Farmaceutický průmysl se ocitá na prahu transformace. S rozmachem umělé inteligence (AI) a strojového učení přichází naděje, že se vývoj nových léků stane rychlejším, levnějším a efektivnějším. Firmy i výzkumné týmy po celém světě investují miliardy do nástrojů, které mají odhalit nové molekuly, předvídat jejich účinky a eliminovat neúčinné látky ještě před klinickými testy.

Ale jak upozorňují vědci z kanadské Université Laval v článku pro The Conversation, AI není kouzelná hůlka. Výsledky mohou být působivé, ale jen za určitých podmínek. Pokud je AI nesprávně použita, může vývoj léků zpomalit, nikoli urychlit.

Jak AI pomáhá?

Umělá inteligence je nejčastěji využívána ve fázi zvané drug discovery – tedy v rané identifikaci potenciálně účinných látek. Modely umí procházet miliony molekul a předvídat, které z nich by mohly působit na určité biologické cíle. To, co by běžnému týmu trvalo měsíce, zvládne algoritmus za několik hodin.

AI dokáže také simulovat interakce mezi látkami a receptory, zpracovávat data z genomiky nebo automatizovat design klinických studií. Tím šetří čas i finance, které jsou ve farmaceutickém vývoji zásadní.

„V AI máme výkonný nástroj. Ale jeho efektivita závisí na tom, zda mu dáváme smysluplné vstupy,“ říká Éric Racine, profesor bioetiky a spoluautor článku.

Rizika a limity

Problémem je, že mnoho AI systémů v oblasti farmakologie je trénováno na nedokonalých nebo neúplných datech. Pokud model dostane špatně označené molekuly nebo zastaralé informace, jeho výstupy budou nepřesné. A v medicíně to může mít vážné důsledky.

„Garbage in, garbage out – pokud vstupní data nejsou kvalitní, model vám nedá nic užitečného,“ dodává Racine v rozhovoru pro The Conversation.

Navíc existuje nebezpečí přehnané důvěry v AI. Některé firmy i výzkumníci spoléhají na to, že AI sama navrhne kompletní léky. Ve skutečnosti je ale zapotřebí důkladná validace každého kroku, což zatím nemůže probíhat bez silného lidského dohledu.

Etika a transparentnost

Autoři článku upozorňují také na etická rizika. Například jak se budou sdílet data mezi institucemi? Kdo ponese odpovědnost, pokud model navrhne látku s nečekanými účinky? A jak zajistit, že výsledky jsou transparentní a reprodukovatelné, když většina AI modelů funguje jako tzv. „černé skříňky“?

„Musíme se naučit, jak AI chápat, auditovat a regulovat, jinak riskujeme víc, než získáme,“ uzavírá Racine.

 Závěr: AI jako nástroj, ne náhrada

Umělá inteligence má v lékařském výzkumu obrovský potenciál. Může urychlit vývoj léků, snižovat náklady a zlepšit přesnost předpovědí. Ale není to řešení samo o sobě. Funguje tehdy, když je zasazena do jasně řízeného a odpovědného systému, který kombinuje data, expertizu a klinickou praxi.

 Shrnutí:

• AI umí urychlit vývoj léků, ale jen při správném použití a kvalitních datech

• Výzkum upozorňuje na rizika „černých skříněk“ a chybějící transparenci

• Věda potřebuje kombinaci AI + lidské expertizy, nikoliv náhradu výzkumníků

• Etická a regulační otázky zůstávají klíčovou výzvou