Isomorphic Labs, ett dotterbolag till Googles DeepMind, skickar nu AI-designade läkemedel till försök på riktiga människor. Företaget menar att maskininlärning kan lösa sjukdomar snabbare än den analoga köttbaserade forskarkadern någonsin kunnat drömma om. Traditionella kemister uppmanas uppdatera sina CV:n till ett mer skalbart format.

Det är en historisk milstolpe för alla som alltid vetat att biologin i grunden bara är en dåligt dokumenterad kodbas. Isomorphic Labs har med hjälp av avancerade transformer-arkitekturer och reinforcement learning designat läkemedelskandidater helt utan mänsklig intuition. Eller som vi i branschen säger: utan legacy-beroenden. Molekylerna ska nu testas på frivilliga försökspersoner som ännu inte uppgraderat till digitala kroppar.

Bolaget grundades 2021 av Demis Hassabis, mannen bakom AlphaFold, och har sedan dess itererat på den mänskliga hälsan med imponerande sprintcykler. Deras pipeline inkluderar behandlingar mot cancer och autoimmuna sjukdomar. Processen som traditionellt tar tio till femton år ska nu klaras på en bråkdel av tiden. Best practice, helt enkelt.

Analogt motstånd: forskare vägrar merga med main

Från den akademiska världen hörs dock olyckskorpar som envisas med att läkemedelsdesign kräver något de kallar ”erfarenhet” och ”klinisk förståelse”. Professor Birgitta Wennström vid Karolinska institutet uttryckte sig så här: ”Jag har forskat i trettio år på proteinveckning, men visst, låt en GPU-kluster ta över. Jag kan ju alltid börja odla tomater.” Hennes invändningar har dock flaggats som deprecated av branschanalytiker.

Anhängarna menar att motståndet bara är tech debt från en forskargeneration som fortfarande skriver anteckningar för hand. En talesperson för Isomorphic Labs påpekade att deras algoritmer analyserar miljontals molekylära interaktioner per sekund. En mänsklig forskare hinner knappt brygga sitt filterkaffe under samma tid. Skalbarhetsmässigt är det ingen match.

Kritiker har även lyft frågan om vad som händer när AI:n föreslår en molekyl som ingen människa förstår. Svaret från tekniksidan är att detta inte är en bugg utan en feature. Om läkemedlet fungerar spelar det ingen roll att det saknar peer review i analog bemärkelse. GitHub-issue #4471 i AlphaFold-repot bekräftar för övrigt att mänsklig förståelse aldrig var ett hårt krav.

Försöken väntas starta inom året, och om de lyckas kan vi snart leva i en värld där din medicin designats av samma typ av system som rekommenderar dig YouTube-klipp klockan tre på natten. Känn dig trygg — algoritmen har aldrig haft en dålig dag på jobbet.

— Kjell Khod, Chief Technology Correspondent, Riksbulletinen