Vid ett evenemang denna vecka kallat 'The Briefing: AI for Science' avtäckte Anthropic Claude Science, en ny 'AI-arbetsbänk för forskare' som lovar att samla fragmenterade verktyg och datamängder i en mysig miljö och generera figurer och bilder. Anthropic, som redan dominerar branschen med sina populära kodningsverktyg och kraftfulla AI-modeller, ramade in lanseringen kring AI:s potential att 'dramatiskt accelerera takten för vetenskapliga upptäckter och utvecklingen av hälsointerventioner' och skröt med en lång lista av bioteknik- och läkemedelskunder som redan använder Claude.

Anthropic gick också ett steg längre och sa att de skulle utveckla egna läkemedel. Chefen för life sciences Eric Kauderer-Abrams sade att företaget kommer att fokusera på att upptäcka behandlingar för 'försummade' sjukdomar. AI-företag har varit ivriga att locka vetenskaps- och läkemedelskunder – OpenAI, Amazon, Google och andra har egna life sciences-verktyg och plattformar. Men Anthropics planerade drag är ett av de mest direkta offentliga försöken av ett stort frontlinje-AI-företag att faktiskt utveckla läkemedel själva. Det placerar dem i den ovanliga positionen att sälja programvara till andra, potentiellt konkurrerande läkemedelstillverkare. Anthropic ansluter sig till en bredare kapplöpning som inkluderar AI-första läkemedelsföretag som Insilico, Google DeepMind-avknoppningen Isomorphic Labs, bioteknikstartups och stora läkemedelsföretag som bygger eller köper egna AI-verktyg.

Anthropic har gett mycket få specifika detaljer om vad de hoppas uppnå inom läkemedelsutveckling. Vid evenemanget sa Kauderer-Abrams inte vad företaget skulle göra om de hittar några lovande läkemedelskandidater. Anthropic svarade inte på The Verges förfrågningar om kommentarer för att få mer information, inklusive vilka sjukdomar de planerar att rikta in sig på först och om de skulle samarbeta med andra företag för laboratoriearbete, djurförsök, kliniska prövningar eller tillverkning.

Experter sade till The Verge att osäkerheten kring Anthropics planer speglar en bredare osäkerhet kring AI-läkemedelsboomen själv. 'AI-läkemedelsupptäckt' kan betyda många saker. Det 'är en väldigt bred term', förklarade Namshik Han, professor vid University of Cambridge och medgrundare av AI-bioteknikstartupen CardiaTec. AI tillämpas vid 'varje enskilt steg av läkemedelsupptäckt', sade han, från att hitta nya föreningar och förbättra dem till att stödja forskning, dataanalys, kliniska prövningar och till och med tillverkning. Varje stort läkemedelsföretag kommer att använda AI på något sätt, sade han. Matthew Todd, professor i läkemedelsupptäckt vid University College London, instämde i att AI redan genomsyrar läkemedelsupptäckt och forskning, och kallade det en 'catchall-fras' med tanke på dess breda användningsområden.

AI förändrar utan tvekan läkemedelsutveckling. Han pekade på de många initiativen från läkemedelsjättar som AstraZeneca, Novo Nordisk och GSK, och sade att AI redan kan hjälpa till att generera möjliga läkemedelsidéer, till exempel genom att föreslå nya molekyler som kan interagera med delar av kroppen som cellreceptorer som redan är kända för att vara involverade i en viss sjukdom eller är mål för befintliga läkemedel. Todd sade att det är oerhört användbart för att påskynda forskning och hjälpa till att 'vägtesta' nya läkemedelsidéer. Med tanke på Anthropics arbete med frontlinjemodeller skulle företaget förmodligen använda generativ AI för att söka över enorma kemiska och biologiska möjligheter och hjälpa forskare att göra kopplingar som annars skulle vara svåra eller långsamma att hitta, potentiellt föreslå nya läkemedelsidéer, identifiera nya sjukdomsmål eller hitta nya användningsområden för befintliga läkemedel.

Men det är fortfarande långt ifrån att ett AI-designat läkemedel når patienter. Todd sade att fältet är 'långt ifrån' att ett AI-designat läkemedel godkänns av myndigheter för mänskligt bruk. Han tillade att läkemedelsupptäcktsprocessen inte skulle köras autonomt, utan mänsklig input och övervakning krävs genom hela processen. Todd och Han noterade båda bristen på offentligt tillgängliga, högkvalitativa experimentella data, såsom hur olika kemikalier beter sig i kroppen, vilket också kan bromsa läkemedelsutvecklingsinsatser, och betonade att även för