Doniesienia Reutersa wskazują na wyraźne przyspieszenie inwestycji firm farmaceutycznych w rozwiązania oparte na sztucznej inteligencji, szczególnie w obszarze badań i rozwoju. AI jest prezentowana jako narzędzie zdolne skrócić czas odkrywania cząsteczek, optymalizować projektowanie badań klinicznych oraz ograniczać koszty całego procesu R&D.

W narracji branżowej dominują obietnice zwiększenia produktywności i poprawy skuteczności selekcji kandydatów na leki. W praktyce jednak skuteczność tych rozwiązań pozostaje zróżnicowana i silnie zależna od jakości danych, integracji z procesami decyzyjnymi oraz kompetencji zespołów.

Na znaczeniu zyskuje pojęcie „AI-enabled evidence”, które coraz częściej pojawia się w rozmowach z payerami i instytucjami HTA. Oczekuje się, że algorytmy będą nie tylko wspierać odkrywanie leków, ale również generować dane użyteczne w ocenie wartości klinicznej i ekonomicznej terapii.

Dla płatników publicznych i regulatorów kluczowe staje się rozróżnienie pomiędzy rzeczywistą poprawą efektywności a deklaratywnym wykorzystaniem AI jako elementu marketingowego. Presja na wykazanie mierzalnych korzyści będzie w 2026 roku narastać, szczególnie w kontekście rosnących kosztów innowacji.

Z perspektywy systemowej AI w R&D może przynieść korzyści tylko wtedy, gdy przełoży się na krótszy czas wejścia terapii na rynek lub wyraźnie wyższą skuteczność kliniczną. Bez takich efektów inwestycje w sztuczną inteligencję pozostaną kosztownym dodatkiem do istniejących procesów.

Dla autorów PDB temat ten wymaga stałej obserwacji i krytycznej analizy. Kluczowe pytanie brzmi nie „czy AI jest wykorzystywana”, lecz „gdzie faktycznie poprawia produktywność, a gdzie pełni jedynie funkcję narracyjną”.

Źródła:
– Reuters
– Financial Times
– Nature Biotechnology

Opracowanie redakcyjne: Debaty Zdrowie