Blog

Η τεχνητή νοημοσύνη φαίνεται να επιβεβαιώνει τις υψηλές προσδοκίες που τη συνόδευσαν τα τελευταία χρόνια στον χώρο της βιοτεχνολογίας. Σύμφωνα με πρόσφατη ανάλυση της PitchBook, τα φαρμακευτικά υποψήφια μόρια που αναπτύχθηκαν με τη βοήθεια AI παρουσιάζουν αυξημένα ποσοστά επιτυχίας στις πρώιμες φάσεις κλινικών δοκιμών, καθώς και σημαντική μείωση του χρόνου ανάπτυξης.

Η έκθεση, που δημοσιεύθηκε στο τέλος του 2025, χαρακτηρίζει τις εξελίξεις «θεμελιωδώς επαναστατικές», τονίζοντας ότι η τεχνητή νοημοσύνη μπορεί σχεδόν να διπλασιάσει τα ποσοστά επιτυχίας αιτήσεων για νέα ερευνητικά φάρμακα, μειώνοντας παράλληλα κόστος και χρονοδιαγράμματα.

Υψηλότερα ποσοστά επιτυχίας στις πρώτες φάσεις

Τα πρώτα διαθέσιμα δεδομένα δείχνουν ότι οι λεγόμενες AI-native βιοτεχνολογικές εταιρείες —εκείνες δηλαδή που χρησιμοποιούν την τεχνητή νοημοσύνη ως βασικό πυλώνα ανάπτυξης— καταγράφουν ποσοστά επιτυχίας στη Φάση Ι της τάξης του 80% έως 90%. Αντίθετα, ο μέσος όρος της φαρμακοβιομηχανίας κυμαίνεται μεταξύ 40% και 65%.

Ακόμη και στη Φάση ΙΙ, όπου παραδοσιακά παρατηρείται σημαντική «φθορά» υποψήφιων φαρμάκων, τα AI-driven προγράμματα εμφανίζουν ποσοστό επιτυχίας περίπου 40%, έναντι 29% στον ευρύτερο κλάδο.

Παρότι ο αριθμός των ολοκληρωμένων μελετών παραμένει περιορισμένος, η PitchBook εκτιμά ότι τα πρώτα αυτά στοιχεία υποδηλώνουν βελτιωμένη επιλογή θεραπευτικών στόχων ήδη από τα αρχικά στάδια.

Μείωση χρόνου από το εργαστήριο στην κλινική

Χαρακτηριστικό παράδειγμα αποτελεί η Insilico Medicine, η οποία κατάφερε να μεταφέρει 22 υποψήφια φάρμακα από την αρχική σύλληψη έως την προκλινική επιλογή μέσα σε 12 έως 18 μήνες. Παραδοσιακά, η ίδια διαδικασία απαιτεί από 2,5 έως και 4 χρόνια.

Η επιτάχυνση αυτή δεν επηρεάζει μόνο την επιστημονική πρόοδο, αλλά και τη χρηματοδότηση της καινοτομίας. Όπως επισημαίνει η PitchBook, τα ταχύτερα «κύκλα επικύρωσης» επιτρέπουν στα επενδυτικά κεφάλαια να επανεπενδύουν γρηγορότερα, βελτιώνοντας τη ρευστότητα ενός κλάδου με ιστορικά μεγάλους χρόνους αναμονής.

Μικρότερες εταιρείες, μεγαλύτερη ευελιξία

Η τεχνητή νοημοσύνη φαίνεται να ευνοεί ιδιαίτερα τις μικρότερες βιοτεχνολογικές εταιρείες, οι οποίες τα τελευταία χρόνια αντιμετώπισαν δυσκολίες προσέλκυσης κεφαλαίων. Η δυνατότητα διεξαγωγής πιο αποδοτικών κλινικών δοκιμών επιτρέπει πλέον σε νεοφυείς επιχειρήσεις να ανταγωνίζονται κολοσσούς της φαρμακοβιομηχανίας.

Όπως επισημαίνει η Julia Tarasenko, στέλεχος της LabConnect, η AI επιτρέπει ταχύτερη πρόσβαση των θεραπειών στους ασθενείς και δυνητικά χαμηλότερο κόστος ανάπτυξης.

Προκλήσεις για τις μεγάλες φαρμακοβιομηχανίες

Παρότι η τεχνητή νοημοσύνη προσφέρει σημαντικά πλεονεκτήματα, η ενσωμάτωσή της παραμένει πιο απαιτητική για μεγάλους οργανισμούς. Σύμφωνα με επενδυτές του κλάδου, η πολυπλοκότητα και η γραφειοκρατία συχνά επιβραδύνουν την υιοθέτηση νέων τεχνολογιών.

Ωστόσο, παραδείγματα όπως η συνεργασία της Sanofi με την Exscientia —με δυνητικά ορόσημα άνω των 600 εκατ. ευρώ— δείχνουν ότι η AI μπορεί να αποτελέσει καταλύτη ταχείας ανάπτυξης.

Πέρα από τις κλινικές δοκιμές

Η χρήση της τεχνητής νοημοσύνης δεν περιορίζεται στην ανακάλυψη φαρμάκων. Σύμφωνα με αναλυτές, εφαρμόζεται πλέον σε παραγωγή, επιχειρησιακή οργάνωση, ακόμη και σε συγχωνεύσεις και εξαγορές, διευκολύνοντας την ενσωμάτωση νέων εταιρειών και τεχνολογιών.

Παρά τα οφέλη, οι ειδικοί επισημαίνουν ότι η επιτυχία της AI εξαρτάται από την επάρκεια ανθρώπινου δυναμικού, τις δεξιότητες και τη διάθεση ανάληψης ρίσκου από τις ίδιες τις εταιρείες.

Πηγή: healthpharma.gr