Farmaceuten wenden zich tot AI om proeven en indieningen te versnellen
In dit artikel:
Kunstmatige intelligentie verandert vooral de arbeidsintensieve kanten van geneesmiddelenontwikkeling, ook al heeft ze nog niet het doorbraakmolecuul opgeleverd waar veel verwacht hadden, zo maakten leidinggevenden uit de sector duidelijk tijdens de JP Morgan Healthcare Conference in San Francisco (26 januari). Grote farmaceuten en kleinere biotechs rapporteren dat AI processen als proefwerving, locatieselectie en het opstellen van regelgevende documenten aanzienlijk versnelt — vaak met weken tot maanden tijdwinst — terwijl de zoektocht naar volledig nieuw, lifesaving-materiaal nog grotendeels mensenwerk blijft.
Waarom dit belangrijk is: het ontwikkelen van een nieuw geneesmiddel kost doorgaans rond de tien jaar en ongeveer 2 miljard dollar. Bedrijven zoals Eli Lilly (in samenwerking met chipmaker Nvidia), Novartis, GSK, AstraZeneca, Roche en Pfizer investeren daarom fors in AI-tools om opbrengst en efficiëntie te vergroten. Adviesbureau McKinsey schat dat autonoom werkende “agentic” AI de productiviteit van klinische ontwikkeling binnen vijf jaar met circa 35–45% kan verhogen.
Concreet gebruik en voorbeelden
- Novartis gebruikte AI bij een latefase cardiovasculaire studie met 14.000 deelnemers: locatieselectie die normaal vier tot zes weken kostte, werd teruggebracht tot een korte vergadering doordat AI beter presterende locaties identificeerde. Daardoor sloot de inschrijving vrijwel precies op het streefgetal. Novartis noemt AI “aanvullende intelligentie”.
- GSK combineerde digitale en AI-tools om handmatige data-aggregatie en proefwerving te verminderen, en mikte op een versnelling van 15% voor alle klinische proeven; dat leverde recent circa £8 miljoen aan besparingen op in latefase-studies voor een astmamedicijn.
- Genmab onderzoekt agentic AI (gestuurd door de Claude-chatbot van Anthropic) om post-trial analyse en het genereren van figuren, tabellen en klinische rapporten te automatiseren.
- ITM test AI die lange proefrapporten omzet naar FDA-sjablonen, wat weken werk kan schelen.
- Teva benadrukt dat de grootste winst zit in het efficiënter maken van “onspeelse” processen: alles rond het kerndoel — succesvol nieuwe medicijnen op de markt brengen — moet lean zijn.
Financiering en marktbeeld
Investeerders zoals Andreessen Horowitz richten zich op het “rommelige midden” van development: startups zoals Alleviate Health krijgen kapitaal voor AI-oplossingen die patiëntenvoorlichting, screening en planning verbeteren en zo de lekke trechter van proefrekrutering dichten. Analisten merken dat algemene administratieve toepassingen van grote taalmodellen (bijv. Microsoft Copilot) al gangbaar zijn, maar dat het twee à drie jaar kan duren voordat beleggers concreet het effect op ontwikkelsnelheid en rendement kunnen doorrekenen.
Samenvattend: AI levert momenteel vooral operationele en administratieve winsten in de farmasector en begint aantoonbare tijdbesparingen op te leveren in klinische programma’s. De beloofde doorbraakmoleculen zouden echter pas later zichtbaar kunnen zijn — mogelijk al in bestaande pijplijnen volgens enkele onderzoeksleiders.