Kétmilliárd dolláros fejlesztési költség, AI-val töredékére csökkenhet
Egy gyógyszer kifejlesztésének költsége mintegy kétmilliárd dollárra rúg – érzékeltette az iparág kihívását Szalay Kristóf, a Turbine alapítója a Portfolio Deep Tech 2026 konferencia egészségiparra fókuszáló panelbeszélgetésén. Az összeg első hallásra meghökkentőnek hat, a realitás azonban ez: a költségek korántsem a gyártásból adódnak, hanem a kutatás-fejlesztésből és a menet közben elbukó gyógyszerjelöltekből, amelyek terhét a sikeres termékeknek kell kitermelniük. Hatékonyabb módszerek nélkül ez a teher tovább nőhet.
A Turbine abból indult ki, hogy a mesterséges intelligencia alkalmas lehet összetett biológiai rendszerek megértésére. „Az ember elég bonyolult rendszer” – fogalmazott Szalay. Ha kevesebb fejlesztés fut zsákutcába, és ritkábban kell visszatérni a tervezőasztalhoz, olyan betegségekre, kisebb betegcsoportoknak is megérheti gyógyszert fejleszteni, amelyekre korábban nem volt gazdaságos. A szimuláció ugyanakkor önmagában nem teszi feleslegessé a valós teszteket – hívta fel a figyelmet a Forma–1 példáján keresztül: még a jól ismert fizikai törvényekre épülő modellekből is kimaradhatnak olyan hatások, amelyek csak a pályán jelentkeznek. A biológiai modellek korlátait is figyelembe kell venni, vagyis az AI nem képes minden fizikai tesztet kiváltani.
AI-gyógyszer még nincs, segítség már van
Bogsch Erik, a Richter Gedeon biotechnológiai üzletágának igazgatója rámutatott: jelenleg nincs törzskönyvezett, AI által feltalált gyógyszer, de ilyen fejlesztések már eljutottak a harmadik klinikai fázisig. Az iparág ezért egyelőre inkább az emberi intelligenciát kiegészítő eszközként tekint a technológiára, vagyis az AI rövidítés ez esetben inkább Augmented Intelligence-t takar. A legnagyobb változást a szakember a klinikai vizsgálatokban várja: az AI rövidebb, fókuszáltabb vizsgálatokat segíthet tervezni, csökkentheti a rosszul felépített kutatásokból eredő kudarcokat, és ennek eredményeként a következő időszakban nagyságrendileg 35–45 százalékos klinikai költségcsökkenéssel lehet számolni.
Az alkalmazások már most túlmutatnak a molekulák keresésén: Bogsch szerint az AI-jal szűkíthető a preklinikai tesztek köre, és célzottabban tervezhetők az önkéntesek bevonásával zajló vizsgálatok. Egyes gyógyszercégek digitális ikrekkel is kísérleteznek, például annak modellezésére, hogy egy adott betegnek milyen kombinációs terápia lehet megfelelő. A gyorsabb és olcsóbb fejlesztés azonban önmagában nem oldja meg a hozzáférés problémáját: a korszerű kezelések elérhetőségében jelentős globális különbségek maradnak, és ezek mérséklésében a generikus és bioszimiláris gyógyszereknek továbbra is fontos szerepük lesz.
Európa ott versenyezzen, ahol van értelme
Szántó Zalán, a Pécsi Tudományegyetem egyetemi docense szerint Európának nem érdemes az amerikai és kínai ellátórendszerekkel a beavatkozások mennyiségében versenyeznie. Példaként egy sanghaji mellkassebészetet említett, ahol elmondása szerint évente a teljes magyarországi műtétszám hatszorosát végzik el. Az európai előnyt Szántó inkább az individuális betegellátásban látja: a beteg útjának, a beavatkozásnak és a műtét utáni időszaknak a következetes nyomon követésében. Az így keletkező, jó minőségű adatok a mesterséges intelligencia fejlesztésében is értékesek lehetnek.
A robotsebészet kapcsán hangsúlyozta: jelenleg korántsem önállóan operáló gépről van szó, minden mozdulatért a sebész felel. A pontos irányíthatóság és a részletes vizualizáció ugyanakkor az összetett esetekben is segítséget adhat, ami különösen fontos lehet immunterápia után, amikor a megváltozott szöveti környezet nehezebbé teheti a műtétet.
A panelrésztvevők érintették a korai diagnózis és a képalkotó, illetve véralapú vizsgálatok kombinálásának kérdését, az autoimmun és neurológiai betegségek kutatását, a nőgyógyászati ellátásban fennmaradó hiányosságokat, valamint az AI szerepét az ellátási láncokban és a betegekkel való kapcsolattartásban.
