AI kan kapa år från den tidiga läkemedelsutvecklingen — GSK satsar 1,1 miljarder för att påskynda jakten på nya läkemedelskandidater
GSK satsar 1,1 miljarder på AI som kan kapa år från tidig läkemedelsutveckling.
När biologi möter beräkningskraft
Det finns branscher där AI-omställningen fortfarande känns abstrakt — ett framtida scenario som diskuteras på konferenser men sällan syns i verksamhetens kärna. Läkemedelsindustrin är inte längre en av dem.
GSKs nyligen annonserade samarbetsavtal med Relation Therapeutics, rapporterat av AI News, är ett konkret bevis på att industrin nu investerar på allvar. Avtalet — värt upp till 110 miljoner dollar, drygt 1,1 miljarder kronor — syftar till att samla och bearbeta storskalig biologisk data för att träna AI-modeller som kan peka ut lovande läkemedelsmål. Det är inte ett pilotprojekt. Det är ett strategiskt åtagande.
Vad innebär AI-driven läkemedelsutveckling i praktiken?
För den som inte är insatt kan begreppet kännas svårgreppbart. Låt mig konkretisera.
Traditional läkemedelsutveckling är extremt tids- och resurskrävande. Att ta ett läkemedel från idé till godkänd behandling kan ta 10–15 år och kosta tiotals miljarder kronor — och ändå misslyckas nio av tio kandidater i kliniska prövningar. Den avgörande flaskhalsen är ofta den tidiga fasen: att identifiera rätt biologiskt mål i kroppen att rikta läkemedlet mot.
Det är just här AI förändrar spelplanen.
Relation Therapeutics metodik, som de kallar Lab-in-the-Loop, bygger på en kontinuerlig växelverkan mellan laboratorieexperiment och beräkningsanalys. Bolaget genomför störningsexperiment där de mäter hur genetiska förändringar påverkar cellernas beteende vid sjukdom. Dessa resultat kombineras sedan med patientdata och genetisk information — och matas in i AI-modeller som söker mönster som mänskliga forskare aldrig skulle kunna urskilja manuellt i en sådan datamängd.
Kärnan i systemet är plattformen MORGAN, som tränas på biologiska grunddata från öppna databaser som CZ CELLxGENE, Human Cell Atlas och NCBI Gene Expression Omnibus. Enbart CZ CELLxGENE ger tillgång till över 100 miljoner standardiserade celler — en datamängd av en skala som gör traditionell analys praktiskt omöjlig utan beräkningsstöd.
Bygger på beprövat samarbete
Det som gör det här avtalet extra intressant är att det inte börjar från noll. GSK och Relation Therapeutics har redan samarbetat inom fibrotiska sjukdomar och artros, där de kombinerat mänsklig genetik, enkelcellsanalys och maskininlärning. Det nya avtalet är alltså en skalning av något som redan visat sig lovande — inte ett riskfyllt experiment.
Det är en viktig distinktion. Vi ser allt oftare att de mest framgångsrika AI-satsningarna inom life science inte handlar om att ersätta forskare med algoritmer, utan om att bygga system där laboratoriets empiri och beräkningsmodellernas mönsterigenkänning förstärker varandra i en ständig återkopplingsslinga.
En bransch i strukturell förändring
GSKs satsning är inte ett isolerat fenomen. Den speglar en bredare strukturell förändring i läkemedelsindustrin, där bolag som Recursion Pharmaceuticals, Insilico Medicine och Exscientia under de senaste åren byggt hela sin affärsmodell kring AI-driven läkemedelsutveckling. Nu följer de etablerade jättarna efter — inte genom att bygga allt internt, utan genom att förvärva och ingå partnerskap med specialiserade bioteknikbolag som redan besitter dataplattformar och beräkningskunnande.
Det är ett smart drag. I stället för att försöka bygga om decennier av organisationskultur inifrån, köper man sig tillgång till en ny rörelselogik.
För mig som följer affärsutveckling inom teknik och AI är detta ett läroboksexempel på hur transformativa teknikskiften sprider sig i mogna industrier: först pionjärbolag, sedan strategiska partnerskap med etablerade aktörer, och slutligen en ny branschstandard. Vi befinner oss just nu i den andra fasen.
Vår analys
GSKs investering på över en miljard kronor i AI-driven läkemedelsutveckling är mer än en affärsnyheten — det är ett signalvärde för hela branschen. När ett av världens största läkemedelsbolag väljer att djupintegrera AI i sin tidiga forskningsfas, sänder det en tydlig signal till konkurrenter, investerare och regulatorer om vart industrin är på väg.
Den verkliga frågan är inte längre om AI kommer att förändra läkemedelsutvecklingen, utan hur snabbt och vem som leder omställningen. Bolaget som lyckas kombinera de bästa biologiska datamängderna med de mest träffsäkra modellerna får ett avgörande försprång i en bransch där tidsfördelen i forskningen direkt översätts till patientvärde och marknadsvärde.
Jag tror vi inom fem år kommer se de första godkända läkemedel där AI haft en avgörande roll i målidentifieringen — och att det är partnerskap av just denna typ som banar vägen dit.