Potential Sciences, startup wspierany finansowo przez rząd brytyjski, postawił ambitny zakład: można przyspieszyć żmudny proces odkrywania nowych leków, trenując modele AI wyłącznie na syntetycznych, komputerowo wygenerowanych danych biochemicznych, zamiast czekać na wyniki z fizycznego laboratorium.
Tradicyjny proces opracowania nowego leku to maratońska podróż. Od fazy discovery przez testy in vitro i in vivo, aż do badań klinicznych - zajmuje to zwykle 10-15 lat i kosztuje miliardy dolarów. Większość potencjalnych kandydatów pada w testach, zanim trafią do pacjentów. Potential Sciences wierzy, że sztuczna inteligencja natrenowana na prawidłowo wygenerowanych danych może przewidzieć właściwości molekuł i optymalizować struktury związków na etapie obliczeniowym, zanim fizycznie wejdzie się do laboratorium.
To podejście ma potencjał do transformacji całej branży. Jeśli AI potrafi dokładnie modelować zachowanie biochemiczne bez kosztownych eksperymentów, moglibyśmy zobaczyć dramatyczne przyspieszenie rozwoju leków, zwłaszcza dla rzadkich chorób, gdzie tradycyjna ekonomika badań uniemożliwia inwestycje. Oczywiście technologia wciąż wymaga walidacji - ostatecznie każdy lek musi przejść rzeczywiste badania kliniczne - ale już etap przyspieszenia early discovery mógłby zaoszczędzić lata i dziesiątki milionów funtów na projekt.