Eerste door AI ontworpen medicijn bijna goedgekeurd – is het betrouwbaar?

Al tientallen jaren is de ontwikkeling van nieuwe medicijnen een van de traagste, duurste en meest mislukkingsgevoelige processen in de moderne wetenschap. Met kunstmatige intelligentie kan die bottleneck echter worden doorbroken. Een experimenteel medicijn dat grotendeels door AI is ontworpen, is nu in recordtempo de laatste fase van de proeven ingegaan en ligt op koers om het eerste door AI ontworpen medicijn te worden dat voor gebruik bij mensen is goedgekeurd. Sommigen noemen het een medische doorbraak, terwijl anderen het zien als een verontrustende shortcut die deugdelijk medisch inzicht vervangt door machine-gebaseerde optimalisatie.

AI ontwerpt een nieuw medicijn

Het medicijn dat bijna goedgekeurd wordt, is ontwikkeld door Insilico Medicine, een op AI gericht biotechbedrijf dat machine learning-modellen gebruikt om ziektedoelen te identificeren en potentiële verbindingen voor de behandeling ervan te genereren. Het doelwit van het nieuwe medicijn is idiopathische longfibrose (IPF) – een dodelijke longziekte waaraan jaarlijks ongeveer 40.000 Amerikanen overlijden en waarvoor geen genezing bekend is. Het is ongelooflijk dat de ontwikkeling nu in minder dan twee jaar tijd is gevorderd van het ontdekken van het doelwit tot proeven op mensen, schrijft G. Calder.

Om dat in context te plaatsen: bij conventionele geneesmiddelenontdekking duurt het doorgaans ongeveer 5 jaar voordat er proeven op mensen plaatsvinden, gevolgd door nog eens 6-8 jaar van klinische tests en beoordeling door regelgevende instanties. Van begin tot eind duurt het bij de meeste geneesmiddelen 10 tot 15 jaar, met een geschat percentage mislukkingen van 90% zodra de proeven op mensen beginnen.

AI kan de vroege ontdekkingsfase – het traagste en duurste deel – drastisch verkorten. Het proces van Insilico vervangt jaren van laboratoriumiteraties door algoritmische screening van miljoenen moleculaire structuren, het voorspellen van toxiciteit, het simuleren van eiwitvouwing en het voorstellen van kandidaatverbindingen in een kwestie van weken in plaats van jaren.

Hoe het proces wordt versneld

Traditionele geneesmiddelenontwikkeling is gebaseerd op langzaam iteratief laboratoriumwerk: hypothese, experiment, mislukking, herziening. AI-systemen omzeilen dit door te trainen op enorme datasets van chemische structuren, biologische routes en historische testresultaten. Hierdoor kunnen onderzoekers onwaarschijnlijke kandidaten direct afwijzen en hun middelen concentreren op verbindingen met de hoogste voorspelde slagingspercentages.

Simpel gezegd begrijpt AI de biologie niet, maar herkent het patronen op grote schaal. Het kan miljoenen theoretische moleculen digitaal testen voordat een menselijke chemicus er ook maar één synthetiseert.

Deze efficiëntie betekent dat farmaceutische bedrijven hun ontwikkelingskosten met 30-70% kunnen verlagen, en dat is waarom er nu zoveel durfkapitaal in de sector wordt geïnvesteerd. Volgens schattingen is er de afgelopen vijf jaar wereldwijd meer dan 60 miljard dollar geïnvesteerd in AI-biotech-startups, waarbij grote farmaceutische bedrijven samenwerken of zelf investeren om niet achter te blijven.

Een optimistische visie

Er zijn oprechte humanitaire argumenten voor door AI versnelde geneesmiddelen. Zeldzame ziekten, verwaarloosde aandoeningen of ziekten met een kleine patiëntenpopulatie zijn altijd commercieel onaantrekkelijk geweest. Door de ontwikkeling sneller en goedkoper te maken met behulp van AI, kunnen onhaalbare behandelingen eindelijk realistisch worden. Er is ook de mogelijkheid om gepersonaliseerde geneeskunde te creëren, waarbij behandelingen worden afgestemd op genetische profielen op manieren die door menselijk onderzoek niet kunnen of willen worden onderzocht.

Een belangrijke verduidelijking hierbij is dat door AI ontworpen geneesmiddelen nog steeds op mensen worden getest. Regelgevende instanties hebben geen afwijkingen van veiligheidsnormen toegestaan en klinische proeven blijven verplicht. Daarom benadrukt een positief vooruitzicht dat AI het wetenschappelijk oordeel niet vervangt, maar eerder aanvult met snelle trial-and-error. Snellere ontdekkingen betekenen niet automatisch lagere normen.

Dus, wat is het probleem?

De zorg ligt niet zozeer in de snelheid zelf, maar meer in wat die snelheid verdringt. AI-systemen werken vaak als black boxes, die effectieve resultaten opleveren, maar geen duidelijke uitleg geven over de causale redenering. In veel sectoren is die ondoorzichtigheid geen groot probleem. In de geneeskunde wel.

Precies weten hoe en waarom een medicijn werkt, is cruciaal om bijwerkingen, langetermijnrisico’s en interacties met andere behandelingen te kunnen voorspellen. Als de ontwikkelingstermijnen drastisch worden verkort, is er minder ruimte voor verkennend wetenschappelijk onderzoek – het langzame, vaak onduidelijke werk door mensen dat conceptueel inzicht oplevert in plaats van statistische zekerheid. Wat gebeurt er als regelgevende instanties medicijnen goedkeuren die goed hebben gepresteerd in proeven, maar waarvan de werking nog maar gedeeltelijk wordt begrepen?

AI heeft een zorgwekkende staat van dienst buiten de farmaceutische industrie

De afgelopen jaren hebben AI-systemen herhaaldelijk aangetoond dat ze de neiging hebben om betrouwbare maar onjuiste resultaten te genereren – een concept dat we in dit artikel nader hebben onderzocht. Grote taalmodellen verzinnen technische details en citaten; beeldherkenningstools classificeren objecten in veiligheidskritische omgevingen verkeerd; geautomatiseerde beslissingssoftware blijft vooroordelen in de politiek en daarbuiten versterken.

Deze mislukkingen betekenen niet dat er kwaadwillige bedoelingen aan ten grondslag liggen, maar ze wijzen wel op structurele beperkingen.

AI-modellen zijn geoptimaliseerd voor waarschijnlijkheid in plaats van waarheid. Ze presteren het beste in omgevingen waar patronen stabiel en herkenbaar zijn en de gevolgen omkeerbaar zijn. Biologie is geen van deze dingen. Fouten in de ontwikkeling van geneesmiddelen – verkeerde inschattingen van toxiciteit, bijwerkingen of langetermijninteracties – zijn kostbaar, onomkeerbaar en soms dodelijk.

Het inruilen van snelheid voor veiligheid heeft eerder een averechts effect gehad

De medische geschiedenis biedt duidelijke waarschuwingen. Enkele van de meest beruchte medicijnrampen in de 20^e eeuw vonden plaats binnen volledig door mensen geleide systemen die hun eigen wetenschappelijke normen volgden. Thalidomide, een van de bekendste voorbeelden, werd eind jaren vijftig in meerdere landen goedgekeurd en doorstond alle vereiste tests voordat het catastrofale geboorteafwijkingen veroorzaakte. De waarborgen die nu de ontwikkeling van geneesmiddelen vertragen, zijn ingesteld als reactie op dergelijke mislukkingen.

De zorg is niet dat AI meer slechte geneesmiddelen zal produceren, maar dat het slechte geneesmiddelen sneller en op grotere schaal zou kunnen produceren, nog voordat institutionele veiligheidsmaatregelen zich kunnen aanpassen.

Het precedent

Als de door Insilico met AI ontworpen IPF-behandeling wordt goedgekeurd, zou dat een krachtig precedent scheppen. Plotseling zou het idee dat geneesmiddelen sneller kunnen worden geproduceerd dan wetenschappers ze volledig kunnen begrijpen, genormaliseerd raken, en na verloop van tijd zou dat ook diagnostiek, behandelprotocollen en het ontwerp van klinische proeven kunnen veranderen.

De uitdaging voor regelgevers en de samenleving is nu om te beslissen hoeveel ondoorzichtigheid ze kunnen inruilen voor snelheid. Vertrouwen in de geneeskunde moet op meer dan alleen resultaten berusten – vertrouwen in het proces is ook van cruciaal belang.

Laatste gedachte

Patiënten die lange tijd onderbediend zijn door traditionele onderzoeksmodellen – omdat hun ziekte economisch gezien niet rendabel is om te genezen – kunnen hoop krijgen als door AI ontworpen medicijnen succesvol zijn. Maar de belofte van snelheid mag de risico’s van het vervangen van begrip door optimalisatie niet verhullen. De gevolgen van fouten zijn in de geneeskunde ingrijpend, en trage ontwikkeling heeft in zekere zin bescherming geboden tegen dergelijke risico’s. Nu AI ontdekkingen versnelt, hoe kunnen we dan ervoor zorgen dat de vooruitgang niet verder gaat dan de veiligheidsmaatregelen die ons allemaal beschermen?

Vind je het belangrijk dat er nog onafhankelijke berichtgeving bestaat die niet wordt gestuurd door grote belangen? Met jouw steun kunnen we blijven schrijven en onderzoeken. Klik hieronder en draag bij aan het voortbestaan van Frontnieuws.

Copyright © 2026 vertaling door Frontnieuws. Toestemming tot gehele of gedeeltelijke herdruk wordt graag verleend, mits volledige creditering en een directe link worden gegeven.

Zal AI de menselijke intelligentie overtreffen? Als u na de lezing goed kunt slapen, heeft u hem niet begrepen

Volg Frontnieuws op 𝕏 Volg Frontnieuws op Telegram

Lees meer over: