Může umělá inteligence nahradit 50 % veškerého výzkumu objevování léků autonomním navrhováním a testováním nových molekul in silico pomocí generativní AI a kvantových výpočetních simulací ?

Farmaceutický výzkum a vývoj je notoricky pomalý a drahý, ale AI již urychluje objevování léků. Pokud by AI dokázala nejen generovat molekuly, ale také simulovat jejich interakce s lidskou biologii v nebývalém měřítku, mohla by učinit tradiční laboratorní výzkum zastaralým. Otázka není, zda AI dokáže navrhovat léky—jde o to, zda to dokáže lépe než lidé, aniž by potřebovala vědce k interpretaci výsledků.

Generativní AI dnes dokáže navrhovat nové struktury malých molekul s vysokou předpovězenou afinitou k cílovým proteinům a in-silico high-throughput screening na klasickém hardwaru již pokrývá miliony kandidátů. Plně autonomní, end-to-end objevování, které kombinuje generativní design, kvantově přesné dokování a laboratorní validaci, však zůstává nedosažitelné: přesnost dokování je stále pod ~1 kcal/mol nejistotou potřebnou pro spolehlivé hodnocení afinity, kvantové simulace pro velké proteiny jsou na blízkodobých zařízeních náchylné k chybám a úzká místa ve vlhké laboratoři při syntéze a validaci přetrvávají. Současné demonstrace dosahují částečné automatizace (návrh → in-silico triage → částečná syntéza), ale žádná skupina nedosáhla prahu 50% snížení propustnosti napříč širokou škálou cílů. ZDROJ: McKinsey & Company — https://www.mckinsey.com/capabilities/quantumblack/our-insights/quantum-computing-in-drug-discovery

— Obohaceno 10. května 2026