Umělá inteligence (AI) zásadně proměňuje vývoj nových léčiv – urychluje objevování slibných molekul, zefektivňuje klinické studie a pomáhá lépe pracovat s daty. O jejím využití napříč celým řetězcem, od výzkumu až po uvedení léků na trh, hovoří Miroslav Hampl, vedoucí Technologického centra společnosti MSD v Praze. AI podle něj není všelék – její přínos je významný, ale jen jako součást širšího ekosystému inovací, odborného know-how a dobře nastavené spolupráce mezi státem, výzkumem a průmyslem.
Jak konkrétně využíváte umělou inteligenci při vývoji nových léčiv v MSD?
V MSD využíváme AI mnoha způsoby a prakticky ve všech fázích životního cyklu léku – od výzkumu a vývoje přes výrobu a distribuci až po analýzy dat z reálné klinické praxe. Jde jak o analytickou AI, tak o moderní generativní AI a velké jazykové modely (LLM).
Jako konkrétní příklad mohu uvést náš projekt BioPhi, Jde o systém, který využívá neuronové sítě a LLM k překladům proteinů z myší na lidi, což je klíčové pro urychlení vývoje nových vakcín. BioPhi nám umožňuje analyzovat struktury proteinů a předpovědět, jak se budou chovat v lidském těle, což zkracuje čas potřebný k identifikaci slibných kandidátů pro klinické studie. Tímto způsobem můžeme rychleji reagovat na nové zdravotní hrozby a vyvíjet vakcíny, které jsou účinné a bezpečné.
Jak velkou úsporu času a nákladů vám AI přináší ve fázi objevování a testování molekul?
Odhady ukazují, že AI může přinést úsporu v řádu 20 až 30 procent, a to nejen v rychlosti vývoje, ale i v efektivnějším využívání zdrojů. Díky AI můžeme například rychleji analyzovat velké objemy dat a identifikovat potenciální molekuly, které by jinak mohly být přehlédnuty. To nám umožňuje zaměřit se na ty nejperspektivnější kandidáty a minimalizovat plýtvání časem a financemi na méně slibné projekty.
Lze očekávat snížení cen inovativních léčiv v důsledku zavádění AI do celého procesu?
To nelze tak snadno říci. Cena léku je vždy výsledkem mnoha faktorů, jako je rychlost vývoje, průběh klinických studií, velikost populace, na kterou cílí, jeho přidaná hodnota nebo míra inovace. A vždy jde o výsledek jednání s plátci péče a dalšími regulátory. AI může proces zrychlit a zvýšit účinnost, ale to nemusí nutně vést k nižším cenám pro koncové uživatele. Například i když AI zkracuje čas potřebný k vývoji, náklady na klinické studie a regulaci zůstávají vysoké. Při posuzování cenové politiky je proto nutné vzít v úvahu širší kontext.
Mění AI tradiční poměr „1 úspěšná molekula na 10 tisíc testovaných“? Pokud ano, jaký je nový poměr?
Osobně zatím nevidím, že by se to nějak zásadně měnilo. Ano, některé věci umíme otestovat rychleji in silico (počítačovou simulací – pozn. red.), a tím ušetřit část prostředků. Na druhou stranu, i kdybychom vyzkoušeli „jen“ 5 tisíc molekul, abychom našli molekulu, kterou jsme schopni najít dnes až po 10 tisících prozkoumaných molekulách, pravděpodobně budeme pokračovat a vyzkoušíme ještě dalších 5 tisíc. Poměr tedy zůstane stejný, ale nová molekula může být účinnější. Zároveň platí, že mnohé již bylo objeveno, a kdybychom využili staré metody, tak stejně účinnou molekulu objevíme až po 20 tisících testováních. Takže se může stát, že celá AI víceméně jen dorovná skutečnost, že hledání nových molekul je čím dál těžší. AI nicméně může pomoci identifikovat nové cíle a mechanismy, což může vést k objevům, které by jinak nebyly možné.
Existují oblasti vývoje, kde AI zatím nepřináší výrazné zlepšení?
I když AI snižuje náklady v raných fázích vývoje, tak například regulace a klinické studie zůstávají velmi náročnou oblastí, přeci jen jde o lidské zdraví, kde musíme být velmi opatrní. AI může pomoci například při analýze dat z klinických studií, ale samotné provedení klinické studie a její regulace zůstávají náročným procesem, kapacitně, finančně i časově.
Jaké konkrétní technologie AI tedy využíváte v klinických studiích a jaké přinášejí výhody?
Jde o různé technologie, které nám pomáhají analyzovat historická data a lépe porozumět pacientským populacím. AI modely nám například umožňují optimalizovat design klinických studií, což zkracuje čas potřebný k dosažení výsledků. Dále může AI pomoci při predikci, jak se pacienti budou chovat v průběhu studie, což zvyšuje bezpečnost a efektivitu. Tyto technologie nám také umožňují lépe cílit na specifické skupiny pacientů, což může zvýšit úspěšnost klinických studií.
Brání současná regulace tomu, aby se AI plně uplatnila ve vývoji léčiv?
Někdy jsme skutečně svědky toho, že současná regulace se nedokáže flexibilně přizpůsobit rychlému technologickému vývoji. Zároveň je ale třeba si uvědomit, že tato pravidla jsou důležitá pro zajištění bezpečnosti a účinnosti léčiv. Jde tedy o to, jak najít správnou rovnováhu mezi inovacemi a ochranou pacientů. Regulátoři by měli být otevření novým technologiím a metodám, ale zároveň musí zajistit, aby tyto technologie neohrozily bezpečnost pacientů. Jak jsem již zmínil, jde o lidské zdraví.
Vidíte v rostoucí roli AI riziko pro pracovní místa v oboru farmacie?
To neočekávám. AI spíše změní povahu některých pracovních míst, než aby je zcela nahradila. Nové technologie vytvoří poptávku po nových dovednostech a odbornících, kteří budou schopni pracovat s těmito technologiemi. Je důležité, aby se pracovníci v oboru farmacie přizpůsobili a rozvíjeli své dovednosti, aby mohli efektivně s AI spolupracovat.
Očekáváte, že se v příštích 5 až 10 letech díky AI dramaticky změní rychlost vývoje léčiv a podaří se objevit léky na dosud neléčitelné onemocnění?
Myslím si, že tak dramatické to nebude. Generativní AI není inteligence, která by byla chytřejší než lidé. Představte si ji jako velkou databázi, která mluví jako člověk a obsahuje daleko více a lépe propojených informací než předešlé technologie. Ano, může pomoci k tomu, aby někdo dostal nápad dříve, protože uvidí správné informace vedle sebe. GenAI tedy urychluje procesy, ale konečné rozhodování a kreativita zůstávají na lidských odbornících.
Rád bych ale u toho zmínil, že budoucnost biotechnologického výzkumu nezávisí jen na možnostech AI. Ano, je velmi slibná, ale k tomu jsou zapotřebí i další faktory, zejména pak efektivní propojení státu, akademických, vědecko-výzkumných institucí a firem do jednoho ekosystému. Podpora vzdělávání a inovací, daňové úlevy nebo regulatorní sandboxy mohou výrazně akcelerovat inovační potenciál biotechnologického sektoru u nás i v Evropě. A my k tomu velmi rádi přispějeme. Nechali jsme si spočítat intenzitu výzkumu a vývoje aktivit MSD v České republice, což je mezinárodní uznávaný indikátor toho, kolik organizace nebo stát v této oblasti investuje. A vyšlo nám 16 procent. Srovnejte to se třemi procenty, kterých chce do roku 2030 dosáhnout Evropská unie a také Česká republika.
Miroslav Hampl vede od června 2025 Technologické centrum MSD v Praze. To zajišťuje IT služby celé globální skupině MSD a v Praze má přes 1 300 zaměstnanců, kteří hrají klíčovou roli v inovacích v této biofarmaceutické společnosti. Hampl působí v MSD více než 10 let a věnuje se primárně komerčním a go-to-market strategiím.
