Podsumowanie
Terapeutyki „w pełni wygenerowane przez AI” (de novo) znajdują się obecnie wyraźnie w fazie badań klinicznych, jednak najbardziej rygorystyczne publiczne dowody wciąż dotyczą wczesnego i średniego etapu rozwoju klinicznego, a nie zakończonych badań późnej fazy. Najsilniejszym recenzowanym klinicznym proof-of-concept według stanu na maj 2026 r. jest rentosertib (wcześniej ISM001-055 / INS018_055) firmy Insilico Medicine, dla którego wyniki zrandomizowanego badania fazy 2a w samoistnym włóknieniu płuc (IPF) opublikowano w Nature Medicine (online 3 czerwca 2025 r.).[1]
Równolegle wiele programów zaprojektowanych przy użyciu platform generatywnej AI weszło w fazę 1 (na przykład pierwszy lek Isomorphic Labs zaprojektowany przez AI w Wielkiej Brytanii oraz ABS-101 firmy Absci) lub przeszło do badań kluczowych (na przykład GB-0895 firmy Generate:Biomedicines z planowanymi globalnymi badaniami fazy 3 oraz MDR-001 firmy MindRank, gdzie podano dawkę pierwszemu pacjentowi w fazie 3 w Chinach).[2–5]
Stan wiedzy i technologii
W praktyce określenie „zaprojektowany przez AI” może odnosić się do różnych wkładów technicznych na ścieżce od wyboru celu po optymalizację związku wiodącego i inżynierię cząsteczek. Na przykład Insilico opisuje proces typu end-to-end, w którym najpierw zidentyfikowano cel dla IPF przy użyciu silnika PandaOmics, a następnie zaprojektowano i zoptymalizowano małą cząsteczkę za pomocą silnika chemii generatywnej Chemistry42.[6]
Odrębną, coraz ważniejszą kompetencją jest wysokoprecyzyjne modelowanie kształtów i oddziaływań białek. Publiczne doniesienia dotyczące pierwszego leku Isomorphic Labs zaprojektowanego przez AI wyraźnie przedstawiają te działania jako napędzane przez AlphaFold 3, opisany jako narzędzie, które może „dokładnie przewidywać kształt białek i sposób ich interakcji z innymi cząsteczkami”.[2]
W obszarze leków biologicznych metody generowania białek de novo wykazują kontrolę nad wiązaniem na poziomie atomowym. Raport z 2026 r. opisuje połączenie dostrojonej sieci RFdiffusion2 z badaniami przesiewowymi typu yeast display w celu generowania formatów przeciwciał (VHHs, scFvs i pełnych przeciwciał), które wiążą się z określonymi przez użytkownika epitopami „z precyzją na poziomie atomowym”, przy czym potwierdzenie pozycji wiązania metodą cryo-EM oraz dojrzewanie powinowactwa pozwoliło uzyskać wiązania o powinowactwie w zakresie jednocyfrowych nanomoli przy jednoczesnym zachowaniu selektywności epitopowej.[7]
Dowody kliniczne
Poniższa tabela podsumowuje niewielki zestaw programów de novo, zaprojektowanych przez generatywną AI, z wyraźnymi, udokumentowanymi kamieniami milowymi w dostarczonym zbiorze danych.
Najbardziej zaawansowane w recenzowanych wynikach klinicznych
Najbardziej szczegółowym i recenzowanym sygnałem klinicznym w zbiorze danych jest rentosertib firmy Insilico w IPF. Opublikowany raport opisuje „pierwsze wieloośrodkowe, prowadzone metodą podwójnie ślepej próby, zrandomizowane badanie fazy 2a kontrolowane placebo” testujące rentosertib (wcześniej ISM001-055), scharakteryzowany jako „pierwszy w swojej klasie (first-in-class) wygenerowany przez AI małocząsteczkowy inhibitor TNIK”, przy czym TNIK opisano jako „pierwszy w swojej klasie cel w samoistnym włóknieniu płuc (IPF) odkryty przy użyciu generatywnej AI”.[1]
Skuteczność raportowano jako zmianę natężonej pojemności życiowej (FVC), przy czym w ramieniu o najwyższej dawce odnotowano średnią zmianę o mL (95% CI 10.9 do 185.9) w grupie przyjmującej 60 mg raz na dobę w porównaniu do mL (95% CI −116.1 to 75.6) w grupie placebo.[1] Komplementarne komunikaty dotyczące tego samego programu fazy 2a opisują osiągnięcie pierwszorzędowego punktu końcowego w zakresie bezpieczeństwa i tolerancji na wszystkich poziomach dawek oraz raportują zależną od dawki poprawę FVC w drugorzędowym punkcie końcowym.[12]
Osobno firma Insilico poinformowała również o postępach regulacyjnych dla postaci podawanej bezpośrednio do płuc: roztwór do inhalacji rentosertib otrzymał zatwierdzenie wniosku IND wspierające badanie fazy 1 oceniające bezpieczeństwo, tolerancję i farmakokinetykę.[13]
Kolejna fala projektów
Poza rentosertibem wiele organizacji publicznie opisuje obecnie badania u ludzi kandydatów zaprojektowanych przez AI.
Isomorphic Labs (Alphabet) ogłosiło rozpoczęcie badań na ludziach swojego pierwszego leku zaprojektowanego przez AI, stwierdzając, że badanie fazy 1 trwa w Wielkiej Brytanii i skupi się na bezpieczeństwie oraz tolerancji u zdrowych ochotników, a projekt określany jest jako napędzany przez AlphaFold 3.[2]
Generate:Biomedicines ujawniła zarówno wczesne dane kliniczne, jak i plany dotyczące późnych etapów rozwoju. W przypadku GB-0669 (przeciwciało neutralizujące SARS-CoV-2) dane z pierwszego podania u ludzi opisywały tolerancję w fazie 1 bez toksyczności ograniczających dawkę lub poważnych zdarzeń niepożądanych oraz raportowały wskaźniki neutralizacji (na przykład indeks neutralizacji 15 przy 1200 mg).[11] W przypadku GB-0895 (anty-TSLP) firma ogłosiła plany rozpoczęcia dwóch globalnych badań fazy 3 (SOLAIRIA-1 i SOLAIRIA-2), opisując schemat dawkowania (300 mg podskórnie co sześć miesięcy) oraz 52-tygodniowy projekt z pierwszorzędowym punktem końcowym powiązanym z rocznym wskaźnikiem zaostrzeń astmy.[4, 10]
Absci wprowadziła do badań klinicznych wiele przeciwciał opracowanych przez AI. Firma poinformowała o podaniu dawki pierwszym zdrowym ochotnikom w badaniu fazy 1 leku ABS-101, przeciwciała anty-TL1A opracowanego przy użyciu jej platformy generatywnej AI.[3] Doniosła również o podaniu dawki pierwszym zdrowym ochotnikom w badaniu fazy 1/2a HEADLINE dla ABS-201 (anty-PRLR) i stwierdziła, że dane okresowe spodziewane są w drugiej połowie 2026 r.[14]
Weryfikacja rzeczywistości
Po pierwsze, obecność „w klinice” nie oznacza „potwierdzenia klinicznego”. Najwyraźniejszy sygnał skuteczności w zbiorze danych (zmiana FVC dla rentosertibu w fazie 2a) jest nadal wynikiem fazy 2a i jest wyraźnie przedstawiany jako wymagający dalszych badań w ramach większych i dłuższych prób.[15]
Po drugie, nawet gdy programy docierają do badań kluczowych, zazwyczaj odzwierciedla to przejście do dłuższych testów potwierdzających, a nie ich zakończenie. Na przykład program fazy 3 w astmie dla GB-0895 jest opisywany jako planowane rozpoczęcie i określa 52-tygodniowy projekt kontrolowany placebo, co sugeruje, że wyniki pojawią się dopiero po znacznym okresie obserwacji i analizie.[4, 10] Podobnie informacja o MDR-001 firmy MindRank dotyczy podania dawki pierwszemu pacjentowi w fazie 3, co jest kamieniem milowym rozpoczęcia badania, a nie odczytem punktów końcowych.[5]
Po trzecie, termin „zaprojektowany przez AI” pozostaje niejednorodny w zależności od modalności i firm. Niektóre programy kładą nacisk na procesy generatywne typu end-to-end zarówno dla celu, jak i cząsteczki (jak opisano w przypadku odkrycia celu i inhibitora wygenerowanego przez AI dla rentosertibu), podczas gdy inne podkreślają przewidywanie struktury (działania oparte na AlphaFold) lub generowanie białek/przeciwciał de novo (podejścia oparte na RFdiffusion).[1, 2, 7]
Na co zwrócić uwagę
Najbliższym pytaniem naukowym jest to, czy sygnał z fazy 2a zaobserwowany dla rentosertibu — zwłaszcza zmiana FVC powiązana z dawką — zostanie powtórzony w większych i dłuższych badaniach w IPF, schorzeniu, w którym spadek funkcji płuc jest istotny klinicznie i trudny do odwrócenia.[1]
Najbliższym pytaniem z zakresu medycyny translacyjnej jest to, czy przeciwciała opracowane przez AI, takie jak GB-0895, mogą przełożyć długo działającą farmakokinetykę i supresję biomarkerów z fazy 1 na istotną klinicznie redukcję zaostrzeń w ciągu rocznego badania fazy 3.[4, 10] Wreszcie, w miarę jak coraz więcej kandydatów wchodzi w fazę 1 (w tym te opisane przez Isomorphic Labs i Absci), dziedzina ta będzie oceniana rzadziej na podstawie twierdzeń o szybkości projektowania, a częściej na podstawie właściwości klinicznych, do których pomiaru badania wczesnej fazy są wyraźnie zaprojektowane: bezpieczeństwa, tolerancji, farmakokinetyki oraz — w późniejszym czasie — zweryfikowanych punktów końcowych skuteczności.[2, 3]
