Διαχείριση
Είσοδος διαχειριστή Ειδοποιήσεις

Κυριακή 22 Νοεμβρίου 2026

Τεχνητή νοημοσύνη: Από 8 σε 3 οι κύκλοι δοκιμών για νέα φάρμακα – Επανάσταση στη φαρμακευτική έρευνα

Η τεχνητή νοημοσύνη (AI) αρχίζει πλέον να αλλάζει ουσιαστικά τον τρόπο με τον οποίο ανακαλύπτονται και αναπτύσσονται νέα φάρμακα. Δεν περιορίζεται στην ανάλυση δεδομένων ή στην αυτοματοποίηση διοικητικών διαδικασιών, αλλά συμμετέχει ενεργά στον σχεδιασμό νέων μορίων, στην επιλογή των καταλληλότερων υποψηφίων και στην πρόβλεψη πιθανών προβλημάτων ασφάλειας.

Όπως αποκαλύπτει δημοσίευμα του HealthPharma, βασισμένο σε εκτενές ρεπορτάζ του Reuters, μεγάλες φαρμακοβιομηχανίες καταγράφουν ήδη εντυπωσιακή επιτάχυνση σε συγκεκριμένα στάδια της φαρμακευτικής έρευνας.

Το χαρακτηριστικότερο παράδειγμα προέρχεται από τη Novo Nordisk, η οποία αναφέρει ότι με τη βοήθεια της AI μείωσε τους κύκλους σχεδιασμού, παρασκευής και δοκιμών νέων μορίων από οκτώ σε μόλις τρεις.

Novo Nordisk: Από 8 κύκλους δοκιμών σε μόλις 3

Σύμφωνα με τα στοιχεία που παρουσιάστηκαν, η Novo Nordisk έχει πετύχει δύο σημαντικές βελτιώσεις σε συγκεκριμένες διαδικασίες ανάπτυξης νέων μορίων:

  • Μείωση των επαναληπτικών κύκλων από 8 σε 3, δηλαδή κατά 62,5%.

  • Μείωση της διάρκειας κάθε κύκλου από 8 σε 4 εβδομάδες, περιορίζοντας στο μισό τον απαιτούμενο χρόνο ανά επανάληψη.

Στην παραδοσιακή διαδικασία, οι επιστήμονες σχεδιάζουν ένα...

.... υποψήφιο μόριο, το παρασκευάζουν, το δοκιμάζουν εργαστηριακά και αξιολογούν τα αποτελέσματα. Στη συνέχεια τροποποιούν τη δομή του και επαναλαμβάνουν τη διαδικασία, συχνά πολλές φορές, μέχρι να προκύψει ένας επαρκώς υποσχόμενος υποψήφιος παράγοντας.

Η τεχνητή νοημοσύνη επιτρέπει την πρόβλεψη ιδιοτήτων και την αξιολόγηση περισσότερων εναλλακτικών μοριακών δομών πριν από κάθε νέο κύκλο πειραμάτων.

Έτσι, οι ερευνητές μπορούν να επικεντρώνονται νωρίτερα στις πιθανότερα κατάλληλες επιλογές, μειώνοντας τις περιττές επαναλήψεις χωρίς να καταργούνται οι αναγκαίοι εργαστηριακοί έλεγχοι.

Novartis: Από τα 3 χρόνια στους 18–24 μήνες

Αντίστοιχη πρόοδο καταγράφει η Novartis.

Η εταιρεία αναφέρει ότι ο μέσος χρόνος από την έναρξη ενός ερευνητικού προγράμματος έως την επιλογή υποψήφιου φαρμάκου έχει περιοριστεί από περίπου τρία χρόνια σε 18 έως 24 μήνες.

Η βελτίωση συνδέεται με την αξιοποίηση μεγάλων συνόλων πειραματικών δεδομένων, τη γενετική χημεία υποβοηθούμενη από AI και την ταχύτερη αναγνώριση υποσχόμενων θεραπευτικών στόχων.

Η τεχνολογία επιτρέπει επίσης τον εντοπισμό πιθανών ζητημάτων τοξικότητας σε πρωιμότερο στάδιο, ώστε οι ερευνητικές ομάδες να αποφεύγουν την περαιτέρω ανάπτυξη μορίων με μικρές πιθανότητες επιτυχίας.

Μεγάλες φαρμακοβιομηχανίες επενδύουν στην AI

Η αλλαγή δεν περιορίζεται στη Novo Nordisk και τη Novartis.

Όπως επισημαίνει το HealthPharma, εταιρείες όπως οι AstraZeneca, Sanofi, GSK, Bristol Myers Squibb και Eli Lilly χρησιμοποιούν συστήματα τεχνητής νοημοσύνης σε διαφορετικά στάδια της έρευνας και ανάπτυξης.

Οι εφαρμογές περιλαμβάνουν τον σχεδιασμό νέων χημικών ενώσεων, την πρόβλεψη φαρμακολογικής δραστικότητας, την αξιολόγηση πιθανών ανεπιθύμητων ενεργειών και την επιλογή υποψηφίων που αξίζει να περάσουν στο επόμενο ερευνητικό στάδιο.

Η Sanofi εκτιμά ότι η τεχνητή νοημοσύνη θα μπορούσε να περιορίσει τη διάρκεια των πρώιμων σταδίων ανακάλυψης κατά 20–25% μέσα στα επόμενα δύο χρόνια και ενδεχομένως έως 50% σε ορίζοντα πενταετίας.

Πρόκειται για εκτίμηση της εταιρείας και όχι για αποτέλεσμα που έχει ήδη επιτευχθεί στο σύνολο των ερευνητικών της προγραμμάτων.

129 υποψήφια φάρμακα με τη συμβολή AI βρίσκονταν ήδη σε κλινικές δοκιμές

Σύμφωνα με τα στοιχεία που παρουσιάζει το HealthPharma, τον Μάρτιο του 2026 είχαν καταγραφεί 129 υποψήφια φάρμακα από 69 εταιρείες σε κλινικές δοκιμές, στην ανάπτυξη των οποίων είχε συμβάλει η τεχνητή νοημοσύνη.

Ο αριθμός αυτός είχε αυξηθεί από περίπου 117 υποψήφια φάρμακα οκτώ μήνες νωρίτερα.

Παρά την πρόοδο στην ανακάλυψη και στον αρχικό σχεδιασμό, τα περισσότερα σχετικά προγράμματα βρίσκονται ακόμη σε πρώιμα στάδια ανάπτυξης.

Σημαίνει αυτό ότι τα νέα φάρμακα θα κυκλοφορούν πολύ γρηγορότερα;

Εδώ βρίσκεται ίσως το σημαντικότερο ερώτημα.

Η ανάπτυξη ενός νέου φαρμάκου εξακολουθεί να απαιτεί, σε πολλές περιπτώσεις, 10 έως 15 χρόνια, από τα πρώτα ερευνητικά στάδια έως την κυκλοφορία του στην αγορά.

Ακόμη και εάν η AI επιταχύνει θεαματικά την ανακάλυψη ενός μορίου, παραμένουν απαραίτητες οι προκλινικές αξιολογήσεις, οι κλινικές μελέτες σε ανθρώπους και οι έλεγχοι ασφάλειας, αποτελεσματικότητας και ποιότητας από τις αρμόδιες ρυθμιστικές αρχές.

Επιπλέον, δεν έχει ακόμη αποδειχθεί ότι τα υποψήφια φάρμακα που αναπτύσσονται με τη συμβολή της AI παρουσιάζουν συνολικά υψηλότερα ποσοστά επιτυχίας στις κλινικές δοκιμές.

Επομένως, η σημαντική μείωση των κύκλων σχεδιασμού δεν ισοδυναμεί με αντίστοιχη μείωση του συνολικού χρόνου μέχρι την έγκριση ενός φαρμάκου.

Μια νέα εποχή για τη φαρμακευτική επιστήμη

Η δυνατότητα ταχύτερης ανακάλυψης και βελτιστοποίησης νέων μορίων αποτελεί μια από τις πιο ενδιαφέρουσες τεχνολογικές εξελίξεις στη σύγχρονη φαρμακολογία.

Αν η επιτάχυνση των πρώιμων σταδίων συνοδευτεί μελλοντικά από καλύτερη επιλογή υποψηφίων και υψηλότερη επιτυχία στις κλινικές δοκιμές, θα μπορούσε να συμβάλει στη μείωση του κόστους έρευνας και στην ταχύτερη ανάπτυξη καινοτόμων θεραπειών.

Για τους φαρμακοποιούς, η εξέλιξη αυτή έχει ιδιαίτερο επιστημονικό ενδιαφέρον, καθώς αναδεικνύει τον τρόπο με τον οποίο η τεχνητή νοημοσύνη αρχίζει να μετασχηματίζει ολόκληρο τον κύκλο ζωής ενός φαρμάκου.

Το σημαντικό δεν είναι ότι η AI αντικαθιστά τους επιστήμονες ή τα πειράματα, αλλά ότι τους επιτρέπει να λαμβάνουν καλύτερα τεκμηριωμένες αποφάσεις με λιγότερες επαναλήψεις και σε μικρότερο χρόνο.


Πηγή της είδησης: HealthPharma – «Από 8 κύκλους δοκιμών σε 3: Πώς η ΑΙ αλλάζει τον σχεδιασμό φαρμάκων», Κοσμάς Ζακυνθινός, 21/11/2026.

Αρχικό διεθνές ρεπορτάζ: Reuters – Big Pharma says AI is shrinking drug discovery timelines, 20/11/2026.


Κοινοποίηση: