Jeden úkol vyžaduje několik odborností
Navrhnout léčbu neznamená pouze vybrat molekulu, která vypadá zajímavě. Je nutné posoudit vhodný biologický cíl, rozdíly mezi zdravými a nemocnými tkáněmi, bezpečnost i to, jak by se účinek ověřoval u lidí.
Tyto informace vznikají v různých oborech a používají různé metody. Jejich propojení představuje samostatnou výzkumnou práci, při níž může být problémem i množství dostupných podkladů.
Virtual Biotech, popsaný v Science v září 2026, řeší tuto situaci uspořádáním AI agentů do specializovaných rolí. Systém je veden lidmi a organizačně připomíná firmu s odděleními pro různé fáze vývoje.
Tisíce agentů nebyly tisíce nezávislých vědců
Autoři využili přes 37 tisíc agentů při zpracování údajů z 55 984 klinických studií. Takový agent představuje softwarovou jednotku s vymezeným úkolem, nikoli zaměstnance s vlastní odpovědností a odbornou zkušeností.
Rozdělení práce umožňuje zpracovávat podklady paralelně a předávat výsledky dalším rolím. Důležité je však také sjednocení způsobu hodnocení a kontrola, zda jednotlivé závěry skutečně vycházejí ze zdrojů.
Velký počet modelových výstupů automaticky nevytváří nezávislé potvrzení. Agenti mohou sdílet podobné chyby nebo pracovat se stejnými neúplnými daty. Organizace proto musí řešit nejen rychlost, ale také dohledatelnost argumentů.
Návrh strategie není klinicky ověřený přípravek
Jedním z úkolů byla terapeutická strategie pro rakovinu plic. Systém doporučil přístup zaměřený na cíl CD276, známý také jako B7-H3, s využitím konjugátu protilátky a účinné látky.
Princip spočívá ve spojení rozpoznávací části s léčivým nákladem. Protilátka má pomáhat směrovat látku k buňkám s vhodným cílem, ale skutečná účinnost i bezpečnost závisí na mnoha dalších vlastnostech.
Autoři porovnávali návrh s nezávislým farmaceutickým vývojem podobné strategie. Tato shoda je zajímavým testem uvažování systému, ne důkazem, že konkrétní návrh AI prošel klinickými studiemi. Stejně tak regulační označení slibného programu není totožné se schválením léčiva.
Hlavním výsledkem může být lepší práce s důkazy
Virtual Biotech řešil také další úlohy, například hledání souvislostí s úspěchem léčiv a rozbor ukončené klinické studie. Hodnota systému proto nespočívá pouze v jednom návrhu.
Organizovaná AI může pomáhat tam, kde je potřeba spojit velké množství různých podkladů a formulovat ověřitelné možnosti. Následné experimenty, klinické rozhodování a odpovědnost však zůstávají nezastupitelné.
Budoucí ověřování musí ukázat, zda podobné systémy přinášejí opakovaně lepší rozhodnutí i na nových datech. Přesvědčivě sepsaná zpráva je začátek; skutečným měřítkem bude kvalita hypotéz, které obstojí při dalším testování. Digitální organizační struktura tak může rozšířit výzkumnou kapacitu, pokud stejně pečlivě rozvíjí i schopnost své vlastní závěry kontrolovat.
MOHLO BY SE VÁM TAKÉ LÍBIT
Zdroje: Kód Enigma [1], Science – The Virtual Biotech: A multi-agent AI framework for therapeutic discovery and development, DOI 10.1126/science.aeg6779 [2], Stanford Medicine – Virtual biotech company puts thousands of AI scientist agents to work on drug discovery [3] img ai generated
