Owkin udvider AstraZeneca-samarbejde til at opbygge AI-agenter til beslutninger om lægemiddeludvikling

Owkin har indgået en ny flerårig aftale med AstraZeneca (AZN ) centreret omkring K Pro, Owkins agentic AI-platform designet til farmaceutisk forskning og strategisk beslutningstagning. Ifølge den treårige licensaftale vil Owkin udvikle specialiserede AI-agenter, som AstraZeneca-hold kan bruge til at analysere konkurrenceintelligens, kliniske prøver, terapeutiske mål, og lægemiddeludviklingslandskaber direkte inde i AstraZenecas interne arbejdsgange.

Aftalen afspejler en bredere skift, der nu finder sted på tværs af lægemiddelindustrien. Lægemiddeludvikling afhænger i stigende grad af evnen til at behandle massive mængder biologiske, kliniske, genetiske og markedsmæssige data hurtigt nok til at påvirke virkelige beslutninger. Traditionelle arbejdsgange kræver ofte hold af analytikere, forskere og konsulenter til at manuelt syntetisere fragmenteret information fra videnskabelige artikler, prøvedatabaser, patenter, konferencepræsentationer og interne datasæt. Virksomheder udforsker nu, om AI-agenter kan komprimere meget af dette arbejde til systemer, der kan overvåge og resonere kontinuerligt på tværs af disse informationslag.

Hvad K Pro faktisk gør

K Pro er Owkins AI-forskerplatform bygget specifikt til biomedicinsk forskning og farmaceutiske operationer. I modsætning til almindelige formål AI-chatbots er systemet designet omkring multimodale biologiske data, herunder genetik, patologiske billeder, transkriptomik, kliniske resultater, spatial biologi-datasæt og videnskabelig litteratur.

Platformen giver forskere og chefer mulighed for at stille komplekse videnskabelige spørgsmål ved hjælp af naturligt sprog. Ifølge Owkin kan K Pro hjælpe med at prioritere lægemiddelmål, evaluere biomarkør-muligheder, vurdere terapeutisk gennemførlighed, analysere patientundergrupper og generere publikationsklare rapporter fra biomedicinske datasæt.

En vigtig komponent bag systemet er OwkinZero, virksomhedens biologiske resonansmodel, der er trænet specifikt til biomedicinske anvendelser. Owkin har også bygget et stort, forbundent patientdatanetværk, der omfatter hospitaler og forskningsinstitutioner, hvilket giver virksomheden mulighed for at træne modeller på følsomme sundhedsdata uden at centralisere alle underliggende patientdata.

Den nye AstraZeneca-aftale skyder platformen længere ind i virksomhedens operationelle brug. I stedet for kun at fungere som en forskningsassistent er de nye agenter ment til at støtte ledelses- og strategiske beslutningsprocesser inde i en af verdens største lægemiddelvirksomheder.

AI-agenter bevæger sig ud over forskningsassistent

Meddelelsen fremhæver, hvordan farmaceutisk AI udvikler sig fra forudsigelsesmodeller til mere autonome “agentic”-systemer.

Tidligere generationer af AI i bioteknologi var overvejende fokuseret på snævre opgaver såsom molekylskærmning, proteinstrukturforudsigelse, billedanalyse eller biomarkørdetektion. Nyere systemer som K Pro sigter mod at fungere mere som kontinuerligt aktive forskningsmedarbejdere, der kan koordinere multiple værktøjer, databaser og analytiske arbejdsgange samtidigt.

Owkin beskriver dette som en del af deres længerevarende vision mod “Biologisk Kunstig Superintelligens”, hvor netværk af specialiserede AI-agenter kan udføre dele af biomedicinsk forskning parallelt med menneskelige forskere.

I praksis ser AstraZeneca-udrulningen mere jordbunden ud i operationel intelligens. Den første bølge af agenter vil angiveligt fokusere på konkurrence-landskabsanalyse omkring farmaceutiske aktiver, mål og kliniske prøver. Den type arbejde er traditionelt arbejdskrævende og ofte tidsfølsomt, især når virksomheder vurderer licensmuligheder, vurderer rivaliserende lægemiddelpipelines eller bestemmer, hvordan de skal positionere interne programmer.

Hvis disse systemer er succesfulde, kan de betydeligt reducere mængden af manuelt syntetiseringsarbejde, der kræves inde i farmaceutisk strategi- og forretningsintelligenshold.

Opbygning på en eksisterende relation

Den nye licensaftale udvider et eksisterende samarbejde mellem de to virksomheder. I 2024 Owkin og AstraZeneca samarbejdede om BRCAura, et AI-baseret screeningsystem designet til at identificere patienter, der sandsynligvis bærer germline BRCA-mutationer direkte fra patologiske billeder.

Resultater præsenteret på ESMO indikerede, at systemet kunne udelukke en betydelig procentdel af patienter, der sandsynligvis ikke bærer mutationer, mens det opretholdt høj sensitivitet. Projektet blev senere en del af Waiv, det diagnostiske selskab, der blev udskilt fra Owkins diagnostikafdeling tidligere på året.

Det tidligere arbejde fokuserede primært på AI-assisterede diagnostik. Det nye partnerskab skifter fokus mod strategisk og operationel intelligens inde i lægemiddeludviklingen selv.

Lægemiddelindustriens voksende interesse for agentic AI

Aftalen understreger også, hvor hurtigt agentic AI er blevet en stor tema på tværs af bioteknologi.

Lægemiddeludvikling forbliver en af de mest dyre og fejlbehæftede industrier i verden. Owkin har tidligere bemærket, at kun en lille procentdel af lægemiddelprogrammer ultimate når til kommerciel udvikling, på trods af års forskning og milliarder af dollars i investeringer.

Denne realitet har gjort lægemiddelvirksomheder mere villige til at eksperimentere med AI-systemer, der kan forbedre beslutningskvaliteten tidligere i pipeline’en. Mens meget af den offentlige opmærksomhed omkring AI i sundhedssektoren har fokuseret på diagnostik eller generative AI-assistenter, retter mange store lægemiddelvirksomheder nu ressourcer mod interne forskningscopiloter, automatiserede videnskabelige resonanssystemer og virksomhedsomfattende biologisk AI-infrastruktur.

AstraZeneca-aftalen antyder, at næste fase kan indebære indbygning af AI-agenter direkte i kernevirksomhedsbeslutningsarbejdsgange i stedet for at begrænse dem til isolerede forskningstasks.

Hvis disse systemer modnes, kan lægemiddelorganisationer muligvis operere med kontinuerligt aktive AI-lag, der overvåger videnskabelig litteratur, kliniske prøver, konkurrentpipelines, biomarkør-signaler, patientdatasæt og regulatoriske udviklinger i realtid. Dette kan betydeligt ændre, hvor hurtigt strategiske beslutninger træffes på tværs af industrien.