# AI w ochronie zdrowia: czy algorytmy staną się kolejnym przełomem farmaceutycznym?

Author: Norbert Biedrzycki
Published: 2020-12-15
Language: pl
URL: https://norbertbiedrzycki.pl/ai-w-ochronie-zdrowia-czy-algorytmy-stana-sie-przelomem-farmaceutycznym/
Summary: W biologii pieniądze płyną przez dekadę, zanim cokolwiek z tego wyjdzie. AI obiecuje zmienić ten zegar. Inwestorzy powinni uważnie sprawdzić tę obietnicę.

**W biologii pieniądze płyną przez dekadę, zanim cokolwiek z tego wyjdzie. AI obiecuje zmienić ten zegar. Inwestorzy powinni uważnie sprawdzić tę obietnicę.**

Jeśli rok 2020 czegoś nauczył świat, to tego, że tempo odkryć naukowych jest kwestią przetrwania gospodarczego. Szczepionki powstają w niecały rok, co dwanaście miesięcy temu brzmiałoby absurdalnie. Na tym tle nie dziwi, że inwestorzy patrzą na AI w ochronie zdrowia z nową pilnością.

**Dlaczego ta ekonomia jest tak atrakcyjna**

Przemysł farmaceutyczny ma dobrze udokumentowany problem z produktywnością. Szacunki kosztu wprowadzenia nowego leku na rynek, wliczając porażki, sięgają około 2,6 mld dolarów, a proces trwa zwykle ponad dziesięć lat. Analitycy wymyślili nawet nazwę dla tego trendu, prawo Erooma, czyli prawo Moore'a pisane wspak, żeby opisać, jak liczba nowych leków na miliard dolarów wydanych na badania i rozwój spada od dekad.

AI oferuje kuszącą propozycję: połączyć skalowalność oprogramowania z ogromną wartością udanej cząsteczki. Jeśli algorytmy potrafią zawęzić pole poszukiwań, wcześniej przewidzieć toksyczność albo lepiej dobrać pacjentów do badań, nawet umiarkowana poprawa prawdopodobieństwa sukcesu przekłada się na miliardy dolarów wartości.

Ten rok przyniósł realne dowody. W styczniu Exscientia i Sumitomo Dainippon Pharma ogłosiły, że cząsteczka zaprojektowana z pomocą AI, DSP-1181, weszła do badań klinicznych na ludziach po fazie badań eksploracyjnych trwającej około dwunastu miesięcy zamiast zwykłych czterech, pięciu lat. Schrödinger, Relay Therapeutics i AbCellera przeprowadziły udane debiuty giełdowe. Recursion pozyskał dużą rundę serii D. Przełom AlphaFold w przewidywaniu struktury białek otworzył rozmowę o tym, jaką część wczesnej biologii będzie można kiedyś obliczyć, zamiast odkrywać w laboratorium.

**Luka między nauką a biznesem**

Spędziłem dużą część kariery wokół inwestycji technologicznych i nauczyłem się rozdzielać dwa pytania, które łatwo pomylić: czy nauka jest prawdziwa i czy biznes jest prawdziwy?

W odkrywaniu leków z pomocą AI nauka jest coraz bardziej prawdziwa. Biznes jest mniej udowodniony. Cząsteczka zaprojektowana szybciej to wciąż cząsteczka, która musi przejść I, II i III fazę badań klinicznych. Większość porażek w farmacji nie wynika z tego, że cząsteczkę trudno było znaleźć, ale z tego, że nie działa wystarczająco dobrze u ludzi albo okazuje się niebezpieczna. AI przyspieszyła na razie głównie najtańszą i najwcześniejszą część procesu. Najdroższa pozostaje w dużej mierze nietknięta.

To samo dotyczy diagnostyki i obrazowania medycznego. Istnieją algorytmy, które odczytują zdjęcia rentgenowskie czy obrazy siatkówki z imponującą dokładnością. Ale szpital nie kupuje dokładności. Kupuje produkt, który pasuje do przebiegu pracy klinicznej, ma zgodę regulatora, jest refundowany przez płatnika i chroni lekarza przed odpowiedzialnością. Każdy z tych elementów to osobna przeszkoda i każda wymaga czasu.

**Modele biznesowe, które warto obserwować**

Wśród firm AI w ochronie zdrowia widzę trzy wyłaniające się modele.

Dostawcy platform sprzedają oprogramowanie i usługi firmom farmaceutycznym. Mają powtarzalne przychody, ale ograniczony potencjał wzrostu, bo wartość udanego leku w dużej mierze zostaje u klienta.

Budowniczowie aktywów wykorzystują swoją platformę do rozwijania własnych kandydatów na leki. Biorą na siebie ryzyko kliniczne, ale przejmują pełną wartość sukcesu. Wyceny zachowują się tu bardziej jak w biotechnologii niż w oprogramowaniu.

Modele hybrydowe współpracują z dużymi firmami farmaceutycznymi na zasadzie płatności za kamienie milowe i tantiem, oddając część potencjału w zamian za kapitał i uwiarygodnienie.

Dla inwestora kluczowe jest zrozumienie, jaki model firma naprawdę realizuje, niezależnie od tego, jak sama siebie opisuje. Mnożnik z branży oprogramowania przy profilu ryzyka biotechnologii to niebezpieczne połączenie.

**Co zmieniłoby moje zdanie**

Rozstrzygające dowody pojawią się w ciągu najbliższych pięciu lat: czy cząsteczki zaprojektowane przez AI będą przechodzić późniejsze fazy badań częściej niż te odkryte tradycyjnie? Jeśli tak, ekonomia badań farmaceutycznych zostanie napisana od nowa, a firmy z najlepszymi danymi i modelami staną się niezwykle cenne. Jeśli nie, AI nadal będzie użyteczna, ale jako narzędzie produktywności, a nie nowa branża.

*Pytanie inwestycyjne: Czy AI może fundamentalnie zmienić ekonomię badań farmaceutycznych i stworzyć nowe pokolenie wysoko wycenianych firm biotechnologicznych?*
