Mają 37 tys. pracowników. Nie zatrudniają ani jednego człowieka

Wyobraźmy sobie firmę biotechnologiczną z dyrektorem naukowym, wyspecjalizowanymi działami i tysiącami pracowników. Tyle że nikt nie przychodzi rano do biura, nie pobiera pensji i nie idzie na urlop. Gdy potrzeba więcej ludzi, można uruchomić ich dziesiątki tysięcy naraz. Tak działa Virtual Biotech stworzony przez badaczy ze Stanfordu. W największym z pokazanych eksperymentów system powołał 37 075 agentów AI, które równolegle zajęły się analizą badań klinicznych. W 6 godzin wykonały pracę, która pojedynczemu agentowi zajęłaby ponad 76 dni ciągłego działania.

Virtual Biotech nie jest zwykłym chatbotem, któremu wpisuje się pytanie o lek i czeka na odpowiedź. Badacze odtworzyli strukturę przypominającą prawdziwą firmę farmaceutyczną. Na jej szczycie znajduje się agent pełniący funkcję Chief Scientific Officer, czyli dyrektora naukowego. Dostaje problem od człowieka, rozbija go na mniejsze zadania i przekazuje je wyspecjalizowanym zespołom.

Jeden może zajmować się genetyką człowieka, inny analizą pojedynczych komórek, kolejny bezpieczeństwem leków, jeszcze inny wynikami badań klinicznych. Każdy ma dostęp do narzędzi i baz danych potrzebnych właśnie do swojej części pracy. Później wyniki wracają wyżej, są porównywane i składane w całość.

To ważna różnica względem rozmowy z pojedynczym modelem. Zamiast oczekiwać, że jeden system będzie jednocześnie ekspertem od wszystkiego, Stanford podzielił problem podobnie jak robią to ludzie. Tyle że cyfrowy dział można rozmnożyć praktycznie na żądanie.

Najlepiej widać to przy analizie badań klinicznych. Badacze chcieli sprawdzić dziesiątki tysięcy prób leków i znaleźć cechy, które odróżniają terapie odnoszące sukces od tych kończących się porażką. Problem polega na tym, że informacje są porozrzucane. Część znajduje się w rejestrach badań, część w publikacjach naukowych, a czasem trzeba szukać ich w komunikatach firm czy dokumentach regulatorów. Virtual Biotech dostał do przejrzenia dane dotyczące 55 984 badań klinicznych. Do ogromnej części z nich przydzielono osobnego agenta. W sumie uruchomiono 37 075 takich wirtualnych analityków.

Każdy z nich dostawał konkretne badanie. Najpierw sprawdzał oficjalny rejestr ClinicalTrials.gov. Jeśli brakowało tam wyniku, szukał publikacji naukowej. Gdy nadal nie miał wystarczających danych, sięgał dalej. Nie chodziło przy tym tylko o skopiowanie informacji do tabeli. Agent musiał zrozumieć projekt badania, ustalić, czy osiągnięto założony cel, zebrać informacje o działaniach niepożądanych i przypisać wynik do ujednoliconej struktury. 37 tys. agentów zrobiło to równolegle w około 6 godzin. Badacze wyliczyli, że wykonywanie tego samego zadania przez jednego agenta trwałoby około 1839 godzin, czyli ponad 76 dni.

Sama szybkość niewiele by znaczyła, gdyby efektem była tylko gigantyczna tabela. Agenci szukali zależności między właściwościami celu molekularnego leku a późniejszym powodzeniem terapii. Jeden z najmocniejszych sygnałów dotyczył genów aktywnych przede wszystkim w konkretnych typach komórek. Leki skierowane przeciwko takim bardziej precyzyjnym celom miały o 40 proc. większą szansę przejścia z 1. do 2. fazy badań klinicznych.

Jeszcze ciekawiej wyglądał tak naprawdę koniec całej drogi. W analizowanym zbiorze leki skierowane na takie cele były o 48 proc. częściej związane z dotarciem na rynek i notowały o 32 proc. mniej działań niepożądanych. Mówimy tu więc o zależności statystycznej znalezionej w istniejących danych, a nie o gwarancji, że każda terapia spełniająca te warunki zadziała. Daje to jednak naukowcom kolejną rzecz, którą mogą brać pod uwagę, zanim wydadzą lata pracy i ogromne pieniądze na rozwijanie kiepskiego kandydata.

Następny test był jednak znacznie ciekawszy niż przekopywanie baz danych. Virtual Biotech dostał B7-H3, białko od dawna interesujące badaczy nowotworów. System miał zebrać różne rodzaje danych i ocenić, czy można wykorzystać je jako cel terapii raka płuca. Agenci przeanalizowali dane genetyczne, aktywność genów w pojedynczych komórkach, rozmieszczenie komórek w tkance oraz informacje kliniczne.

Zauważyli, że B7-H3 jest mocno obecne w fibroblastach związanych z nowotworem. To komórki znajdujące się w otoczeniu guza. Analiza zasugerowała również, że mogą brać udział w tłumieniu odpowiedzi układu odpornościowego, pomagając nowotworowi ukrywać się przed naturalnymi mechanizmami obronnymi organizmu. System zaproponował więc terapię typu ADC.

To koniugat przeciwciała z lekiem. Przeciwciało działa jak system naprowadzania: rozpoznaje określony cel na komórce, a dołączona do niego silnie toksyczna substancja ma zostać dostarczona właśnie tam, zamiast krążyć po całym organizmie jak klasyczna chemioterapia. Wirtualny zespół wskazał terapię skierowaną przeciwko B7-H3. Najciekawsze wydarzyło się później.

Przy projektowaniu tej strategii system korzystał wyłącznie z informacji dostępnych przed styczniem 2025 r. Kilka miesięcy później duża firma farmaceutyczna niezależnie rozwijała przeciwko B7-H3 właśnie koniugat przeciwciała z lekiem. Terapia pokazała obiecujące wyniki u pacjentów z drobnokomórkowym rakiem płuca i otrzymała od amerykańskiej FDA status terapii przełomowej.

Nie oznacza to, że Virtual Biotech wynalazł gotowy lek przed koncernem farmaceutycznym. Nie stworzył preparatu, nie podał go pacjentom i nie przeprowadził badania klinicznego. Pokazał jednak, że wyciągając wnioski ze starszych danych, był w stanie dojść do strategii terapeutycznej, która później niezależnie pojawiła się w rzeczywistym rozwoju leków. To znacznie ciekawszy test, niż zadawanie modelowi pytań, na które odpowiedź już istnieje w publikacji.

37 075 agentów nie jest jednak odpowiednikiem 37 075 biologów siedzących przy laboratoryjnych stołach. Większość z nich została uruchomiona do wykonania konkretnego zadania analitycznego. Nie są też 37-tysięczną stałą załogą czekającą codziennie rano na nowe polecenia. Sam Virtual Biotech nie miesza odczynników, nie hoduje komórek i nie prowadzi badań na pacjentach. Jego świat kończy się tam, gdzie trzeba fizycznie sprawdzić hipotezę.

Jak już wcześniej pisaliśmy, MIT zbudował laboratorium, w którym robot sam układa elementy eksperymentu, stroi aparaturę i poprawia ją, gdy coś się rozreguluje. Tam automatyzacja dostała ręce. Stanford pokazał tysiące cyfrowych specjalistów zdolnych przekopywać dane, stawiać hipotezy i łączyć wyniki z różnych dziedzin.

Przeczytaj także:

Jeszcze niedawno wizja firmy budowanej wokół agentów AI zderzała się z rzeczywistością. Przypomnijmy, że Meta próbowała radykalnie przebudować część własnej organizacji wokół agentów i szybko przekonała się, że systemy nie są jeszcze gotowe po prostu zastąpić całych zespołów ludzi. Virtual Biotech chce działać zupełnie inaczej. Człowieka nie usuwa się z góry organizacji. To człowiek wybiera problem, ocenia wyniki i decyduje, co później sprawdzić w rzeczywistym świecie.

*Grafika wprowadzająca wygenerowana przez AI