Poate AI înlocui 50% din cercetarea în descoperirea de medicamente prin proiectarea și testarea autonomă a noilor molecule *in silico* folosind AI generativă și simulări de calcul cuantic ?

Cercetarea și dezvoltarea farmaceutică sunt notoriu lente și costisitoare, dar AI accelerează deja descoperirea de medicamente. Dacă un AI ar putea nu doar genera molecule, ci și simula interacțiunile acestora cu biologia umană la o scară fără precedent, ar putea face ca cercetarea tradițională de laborator să devină învechită. Întrebarea nu este dacă AI poate proiecta medicamente — ci dacă poate face acest lucru mai bine decât oamenii, fără a avea nevoie de oameni de știință care să interpreteze rezultatele.

AI-ul generativ poate propune astăzi structuri noi de molecule mici cu o afinitate de legare prevăzută ridicată față de țintele proteice, iar screening-ul in-silico de înaltă performanță pe hardware clasic acoperă deja milioane de candidați. Cu toate acestea, descoperirea complet autonomă și end-to-end, care combină proiectarea generativă, andocarea la nivel cuantic și validarea în laborator, rămâne inaccesibilă: precizia andocării este încă sub incertitudinea de ~1 kcal/mol necesară pentru o clasificare fiabilă a afinității, simulările cuantice pentru proteine mari sunt predispuse la erori pe dispozitivele pe termen scurt, iar blocajele de sinteză și validare în laborator persistă. Demonstrațiile actuale realizează o automatizare parțială (proiectare → triere in-silico → sinteză parțială), dar niciun grup nu a atins pragul de reducere a productivității cu 50 % pe o gamă largă de ținte. SURSA: McKinsey & Company — https://www.mckinsey.com/capabilities/quantumblack/our-insights/quantum-computing-in-drug-discovery

— Actualizat la 10 mai 2026