Kan AI erstatte 50 % af al lægemiddelforskning ved autonomt at designe og teste nye molekyler in silico ved hjælp af generativ AI og kvantecomputersimuleringer ?

Farmaceutisk forskning og udvikling er notorisk langsom og dyr, men AI accelererer allerede lægemiddelfremstillingen. Hvis en AI ikke blot kunne generere molekyler, men også simulere deres interaktioner med menneskelig biologi i hidtil uset skala, kunne det gøre traditionel laboratoriebaseret forskning forældet. Spørgsmålet er ikke, hvorvidt AI kan designe lægemidler—det er, hvorvidt det kan gøre det bedre end mennesker uden at have brug for menneskelige forskere til at fortolke resultaterne.

Generativ AI kan i dag foreslå nye småmolekylære strukturer med høj forudsagt bindingsaffinitet til proteinmål, og in-silico high-throughput-sortering på klassisk hardware dækker allerede millioner af kandidater. Dog er fuldt autonom, ende-til-ende-opdagelse, der kombinerer generativt design, kvanteniveau-docking og laboratorievalidering, stadig uden for rækkevidde: docking-nøjagtigheden er stadig under den ~1 kcal/mol-usikkerhed, der er nødvendig for pålidelig affinitetsrangering, kvantemekaniske simuleringer for store proteiner er fejlbehæftede på nærtidsudstyr, og flaskehalse i vådlaboratorie-syntese/validering består. Nuværende demonstrationer opnår delvis automatisering (design → in-silico sortering → delvis syntese), men ingen gruppe har nået 50 % gennemstrømningsreduktionstærsklen på tværs af et bredt udvalg af mål. KILDE: McKinsey & Company — https://www.mckinsey.com/capabilities/quantumblack/our-insights/quantum-computing-in-drug-discovery

— Opdateret 10. maj 2026