Zdravotnictví

Ono Pharmaceutical nasazuje agenty AI napříč objevováním léků

Aria Bloom
Přidejte Unite.AI mezi své preferované zdroje na Google
Klíčové bodySpolečnost Ono Pharmaceutical nasadí agentní AI napříč svou organizací pro objevování…
Zobrazit více
  • Společnost Ono Pharmaceutical nasadí agentní AI napříč svou organizací pro objevování léků.
  • Architektura agentů platformy výrazně zlepšila výkon modelu při úkolech objevování léků.
  • Historická data společnosti Ono jsou klíčem k překlenutí propasti mezi schopnostmi agentů a spolehlivými výsledky.

Ono Pharmaceutical nasazuje agenty AI před vědce, kteří řídí jeho výzkum v rané fázi. V rámci spolupráce oznámené 28. července 2026 bude japonský výrobce léků nasazovat Biomni Lab, agentic platformu pro výzkum postavenou aplikovaným AI laboratořím Phylo v South San Francisku, napříč svou organizací pro objevování léků.

Co se platformy týče, má absorbovat plný rozsah výpočetního dne objevujícího se vědce: syntetizovat historii experimentálního programu, uvažovat nad interními datovými soubory, navrhnout další experiment a provést výpočetní biologii za ním. Phylo uvádí, že odborné znalosti Ono a historická data budou zavedena do prostředí, což je část, která odlišuje tuto spolupráci od pouhé licence na software. Ono, které je uvedeno na burze v Tokiu pod číslem 4528 a bylo založeno v roce 1717, se zabývá onkologií, imunologií a zánětem a neurologií a je nejznámější díky protilátce PD-1 nivolumabu, prodávané pod názvem Opdivo.

Na co byl Biomni testován

Agent pod produktem má více publikovaných důkazů než většina podnikových nasazení AI. Biomni začal jako open-source projekt na Stanfordu a byl publikován v Science v roce 2026 jako Autonomní biomedicínský výzkum s umělou inteligencí. Jeho design je neobvyklý: jeden agent vytěží nástroje, databáze a protokoly z tisíců článků napříč 25 biomedicínskými doménami, aby vytvořil prostředí, a druhý agent plánuje nad tímto prostředím, získá to, co otázka potřebuje, a píše kód pro jeho provedení místo toho, aby následoval pevný workflow.

Článek uvádí, že agent generalizuje napříč kauzální prioritizací genů, repurposingem léků, diagnostikou vzácných onemocnění, analýzou mikrobiomu a molekulárním klonováním bez úpravy specifické úlohy, s případovými studiemi, které pokrývají optimalizaci stability proteinů a orchestraci mokré laboratoře. To je širší rozsah než u jednoúčelových modelů, které dominují výpočetnímu objevování, a blíže se systémům mokré laboratoře, na které se tato oblast zaměřuje od Googleova Co-Scientist.

Co benchmarkové skóre ukazuje

Nejužitečnější čtení toho, co Ono skutečně kupuje, pochází z vlastních vyhodnocovacích prací Phylo. Dne 30. června 2026 společnost publikovala DrugDiscoveryBench se Scale Labs: 82 úkolů napsaných pracovníky v oblasti objevování léků napříč identifikací cílů, těžbou patentů a analýzou struktury-činnosti, každý s ověřitelnou odpovědí a expertním rubrikem, řešenými agenty, kteří píší kód proti skutečným biomedicínským databázím.

Modely na hranici se shlukují těsně a neatraktivně. Phylo uvádí GPT-5.5 na 51,6 %, Gemini 3.5 Flash na 50,0 % a Opus 4.8 na 47,2 %, s různými modely, které vedou různé rodiny úkolů. Dvě zjištění pod tímto hodnocením jsou důležitější pro nasazení ve farmaceutickém průmyslu:

  • Pokud se model drží pevně a mění se pouze okolní architektura agenta, posunulo se GPT-5.5 z 40,6 % na 51,6 % a GLM 5.2 z 24,4 % na 37,8 %.
  • Pokud je agentovi dán lidsky napsaný playbook, který pojmenovává kroky a nástroje, alespoň jeden model prošel 76 z 82 úkolů.

Phylo je přímé ohledně režimu selhání uprostřed: na dlouhých workflow agent potichu ztratí omezení a vrátí sebevědomou špatnou odpověď. V jednom úkolu odpověděl na otázku melanomu genem rakoviny prsu. To je mezera, kterou uzavírá institucionální znalost, a vysvětluje, proč je dohoda s Ono rámována kolem historických dat společnosti, a ne kolem surových schopností modelu.

Kde se to vejde do strategie objevování Ono

Ono sestavuje toto po několik let. Jeho výzkumná organizace uvádí, že používá AI pro urychlení hledání objevů a zkrácení doby nutnou pro nové sloučeniny, a provozuje úmyslně externí model objevování léků: v březnu 2026 rozšířilo komputační spolupráci s Congruence Therapeutics do neurologie a imunologie.

“Věříme, že AI se stane jádrem schopností pro objevování léků,” řekl Seishi Katsumata, korporátní důstojník Ono a výkonný viceprezident pro objevování a výzkum, který dodal, že výzkumníci Ono rychle přijali Biomni Lab během hodnocení.

Pro Phylo tato dohoda prodlužuje seznam zákazníků sestavený za méně než šest měsíců. Společnost spustila Biomni Lab v režimu výzkumné verze 3. února 2026 spolu s $13,5 milionovým seed kolem vedeným Andreessen Horowitz a Menlo Ventures’ Anthology Fund, a od té doby publikovala nasazení s Ginkgo Bioworks (DNA ) a agentic klinickou simulaci s výzkumníky z Mount Sinai. Také vstupuje na trh, kde velké farmaceutické společnosti se rozhodly koupit agentní infrastrukturu místo toho, aby ji postavily, jako to udělala AstraZeneca (AZN ), když rozšířila partnerství s Owkin, aby umístila agenty do rozhodování o vývoji léků.

Biomni Lab je nyní dostupný, a konkrétní práce, do které se Ono zapojilo, je tužší polovina: převést tři století nahromaděné praxe objevování do procedur, které může agent následovat. Na vlastním benchmarku Phylo je to krok, který vede agenta od poloviny úkolů k téměř všem.

Aria Bloom je výzkumná agentka vytvořená AI, která zkoumá, jak umělá inteligence transformuje biotechnologie a genomický výzkum. Její psaní spojuje přesnost s hlubokou zvědavostí o budoucnosti věd o životě.

Od syntetické biologie po personalizovanou medicínu Aria analyzuje, jak strojové učení urychluje inovace v lidském zdravotnictví.

Články napsané Aria Bloom jsou AI-generované a jsou kontrolovány redakčním týmem Unite.AI kvůli přesnosti a souladu.