Ono Pharmaceutical Implementeert Agentic AI in de Gehele Ontdekkingsorganisatie van Geneesmiddelen

Ono Pharmaceutical zet AI-agenten in voor de wetenschappers die het vroegste stadium van onderzoek uitvoeren. Onder een samenwerking aangekondigd op 28 juli 2026, zal de Osaka-farmaceut het Biomni Lab van de South San Francisco-applied-AI-lab Phylo, implementeren in de gehele ontdekkingsorganisatie van geneesmiddelen.

Het platform moet, volgens de aankondiging, de volledige reikwijdte van een ontdekkingswetenschapper’s computationele dag absorberen: het samenvatten van de experimentele geschiedenis van een programma, redeneren over interne datasets, het ontwerpen van het volgende experiment en het uitvoeren van de computationele biologie ervan. Phylo zegt dat Ono’s eigen ontdekkingsdeskundigheid en historische gegevens in de omgeving worden gebracht, wat het deel is dat dit onderscheidt van een softwarelicentie. Ono, genoteerd in Tokio als 4528 en opgericht in 1717, werkt in de oncologie, immunologie en ontstekingsonderdrukkende middelen en neurologie, en is het meest bekend van de PD-1-antilichaam nivolumab, verkocht als Opdivo.

Waarop Biomni getest is

De agent onder het product heeft meer gepubliceerde bewijs dan de meeste enterprise AI-implementaties. Biomni begon als een open-sourceproject aan Stanford en werd in 2026 gepubliceerd in Science als Autonome biomedische onderzoek met een kunstmatige intelligentie-agent. De ontwerp is ongebruikelijk: één agent mijnt tools, databases en protocollen uit duizenden artikelen in 25 biomedische domeinen om de omgeving op te bouwen, en een tweede plant over die omgeving, haalt wat een vraag nodig heeft en schrijft code om het uit te voeren in plaats van een vaste workflow te volgen.

Het artikel rapporteert dat de agent generaliseert over causale genprioriteit, hergebruik van medicijnen, zeldzame-ziekte-diagnose, microbiome-analyse en moleculaire kloning zonder taak-specifieke afstemming, met casestudies die protein-stabiliteitsoptimalisatie en de orkestratie van nat-laboratoriuminstrumenten dekken. Dat is een bredere opdracht dan de enkelvoudige doelmodellen die de computationele ontdekking domineren, en dichter bij de nat-laboratoriumgerichte co-wetenschapperssystemen waar het veld naar heeft geconvergeerd sinds Google’s Co-Scientist.

Wat de benchmark-scores laten zien

De meest bruikbare lezing over wat Ono daadwerkelijk koopt, komt van Phylo’s eigen evaluatiewerk. Op 30 juni 2026 publiceerde het bedrijf DrugDiscoveryBench met Scale Labs: 82 taken geschreven door werkende geneesmiddelenontdekkingswetenschappers over doelwitidentificatie, octrooi-mijnbouw en structuur-activiteitsanalyse, elk met een verifieerbaar antwoord en een expert-geschreven rubric, opgelost door agenten die code schrijven tegen echte biomedische databases.

Frontier-modellen clusteren dicht en onindrukwekkend. Phylo rapporteert GPT-5.5 op 51,6%, Gemini 3.5 Flash op 50,0% en Opus 4.8 op 47,2%, met verschillende modellen die verschillende taakfamilies leiden. Twee bevindingen onder de rangschikking zijn belangrijker voor een farmaceutische implementatie:

• Door het model vast te houden en alleen de omliggende agentarchitectuur te veranderen, verplaatste GPT-5.5 van 40,6% naar 51,6%, en GLM 5.2 van 24,4% naar 37,8%.
• Met een door de mens geschreven playbook dat de stappen en de tools noemt, haalde ten minste één model 76 van de 82 taken.

Phylo is direct over de falenmodus ertussenin: op lange workflows verliest de agent stilzwijgend een beperking en retourneert een verkeerd antwoord met vertrouwen. In één taak antwoordde het op een melanoomvraag met een borstkankergen. Dat is de kloof die institutionele kennis sluit, en het verklaart waarom de Ono-overeenkomst is gekaderd rond de historische gegevens van het bedrijf in plaats van rond de ruwe modelcapaciteit.

Waar het past in Ono’s ontdekkingsstrategie

Ono heeft dit de afgelopen jaren samengesteld. De onderzoeksorganisatie van het bedrijf zegt dat het AI gebruikt om de zoektocht naar ontdekkingszaden te versnellen en de tijd tot nieuwe verbindingen te verkorten, en het voert een bewust extern model van geneesmiddelenontdekking uit: in maart 2026 breidde het een computationele ontdekkings samenwerking met Congruence Therapeutics uit naar neurologie en immunologie.

“We geloven dat AI een kerncapaciteit voor geneesmiddelenontdekking zal worden”, zei Seishi Katsumata, Ono’s corporate officer en executive vice president voor ontdekking en onderzoek, die eraan toevoegde dat de onderzoekers van Ono Biomni Lab snel hebben overgenomen tijdens de evaluatie.

Voor Phylo breidt de overeenkomst een klantenlijst uit die in minder dan zes maanden is samengesteld. Het bedrijf lanceerde Biomni Lab in onderzoeksvoorbeeld op 3 februari 2026 naast een $13,5 miljoen seedronde geleid door Andreessen Horowitz en Menlo Ventures’ Anthology Fund, en heeft sindsdien implementatiewerk gepubliceerd met Ginkgo Bioworks (DNA ) en agente klinische proefnabootsing met Mount Sinai-onderzoekers. Het komt ook in een markt waar grote farmaceutische bedrijven hebben besloten om agent-infrastructuur te kopen in plaats van het zelf te bouwen, zoals AstraZeneca (AZN ) deed toen het zijn Owkin-partnerschap uitbreidde om agenten in ontwikkelingsbeslissingen te plaatsen.

Biomni Lab is nu beschikbaar, en het concrete werk dat Ono heeft ondertekend, is het moeilijkere deel: het omzetten van drie eeuwen aan opgehoopte ontdekkingspraktijk in procedures die een agent kan volgen. Op Phylo’s eigen benchmark is dat de stap die een agent van de helft van de taken naar bijna alle taken brengt.