Voiko tekoäly korvata 50 prosenttia kaikesta lääketutkimuksesta autonomisesti suunnittelemalla ja testaamalla uusia molekyylejä in silico käyttäen generatiivista tekoälyä ja kvanttilaskennan simulaatioita ?

Lääketeollisuuden tutkimus- ja kehittämistoiminta on tunnettu hitaudestaan ja kalleudestaan, mutta tekoäly on jo nopeuttamassa lääkekehitystä. Jos tekoäly pystyisi paitsi luomaan molekyylejä myös simuloimaan niiden vuorovaikutuksia ihmisen biologian kanssa ennennäkemättömällä mittakaavalla, se voisi tehdä perinteisestä laboratorioissa tehtävästä tutkimuksesta tarpeetonta. Kysymys ei ole siitä, pystyykö tekoäly suunnittelemaan lääkkeitä – vaan siitä, pystyykö se tekemään sen paremmin kuin ihmiset ilman, että ihmistutkijoiden tarvitsee tulkita tuloksia.

Generatiivinen tekoäly pystyy nykyään ehdottamaan uusia pieniä molekyylirakenteita, joilla on korkea ennustettu sitoutumisaffiniteetti proteiinitavoitteisiin, ja in silico -korkeatuottoinen seulonta perinteisellä laitteistolla kattaa jo miljoonia ehdokkaita. Täysin itsenäinen, alusta loppuun ulottuva löytöprosessi, joka yhdistää generatiivisen suunnittelun, kvanttiluokan telakointisimulaatiot ja laboratorioiden validoinnin, on kuitenkin vielä saavuttamaton: telakointitarkkuus on edelleen alle ~1 kcal/mol epävarmuuden, joka tarvitaan luotettavaan affiniteettiarvojen järjestämiseen, kvanttisimulaatiot suurille proteiineille ovat lähipäivien laitteilla virhealtteita, ja märkälaboratorioiden synteesi- ja validointipullonkaulat jatkuvat. Nykyiset demonstraatiot saavuttavat osittaisen automaation (suunnittelu → in silico seulonta → osittainen synteesi), mutta yksikään ryhmä ei ole saavuttanut 50 % läpimenoajan vähennysrajaa laajassa joukossa tavoitteita. LÄHDE: McKinsey & Company — https://www.mckinsey.com/capabilities/quantumblack/our-insights/quantum-computing-in-drug-discovery

— Päivitetty 10. toukokuuta 2026