AI's rolle i lægemiddelopdagelse er ofte omgærdet af hype, men en ny gennemgang i Nature Reviews Drug Discovery giver en sober status: hvor teknologien reelt har flyttet sig, og hvor udfordringerne fortsat er store. For beslutningstagere i pharma- og biotekindustrien er det afgørende at forstå, at AI ikke er en magisk løsning, men et værktøj, der kræver strategisk integration.
Gennemgangen, publiceret i Nature, kortlægger de vigtigste anvendelser: fra målidentifikation og molekyledesign til prædiktion af kliniske resultater. Forfatterne understreger, at AI's største styrke ligger i at accelerere de tidlige faser af opdagelsen, hvor den kan generere og evaluere kandidater langt hurtigere end traditionelle metoder. Men de peger også på, at den reelle værdi først materialiseres, når AI-modeller integreres med eksperimentel validering – ikke som erstatning for laboratoriet, men som et supplement.
Den videnskabelige kommentar på Science's blog – der refererer til Nature-gennemgangen – giver et mere jordnært perspektiv: AI har endnu ikke leveret det store gennembrud i form af nye godkendte lægemidler, men den har forbedret processerne markant. For eksempel bruges AI nu rutinemæssigt til at forudsige molekylers egenskaber og til at designe synteseveje, hvilket sparer både tid og ressourcer.
For investorer og strategiske beslutningstagere er den vigtigste pointe, at AI i lægemiddelopdagelse ikke er en binær succes eller fiasko. Det er en moden teknologi med klare use cases, men også med begrænsninger, især når det kommer til klinisk oversættelse. Virksomheder, der ønsker at udnytte AI, bør fokusere på specifikke, validerede anvendelser frem for at jagte generelle løsninger. Samtidig bør de være opmærksomme på, at konkurrencefordelen ligger i dataadgang og integration med eksisterende arbejdsgange, ikke i selve algoritmerne.
