systemy AI planują sekwencje eksperymentów, analizują wyniki, dostosowują parametry.

Jeden automat może przeprowadzić tyle testów, ile zespół pięciu ludzi przez tydzień. I robi to 24/7.

Analiza danych genetycznych

Każda choroba rzadka ma swój genetyczny "podpis" — zestaw mutacji, które ją wywołują. Znalezienie tego podpisu to jak szukanie igły w stogu siana.

Stogu wielkości ludzkiego genomu. 3 miliardy par zasad.

AI przesiewa te dane w godziny, nie w miesiące. Wskazuje, które geny mogą być odpowiedzialne. Sugeruje, jakie białka zaatakować lekiem.

Edycja genów kierowana algorytmami

Technologie jak CRISPR — narzędzie do "wycinania" i "wklejania" fragmentów DNA — wymagają precyzji. Trzeba wiedzieć, gdzie dokładnie ciąć, co usunąć, co dodać.

Algorytmy uczą się na bazie tysięcy wcześniejszych edycji. Podpowiadają najlepsze miejsca do interwencji. Minimalizują ryzyko błędów.

Efekt? Naukowiec może zaprojektować terapię genową w tydzień, nie w rok.

Jak to działa w praktyce

Jeden z startupów opisał konkretny case. Choroba: rzadka mutacja prowadząca do zaniku mięśni u dzieci. Dotyka około 200 osób rocznie na całym świecie.

Tradycyjnie: zespół 10 naukowców, 3 lata badań, budżet kilka milionów dolarów.

Efekt: jeden potencjalny kandydat na lek.

Z AI: zespół 3 naukowców + zautomatyzowane laboratorium + algorytmy analizy danych. Czas: 8 miesięcy. Budżet: 40% niższy. Efekt: trzy kandydaty na lek, z czego jeden już w fazie testów przedklinicznych.

Różnica? Maszyny wykonały 80% pracy laboratoryjnej. Ludzie skupili się na interpretacji wyników i podejmowaniu decyzji.

Dlaczego to ważne właśnie teraz

Branża biotechnologiczna ma problem z rekrutacją. Młodzi naukowcy wybierają tech, nie laboratorium.

Pensje wyższe, warunki lepsze, perspektywy karierowe szersze.

Jednocześnie rośnie presja na firmy farmaceutyczne, żeby zajmowały się chorobami rzadkimi. Regulatorzy w USA i Europie dają ulgi podatkowe, przyspieszają certyfikacje, oferują ekskluzywność rynkową.

Bez rąk do pracy te zachęty nic nie dają.

AI wypełnia tę lukę. Nie zastępuje naukowców — powiększa ich możliwości. Jeden badacz z dobrymi narzędziami robi dzisiaj to, co wcześniej wymagało całego zespołu.

Co to oznacza dla pacjentów

Dla kogoś, kto choruje na rzadką chorobę, różnica jest konkretna.

Zamiast czekać dekadę na eksperymentalną terapię, może dostać ją za 3-5 lat. Zamiast usłyszeć "nie ma na to leku", słyszy "pracujemy nad tym".

I to nie jest science fiction. Startupy z Web Summit Qatar pokazały projekty, które są już w fazie testów klinicznych. Niektóre leki mogą trafić na rynek w 2027 roku.

Pytanie o etykę

Oczywiście, automatyzacja w medycynie budzi pytania. Co jeśli algorytm się pomyli? Kto odpowiada za błąd maszyny?

Startupy podkreślają: AI nie podejmuje decyzji samodzielnie. Proponuje.

Naukowiec weryfikuje, zatwierdza, bierze odpowiedzialność.

To jak GPS w samochodzie. Podpowiada trasę, ale kierowca decyduje, czy skręcić.

Regulatorzy też się uczą. FDA — amerykańska agencja ds. żywności i leków — wydała w 2025 roku wytyczne dotyczące używania AI w odkrywaniu leków. Europejska Agencja Leków pracuje nad swoimi.

Ramy prawne powstają. Wolno, ale powstają.

Co dalej

Najbliższe lata pokażą, czy AI naprawdę przyspieszy rozwój leków na choroby rzadkie. Wczesne sygnały są obiecujące.

Prawdziwy test to nie liczba publikacji czy konferencyjnych prezentacji. To liczba pacjentów, którzy dostaną leczenie.

I tu zaczyna się wyścig. Kto szybciej zautomatyzuje procesy, ten wygra.

Nie tylko biznesowo — wygra życiami.

Źródła

• TechCrunch AI – How AI is helping solve the labor issue in treating rare diseases