APREX · EST. 2026
26 dager. Det er alt det tok. Der tradisjonelle farmasøytiske giganter bruker fire år og hundrevis av millioner dollar på å identifisere én lovende molekylkandidat, satte Insilico Medicine en AI til jobben — og fikk svar på under én måned. Det er ikke fremtid. Det skjer akkurat nå, og det sender sjokkbølger gjennom en bransje som ikke har endret seg fundamentalt på tiår.
Slik sammenligner AI og tradisjonell utvikling
| Fase | Tradisjonell metode | AI-assistert metode |
|---|
| Molekyldesign | 3–5 år | Uker til måneder |
| Kostnad per godkjent molekyl | ~2,6 milliarder dollar | Estimert dramatisk reduksjon |
| Phase I suksessrate | 40–65 % | 80–90 % |
| Tid til Phase II | ~4 år | Under 18 måneder |
| Antall forutsagte proteinstrukturer | Begrenset manuelt | 230+ millioner (AlphaFold) |
Fra umulig til uunngåelig
ISM001-055 — kjent under det kliniske navnet rentosertib — er et AI-designet molekyl rettet mot idiopatisk lungefibrose, en sykdom som gradvis ødelegger lungevevet og har begrenset behandlingsalternativer. Ifølge Drug Discovery News gikk kandidaten fra design til Phase II kliniske studier på under 18 måneder. Til sammenligning tar den samme reisen typisk fire år med konvensjonelle metoder.
I sen 2025 ble rentosertib beskrevet som den første AI-deriverte terapien til å nå FDA-godkjent Phase II-status for idiopatisk lungefibrose. Det er en milepæl bransjen har ventet på i mange år.
> «26 dager til å designe et molekyl som kan redde liv. Den tradisjonelle industrien brukte fire år på det samme steget.»
Hjernen bak: AlphaFold og det nye verktøysettet
Forstår man ikke AlphaFold, forstår man ikke revolusjonen. DeepMinds proteinstruktur-AI vant Nobelpris i kjemi i oktober 2024 til Demis Hassabis, John Jumper og David Baker. Systemet kan forutsi tredimensjonale strukturer for proteiner med over 90 prosent nøyaktighet — en oppgave som tidligere krevde år med røntgenkrystallografi og manuell tolkning.
AlphaFold-databasen inneholder nå over 230 millioner forutsagte strukturer og brukes av mer enn tre millioner forskere i over 190 land, ifølge åpne primærkilder fra DeepMind.
I mai 2024 ble AlphaFold 3 lansert med forbedret evne til å forutsi hvordan legemidler binder seg til proteiner — det såkalte protein-ligand-interaksjonsproblemet, som er kritisk for legemiddeldesign.
Så, i februar 2026, slapp Isomorphic Labs — et spinoff fra Alphabet og DeepMind grunnlagt i 2021 — en ny plattform kalt IsoDDE. Ifølge analyse fra presenc.ai og blockchain.news dobler IsoDDE nøyaktigheten til AlphaFold 3 på de vanskeligste ligand-tilfellene: rundt 50 prosent nøyaktighet mot tidligere 23,3 prosent.
KEYFIGURE
9,1 mrd. dollar — anslått markedsverdi for AI-legemiddeldesign innen 2032
230+ mill. — antall proteinstrukturer i AlphaFold-databasen
80–90 % — Phase I suksessrate for AI-designede molekyler
26 dager — tid det tok AI å designe rentosertib mot lungesykdom
Milliardkapløpet
Isomorphic Labs er ikke alene. Et helt økosystem av selskaper kjemper om å bli den farmasøytiske industriens AI-infrastruktur.
Isomorphic Labs selv har sikret seg partnerskap med Eli Lilly og Novartis verdt opp til tre milliarder dollar, og hentet inn over 600 millioner dollar i ny finansiering i mars 2025 ledet av Thrive Capital, ifølge wifitalents.com. Selskapets første helhetlig AI-designede legemiddelkandidat er planlagt for første humane forsøk innen utgangen av 2026 — riktignok forsinket fra det opprinnelige målet om 2025.
Andre tunge aktører inkluderer Recursion (børsnotert på NYSE), Xaira Therapeutics med over én milliard dollar i finansiering, og Generate:Biomedicines som har inngått et partnerskap med Novartis verdt én milliard dollar. Venturekapital pumpet 3,3 milliarder dollar inn i sektoren i 2024 alene.
Analyseselskaper anslår at AI kan tilføre farmasøytisk industri en samlet verdi på 350 til 410 milliarder dollar årlig.
HIGHLIGHT
ESM-3: Når AI designer liv fra grunnen av
I juni 2024 lanserte EvolutionaryScale ESM-3, en multimodal protein-språkmodell som ikke bare forutsier proteinstrukturer — den genererer helt nye. Modellen designet en variant av det grønne fluorescerende proteinet (GFP) med estimert 500 millioner års evolusjonær avstand fra kjente naturlige varianter. Ingen naturlig evolusjon har produsert noe lignende. Det er en demonstrasjon av at AI nå kan bevege seg inn på biologiens mest kreative territorium.
FDA våkner — men sakker ikke farten
Americas legemiddelmyndighet FDA fullførte sin første AI-assisterte vitenskapelige gjennomgang i 2025 og har tatt i bruk et internt verktøy kalt «Elsa» for å evaluere sikkerhetsinformasjon i innsendte dokumenter, ifølge genhealthconsult.ai.
I 2025 publiserte FDA også et utkast til veiledning for AI i legemiddelutvikling — et risikobasert rammeverk med krav til modelltransparens, validering og data governance. Budskapet er klart: myndighetene vil ikke bremse innovasjonen, men de vil vite nøyaktig hvordan maskinene tenker.
FAKTABOKS: Utfordringene AI ennå ikke har løst
- Syntetiserbarhet: Mange AI-designede molekyler er kjemisk elegante på papiret, men vanskelige eller umulige å produsere i laboratoriet
- Klinisk kompleksitet: Selv med høyere Phase I-suksessrater er menneskelig biologi fortsatt uforutsigbar. Fase II og III-studier er ikke automatiske suksesser
- Dataskjevhet: AI-modeller er bare så gode som dataene de er trent på. Historiske legemiddeldata kan inneholде bias som replikeres og forsterkes
- Forklarbarhet: Hvorfor anbefalte AI-en akkurat dette molekylet? Svaret er ikke alltid transparent — noe som skaper utfordringer for regulatorisk godkjenning
- IP-spørsmål: Hvem eier et patent på et legemiddel designet av en maskin?
Det neste steget: AI som selvstendig forsker
Det som nå omtales som «Agentic Discovery» peker mot en nær fremtid der AI-systemer ikke bare anbefaler molekyler — de designer eksperimenter, bestiller reagenser, kjører dem på robotplattformer og itererer basert på resultatene. En lukket løkke uten menneskelig innblanding i den daglige syklusen.
Tidslinjen fra konsept til klinikk, som i dag er komprimert fra 12–15 år til potensielt 3–5 år, kan krympe ytterligere. Spørsmålet er ikke lenger om AI vil transformere legemiddelindustrien — men hvor raskt.
BOTTOM LINE
26 dager mot fire år. 80–90 prosent mot 40–65 prosent. Disse tallene forteller en enkel historie: AI-drevet legemiddeldesign er ikke en lovende hypotese — det er en teknologi som allerede leverer kliniske resultater. Rentosertib er i humane studier. Isomorphic Labs er klar til å sende sin første helhetlig AI-designede kandidat inn i menneskekroppen. FDA tilpasser seg. Pengene strømmer inn. Den farmasøytiske industriens tregeste fase er i ferd med å bli dens raskeste.
Verifisert mot 10 åpne primærkilder.