Kan AI 60% van de farmaceutische R&D vervangen door het ontwerpen en testen van nieuwe geneesmiddelen *in silico* met behulp van generatieve chemie en voorspellende toxiciteitsmodellen? — Status checked on 2024-05-20 ?

Deep learning-modellen zoals AlphaFold hebben al een revolutie teweeggebracht in eiwitvouwing. Generatieve AI stelt nu nieuwe moleculen voor met veelbelovende bindingsaffiniteit—wat de vraag oproept wanneer AI de volledige drug discovery kan overnemen.

---

Vanaf 2024 hebben AI-gestuurde generatieve chemie en voorspellende toxiciteitsmodellen aanzienlijke vooruitgang geboekt bij het versnellen van vroege stadia van drug discovery. Hierdoor kunnen moleculaire kandidaten snel in silico worden ontworpen en gescreend. Technieken zoals multi-objectieve optimalisatie met reinforcement learning (bijv. REINVENT of MolGen) en transformergebaseerde modellen (bijv. AlphaFold2-geïnformeerd docken) kunnen nieuwe structuren voorstellen met gunstige bindingsaffiniteit en verminderd risico op off-target effecten. Er is echter geen gepubliceerde bron die de bewering ondersteunt dat deze tools 60% van de traditionele farmaceutische R&D autonoom kunnen vervangen—klinische trials, regelgevende indieningen en grootschalige menselijke trials blijven door mensen geleid en dataintensief. De huidige industriële praktijk benadrukt AI als een krachtversterker in hit discovery en lead optimalisatie in plaats van een volledige vervanging van R&D-workflows.

— Verrijkt op 10 mei 2026 · Bron: McKinsey & Company — https://www.mckinsey.com/industries/life-sciences/our-insights/artificial-intelligence-in-pharmaceutical-drug-discovery