Kan AI 50% van alle medicijnontdekkingsonderzoek vervangen door zelfstandig nieuwe moleculen te ontwerpen en te testen *in silico* met behulp van generatieve AI en kwantumcomputersimulaties ?

Farmaceutisch R&D staat bekend als traag en duur, maar AI versnelt al de ontdekking van medicijnen. Als een AI niet alleen moleculen zou kunnen genereren, maar ook hun interacties met de menselijke biologie op een ongekende schaal zou kunnen simuleren, zou dit traditioneel laboratoriumonderzoek overbodig kunnen maken. De vraag is niet of AI medicijnen kan ontwerpen—het is of het dit beter kan doen dan mensen, zonder dat menselijke wetenschappers de resultaten hoeven te interpreteren.

Generatieve AI kan vandaag de dag al nieuwe kleine-moleculestructuren voorspellen met een hoge bindingsaffiniteit voor eiwitdoelen, en in-silico high-throughput screening op klassieke hardware dekt al miljoenen kandidaten. Een volledig autonome, end-to-end ontdekking die generatief ontwerp, quantum-grade docking en laboratoriumvalidatie combineert, blijft echter buiten bereik: de nauwkeurigheid van docking is nog steeds onder de ~1 kcal/mol onzekerheid die nodig is voor een betrouwbare rangschikking van affiniteit, quantum-simulaties voor grote eiwitten zijn foutgevoelig op apparaten op korte termijn, en de knelpunten in nat laboratoriumsynthese en validatie blijven bestaan. Huidige demonstraties bereiken gedeeltelijke automatisering (ontwerp → in-silico selectie → gedeeltelijke synthese), maar geen enkele groep heeft de drempel van 50% doorvoerreductie bereikt over een breed scala aan doelen. BRON: McKinsey & Company — https://www.mckinsey.com/capabilities/quantumblack/our-insights/quantum-computing-in-drug-discovery

— Verrijkt 10 mei 2026