Ono Pharmaceutical lansează Agentic AI în descoperirea de medicamente

Ono Pharmaceutical pune agenți AI în fața oamenilor de știință care conduc cercetările sale din stadiul incipient. În cadrul unui parteneriat anunțat pe 28 iulie 2026, producătorul de medicamente din Osaka va implementa Biomni Lab, platforma de cercetare agentică dezvoltată de laboratorul de inteligență artificială aplicată Phylo din South San Francisco, în întreaga organizație de descoperire de medicamente.

Ceea ce platforma este menită să absoarbă, conform anunțului, este întreaga gamă a zilei de lucru a unui om de știință din domeniul descoperirii: sintetizarea istoricului experimental al unui program, raționamentul asupra seturilor de date interne, proiectarea următorului experiment și executarea biologiei computaționale din spatele acestuia. Phylo afirmă că expertiza și datele istorice ale Ono vor fi integrate în mediu, ceea ce este partea care distinge acest parteneriat de o licență de software. Ono, listat la Tokyo sub numărul 4528 și fondat în 1717, activează în domeniul oncologiei, imunologiei și inflamației, și neurologiei, și este cel mai bine cunoscut pentru anticorpul PD-1 nivolumab, vândut sub numele de Opdivo.

Pe ce a fost testat Biomni

Agenția din spatele produsului are mai multe dovezi științifice publicate decât majoritatea implementărilor de inteligență artificială din întreprinderi. Biomni a început ca proiect open-source la Stanford și a fost publicat în Science în 2026 sub titlul Cercetare biomedicală autonomă cu un agent de inteligență artificială. Proiectarea sa este neobișnuită: un agent extrage unelte, baze de date și protocoale din mii de articole din 25 de domenii biomedicale pentru a construi mediul, și un al doilea planifică peste acest mediu, recuperând ceea ce o întrebare necesită și scriind cod pentru a-l executa, în loc să urmeze un flux de lucru fix.

Articolul raportează că agentul generalizează peste prioritizarea genelor cauzale, reproiectarea medicamentelor, diagnosticarea bolilor rare, analiza microbiomului și clonarea moleculară, fără ajustări specifice pentru fiecare sarcină, cu studii de caz care acoperă optimizarea stabilității proteinelor și orchestrarea instrumentelor de laborator umed. Acesta este un mandat mai larg decât modelele cu scop unic care domină descoperirea computațională și mai aproape de sistemele de co-științifici cu interfață de laborator umed pe care domeniul le-a convergent din instrumentul Co-Scientist al Google.

Ce arată scorurile de referință

Cea mai utilă lectură a ceea ce Ono cumpără în realitate vine de la munca de evaluare a Phylo. La 30 iunie 2026, compania a publicat DrugDiscoveryBench împreună cu Scale Labs: 82 de sarcini scrise de oameni de știință din domeniul descoperirii de medicamente care lucrează, din identificarea țintelor, mineritul de brevete și analiza structurii-activității, fiecare cu un răspuns verificabil și o rubrică scrisă de experți, rezolvate de agenți care scriu cod împotriva bazelor de date biomedicale reale.

Modelele de frontieră s-au grupat strâns și fără impresie. Phylo raportează GPT-5.5 la 51,6%, Gemini 3.5 Flash la 50,0% și Opus 4.8 la 47,2%, cu modele diferite care conduc diferite familii de sarcini. Două constatări subordonate clasamentului sunt mai importante pentru o implementare într-o companie farmaceutică:

• Menținând modelul fix și schimbând doar arhitectura agentului care îl înconjoară, s-a mutat GPT-5.5 de la 40,6% la 51,6%, și GLM 5.2 de la 24,4% la 37,8%.
• Când li s-a oferit un plan de joc scris de om care numește pașii și uneltele, cel puțin un model a trecut 76 din cele 82 de sarcini.

Phylo este direct cu privire la modul de eșec din mijloc: pe fluxuri de lucru lungi, agentul pierde în mod liniștit o constrângere și returnează un răspuns încrezător greșit. Într-o sarcină a răspuns la o întrebare despre melanom cu un gen de cancer de sân. Acesta este decalajul pe care cunoașterea instituțională îl închide, și explică de ce acordul cu Ono este structurat în jurul datelor istorice ale companiei, și nu în jurul capacității brute a modelului.

Unde se încadrează în strategia de descoperire a Ono

Ono a fost asamblat pentru aceasta de mai mulți ani. Organizația sa de cercetare declara că utilizează inteligența artificială pentru a accelera căutarea semințelor de descoperire și pentru a scurta timpul până la compuși noi, și rulează un model de descoperire de medicamente deliberat extern: în martie 2026 a extins o colaborare de descoperire computațională cu Congruence Therapeutics în neurologie și imunologie.

“Credem că inteligența artificială va deveni o capacitate de bază pentru descoperirea de medicamente”, a spus Seishi Katsumata, ofițerul corporativ și vicepreședintele executiv pentru descoperire și cercetare al Ono, care a adăugat că cercetătorii Ono au preluat rapid Biomni Lab în timpul evaluării.

Pentru Phylo, acordul extinde o listă de clienți asamblată în mai puțin de șase luni. Compania a lansat Biomni Lab în perioada de prezentare a cercetării pe 3 februarie 2026, alături de un tur de finanțare de 13,5 milioane de dolari condus de Andreessen Horowitz și Anthology Fund al Menlo Ventures, și a publicat de atunci lucrări de implementare cu Ginkgo Bioworks (DNA ) și emularea clinică agentică cu cercetători de la Mount Sinai. De asemenea, ajunge pe o piață în care companiile farmaceutice mari au decis să cumpere infrastructură de agenți în loc să o construiască, așa cum a făcut AstraZeneca (AZN ) atunci când a extins parteneriatul cu Owkin pentru a pune agenți în deciziile de dezvoltare a medicamentelor.

Biomni Lab este disponibil acum, și munca concretă pentru care Ono s-a angajat este jumătatea mai grea: transformarea a trei secole de practică de descoperire acumulată în proceduri pe care un agent le poate urma. Pe propriul benchmark al Phylo, aceasta este etapa care duce un agent de la jumătate din sarcini la aproape toate.