Iparág

Mesterséges intelligenciával generált szöveg

A mesterséges intelligencia csökkentheti a gyógyszerfejlesztés és a klinikai vizsgálatok költségeit

A Portfolio Deep Tech 2026 konferencia egészségipari paneljén szakértők vitatták meg a mesterséges intelligencia gyógyszerfejlesztési és betegellátási lehetőségeit.

A mesterséges intelligencia csökkentheti a gyógyszerfejlesztés és a klinikai vizsgálatok költségeit

A mesterséges intelligencia mérsékelheti a gyógyszerfejlesztés költségeit, és segíthet célzottabb klinikai vizsgálatok, valamint személyre szabottabb ellátás kialakításában. A Portfolio Deep Tech 2026 konferencia egészségipari paneljének résztvevői ugyanakkor arra is rámutattak, hogy a technológia önmagában nem oldja meg a korszerű kezelésekhez való hozzáférés egyenlőtlenségeit.

Kevesebb zsákutca a kutatásban

Szalay Kristóf, a Turbine alapítója szerint egy gyógyszer kifejlesztése mintegy kétmilliárd dollárba kerülhet. A sikeres termékeknek nemcsak a saját előállításuk, hanem a kutatás-fejlesztés és az időközben elbukó gyógyszerjelöltek költségeit is ki kell termelniük. Hatékonyabb módszerek hiányában ez a teher tovább nőhet.

A Turbine abból a feltevésből indult ki, hogy az AI segíthet megérteni az összetett biológiai rendszereket. Ha a fejlesztések ritkábban jutnak zsákutcába, és kevesebbszer kell újratervezni őket, akkor kisebb betegcsoportok számára is gazdaságossá válhat olyan gyógyszerek fejlesztése, amelyek korábban nem értek volna meg befektetést.

Szalay ugyanakkor hangsúlyozta, hogy a szimuláció nem váltja ki automatikusan a valós teszteket. A Forma–1 példájával érzékeltette a modellek korlátait: még a jól ismert fizikai törvényekre épülő számításokból is kimaradhatnak olyan hatások, amelyek csak a pályán jelentkeznek. A biológiai modellek esetében is számolni kell hasonló korlátokkal.

Célzottabb klinikai vizsgálatok

Bogsch Erik, a Richter Gedeon biotechnológiai üzletágának igazgatója szerint jelenleg nincs törzskönyvezett, AI által feltalált gyógyszer, bár ilyen fejlesztések már eljutottak a klinikai vizsgálatok harmadik fázisáig. Az iparág egyelőre inkább az emberi intelligenciát kiegészítő eszközként tekint a technológiára.

Bogsch a klinikai vizsgálatokban várja a legnagyobb változást. Az AI segíthet rövidebb és összpontosítottabb vizsgálatokat tervezni, valamint csökkentheti a hibás kutatási tervből eredő kudarcokat. Becslése szerint a klinikai költségek a következő időszakban nagyságrendileg 35–45 százalékkal csökkenhetnek.

Az alkalmazás nem korlátozódik az új molekulák keresésére: a technológia szűkítheti a preklinikai tesztek körét, és segítheti az önkéntesek bevonásával zajló vizsgálatok tervezését. Egyes gyógyszercégek digitális ikrekkel is kísérleteznek, például annak modellezésére, hogy egy adott betegnek melyik kombinációs terápia lehet megfelelő.

A gyorsabb és olcsóbb fejlesztés azonban nem garantálja, hogy minden beteg hozzáfér a korszerű kezelésekhez. A panelen elhangzott: a globális különbségek mérséklésében továbbra is fontos szerep juthat a generikus és bioszimiláris gyógyszereknek.

Európa és a személyre szabott ellátás

Szántó Zalán, a Pécsi Tudományegyetem egyetemi docense szerint Európának nem a beavatkozások mennyiségében érdemes versenyeznie az amerikai és kínai ellátórendszerekkel. Példaként egy sanghaji mellkassebészetet említett, ahol elmondása szerint évente a teljes magyarországi műtétszám hatszorosát végzik el.

Az európai előnyt inkább az egyéni betegellátásban látja: a betegút, a beavatkozás és a műtét utáni időszak következetes nyomon követésében. Az így keletkező jó minőségű adatok az AI fejlesztéséhez is értékesek lehetnek.

A mellkassebész kitért a robotsebészetre is. Mint hangsúlyozta, a robot jelenleg nem önállóan operál, minden mozdulatért a sebész felel. A pontos irányítás és a részletes vizualizáció ugyanakkor összetett esetekben is segítséget adhat, különösen immunterápia után, amikor a megváltozott szöveti környezet nehezítheti a műtétet.

A beszélgetés érintette a korai diagnózist és a képalkotó, illetve véralapú vizsgálatok kombinálását, az autoimmun és neurológiai betegségek kutatását, valamint a nőgyógyászati ellátásban fennmaradó hiányosságokat is. A résztvevők az AI ellátási láncokban és betegekkel való kapcsolattartásban betöltött szerepéről is beszéltek. A panelt Baranyi Márton, a Portfolio Csoport projektvezetője moderálta.