Roches AI-satsning: ett nytt forskningscentrum är inte samma sak som ett autonomt labb

Roches och Genentechs nya forskningscentrum i Boston samlar kompetens inom läkemedelsforskning, klinisk utveckling, datavetenskap och AI. Men ett AI-inriktat forskningsnav är inte i sig ett bevis på att laboratorierna arbetar självständigt. Flera uppgifter om mål och resultat i Roches AI-strategi går inte heller att bekräfta med källorna som ligger till grund för den här artikeln.24

Det här visar Boston-centret

Roche och Genentech beskriver det nyöppnade Roche Genentech Innovation Center Boston som ett nav för forskning inom hjärt-kärlsjukdomar, njursjukdomar och ämnesomsättning. Där ska experter inom områdena arbeta tillsammans med team inom datavetenskap och AI för att driva utvecklingen av läkemedel.2

Centret omfattar omkring 8 800 kvadratmeter och är utformat för cirka 500 personer. Roche uppger att det samlar forskning och translationell biologi, klinisk utveckling och datavetenskap, inklusive AI, under samma tak.4 Företaget beskriver också hur forskare använder data och AI inom bland annat ögonsjukdomar, neurovetenskap, immunologi och cancerforskning.13

Sammantaget visar det att AI ingår i ett bredare forskningsarbete. Det visar däremot inte att AI självständigt bestämmer eller genomför laboratorieexperiment.

AI-stöd är inte automatiskt ett autonomt labb

Ett forskningscentrum kan använda AI-verktyg och låta beräkningsforskare arbeta nära laboratorie- och kliniska team utan att experimenten sker autonomt. För att slå fast att ett labb är självstyrande behövs mer konkreta uppgifter: vilka moment AI väljer eller kontrollerar, vilken mänsklig granskning som finns kvar och hur resultaten kontrolleras. Beskrivningarna av Boston-centret ger inte svar på de frågorna.24

Det är en viktig skillnad när man tolkar Roches bredare ambition om ”AI independence”, eller AI-oberoende. Källorna här stöder att AI används i Roches forskning, men visar inte att experiment genomförs utan direkt mänsklig tillsyn eller hur långt en sådan förmåga i så fall har utvecklats.

Flera rapporterade mål går inte att verifiera här

Underlaget för den här artikeln styrker inte specifika uppgifter om mål för Target Nexus, andelen beslut i forskningsportföljen där AI dokumenterat bidragit, framgångsgrader i fas III, besparingar på två miljarder schweizerfranc eller en ambition om upp till 20 nya läkemedelslanseringar senast 2030. De siffrorna bör därför inte betraktas som bekräftade av tillkännagivandena om Boston-centret eller Roches allmänna beskrivning av AI-användning.24

En uppgift om framgång i kliniska prövningar behöver också sättas i sammanhang: hur framgång definieras, vilken tidsperiod som avses och vilka studiedata som ligger bakom. Utan den informationen går det inte att dra slutsatsen att AI har förbättrat resultaten. Och ett mål för framtida lanseringar är en ambition – inte en garanti för godkännanden eller att läkemedel faktiskt når marknaden.

Vad utvecklingen kan innebära för läkemedelsforskningen

Om AI-system i framtiden kan föreslå experiment, hjälpa till att styra genomförandet och tolka resultaten i en återkommande process, skulle det kunna förändra hur forskargrupper arbetar med tidig läkemedelsutveckling. Men den möjligheten är inte detsamma som belägg för att arbetssättet redan har ökat produktiviteten eller förbättrat patienters hälsa.

Mer automatisering gör dessutom tydlig validering, säkerhetsrutiner i laboratoriet och mänskligt ansvar viktiga. Källorna beskriver en forskningsmiljö där AI ingår – inte att Roche har tagit bort mänsklig tillsyn från läkemedelsexperiment.24