Roche bruger AI i lægemiddelforskning – men er laboratorierne autonome?

Roche og Genentech har åbnet et forskningscenter i Boston, hvor lægemiddelforskning, klinisk udvikling, data science og kunstig intelligens samles. Men et forskningsmiljø med AI er ikke automatisk et autonomt laboratorium. De kilder, der er til rådighed her, dokumenterer heller ikke flere af de konkrete mål og tal, som er blevet knyttet til Roches AI-strategi.24

Hvad Boston-centret fortæller

Roche og Genentech beskriver Roche Genentech Innovation Center Boston som et samlingspunkt for forskning i hjerte-kar-, nyre- og stofskiftesygdomme. Centret skal bringe specialister inden for de områder sammen med teams inden for data science og AI for at understøtte udviklingen af lægemidler.2

Roche oplyser, at centret er på 95.000 kvadratfod og har plads til 500 medarbejdere. Her samles forskning i lægemiddelopdagelse og translationel biologi, klinisk udvikling samt data science, herunder kunstig intelligens.4

Roche beskriver også, hvordan forskere bruger data og AI i arbejde med blandt andet øjensygdomme, neurologi, immunologi og kræft.13 Det tegner et billede af AI som en del af en bredere forskningsindsats – ikke som dokumentation for, at AI selvstændigt leder eller udfører laboratorieforsøg.

AI-forskningscenter er ikke det samme som et autonomt laboratorium

Et forskningscenter kan bruge AI-værktøjer og samle beregningsspecialister med laboratorie- og kliniske teams uden at lade systemerne gennemføre forsøg på egen hånd. For at fastslå, at et laboratorium er autonomt, skal man vide, hvilke trin AI vælger eller styrer, hvor menneskelig kontrol fortsat indgår, og hvordan resultaterne bliver efterprøvet. Beskrivelserne af Boston-centret giver ikke de oplysninger.24

Det er en vigtig forskel, når man vurderer Roches bredere ambition om større AI-uafhængighed. De kilder, der er citeret her, viser, at AI indgår i Roches forskning, men de dokumenterer ikke, at forsøg gennemføres uden direkte menneskeligt tilsyn, eller hvor langt en sådan kapacitet i givet fald er nået.

Hvilke rapporterede mål er ikke bekræftet her?

De tilgængelige kilder underbygger ikke konkrete påstande om mål for Target Nexus, andelen af pipelinebeslutninger med dokumenteret AI-bidrag, succesrater i fase III, besparelser på 2 mia. schweizerfranc i forskning og udvikling eller et mål om op til 20 nye lægemidler på markedet inden 2030. Tallene kan derfor ikke betragtes som bekræftet af annonceringerne om Boston-centret eller Roches generelle beskrivelse af AI-brug, der er citeret her.

En rapporteret succesrate i kliniske forsøg kræver blandt andet en tydelig definition, en angivet tidsperiode og underliggende forsøgsdata, før den kan bruges som belæg for en ændring i resultaterne. Og et mål om lanceringer beskriver en ambition – ikke en garanti for godkendelser eller produkter på markedet.

Hvad kan udviklingen betyde for lægemiddelforskning?

Hvis AI-systemer på sigt kan hjælpe med at vælge forsøg, koordinere deres gennemførelse og fortolke resultater i en gentagen proces, kan det ændre måden, forskerhold organiserer den tidlige lægemiddeludvikling på. Men det er noget andet end dokumentation for, at metoden allerede har øget produktiviteten eller forbedret patienternes behandlingsresultater.

Jo mere automatiseret forskningen bliver, desto vigtigere bliver det også at kunne efterprøve resultaterne, beskytte laboratoriearbejdet og fastholde et tydeligt menneskeligt ansvar. De citerede kilder beskriver et forskningsmiljø, hvor AI indgår, men de viser ikke, at Roche har fjernet menneskelig kontrol fra lægemiddelforsøg.