Insilico Medicine idzie poza farmację. Nowe modele AI na horyzoncie

Insilico Medicine przez lata kojarzyło się z jednym: AI, które projektuje leki. Firma z Hong Kongu, wspierana przez giganta farmaceutycznego Eli Lilly, zbudowała sobie pozycję w niszowym, ale fascynującym świecie computacyjnego odkrywania leków.

Teraz Alex Zhavoronkov, CEO firmy, mówi wprost: farmacja to dopiero początek.

Od molekuł do... czego właściwie?

Insilico zaczęło od problemu, który w branży farmaceutycznej jest legendą. Opracowanie nowego leku? Średnio 10-15 lat pracy i miliardy dolarów. Większość kandydatów odpada na różnych etapach testów. To rosyjska ruletka, tylko droższa.

Firma stworzyła platformę AI, która analizuje ogromne zbiory danych biologicznych — informacje o genach, białkach, reakcjach chemicznych. System uczy się, które struktury molekularne mogą działać przeciwko konkretnym chorobom. Zamiast testować tysiące związków w laboratorium metodą prób i błędów, AI proponuje te najbardziej obiecujące.

Efekt? Insilico ma już kilka leków w fazie klinicznej, czyli testowanych na ludziach. To imponujące tempo jak na firmę założoną w 2014 roku.

Zhavoronkov widzi jednak szerszy obraz. technologia, która potrafi przewidywać interakcje molekularne i optymalizować skomplikowane systemy biologiczne, może działać gdzie indziej. I właśnie o to chodzi.

Modele AI gotowe na eksport

W rozmowie z Nikkei Asia Zhavoronkov ujawnił plany udostępnienia modeli AI firmy innym branżom. Szczegóły? Jeszcze mgliwe. Firma nie podała konkretnych terminów ani sektorów docelowych.

Co to może oznaczać w praktyce?

Modele Insilico są wytrenowane na rozpoznawaniu wzorców w złożonych systemach. W farmacji to interakcje między cząsteczkami a organizmem. Podobne podejście można zastosować wszędzie tam, gdzie trzeba optymalizować procesy z wieloma zmiennymi.

Materiałoznawstwo? Projektowanie nowych stopów metali czy polimerów to podobny problem — szukasz kombinacji składników, która da określone właściwości. Chemia przemysłowa? Optymalizacja reakcji chemicznych, żeby były szybsze, tańsze, bardziej ekologiczne. Nawet rolnictwo — projektowanie nawozów czy środków ochrony roślin.

Insilico nie jest pierwszą firmą AI, która patrzy poza swój pierwotny rynek. DeepMind (teraz część Google) zaczynało od gier, przeszło przez zwijanie białek (AlphaFold), a teraz ich modele pomagają prognozować pogodę. Transfer technologii między branżami to naturalny krok, gdy masz działający system.

Dlaczego akurat teraz?

Timing nie jest przypadkowy.

Rynek AI w odkrywaniu leków dojrzewa. Insilico ma już dowody, że ich podejście działa — leki w fazie klinicznej to coś więcej niż obietnice na slajdach.

Firma zebrała też spore finansowanie. Eli Lilly, jeden z największych graczy farmaceutycznych, zainwestował w Insilico nie tylko pieniądze, ale też wiarygodność. Gdy taki gigant stawia na ciebie, łatwiej przekonać innych.

I jest jeszcze kwestia konkurencji. Sektor AI w farmacji robi się coraz bardziej zatłoczony. Recursion, Exscientia, Absci — wszyscy obiecują przyspieszenie odkrywania leków. Dywersyfikacja to sposób na zabezpieczenie się przed tym, że jeden rynek stanie się zbyt konkurencyjny.

Zhavoronkov wspomina też o rosnącym zainteresowaniu ze strony firm spoza farmacji. Nie podaje nazwisk, ale sugeruje, że rozmowy już trwają.

Co to znaczy dla reszty świata?

Jeśli Insilico rzeczywiście otworzy swoje modele dla innych branż, może to przyspieszyć adopcję AI w sektorach, które dotąd były sceptyczne.

Farmacja miała przewagę — ogromne budżety na R&D i desperacką potrzebę innowacji. Wiele innych branż wciąż traktuje AI jak ciekawostkę albo narzędzie do automatyzacji prostych zadań. Chatbot do obsługi klienta. Algorytm do sortowania CV. Nic poważnego.

Gotowe modele, przetestowane w najtrudniejszym środowisku (odkrywanie leków to naprawdę wysoka poprzeczka), mogą być przekonującym argumentem. Nie musisz budować wszystkiego od zera. Bierzesz sprawdzoną technologię i adaptujesz ją do swojego problemu.

Oczywiście, diabeł tkwi w szczegółach. Modele AI nie są uniwersalne — to, co działa w biologii, nie musi działać w metalurgii. Fundamenty — uczenie maszynowe, przetwarzanie wielowymiarowych danych, optymalizacja — są jednak podobne.

Ryzyka i pytania bez odpowiedzi

Nie wszystko jest różowe. Insilico wchodzi na nieznany teren.

Farmacja ma swoje standardy, regulacje, sposób myślenia. Inne branże działają inaczej. Materiałoznawstwo czy chemia przemysłowa mają własne ekosystemy — dostawców, standardy, sposób testowania. Wejście tam to nie tylko kwestia technologii, ale też zrozumienia rynku, budowania relacji, przekonywania sceptyków.

Jest też pytanie o zasoby. Insilico to wciąż relatywnie mała firma. Obsługa wielu branż jednocześnie wymaga ludzi, infrastruktury, wsparcia klienta. Czy firma jest na to gotowa?

I wreszcie — konkurencja. Jeśli Insilico pokaże, że ich modele działają poza farmacją, inni szybko pójdą tym tropem. Przewaga pierwszego gracza może być krótkotrwała.

Zhavoronkov najwyraźniej wierzy, że warto spróbować. Firma zbudowała coś wartościowego — byłoby marnotrawstwem ograniczać to do jednego sektora.

Zobaczymy, jak to się rozwinie. Na razie to zapowiedzi, nie konkretne produkty. Kierunek jest jednak jasny: AI z Insilico ma ambicje wykraczające daleko poza probówki i laboratoryjne stoły.

Źródła

• Nikkei Asia - Eli Lilly-backed Insilico eyes beyond pharma with new AI models