Alex Zhavoronkov, założyciel i szef Insilico Medicine, powiedział agencji Reuters, że jego firma dochodzi do kandydata na lek w mniej więcej rok, a jej rekord to dziewięć miesięcy. Tradycyjną drogą ten sam etap zajmuje około czterech i pół roku.
Kluczowe fakty:
- Insilico Medicine dochodzi do etapu nominacji kandydata przedklinicznego średnio w 12–18 miesięcy, syntetyzując i testując od 60 do 200 cząsteczek, podczas gdy tradycyjna ścieżka zajmuje około czterech i pół roku i wymaga testowania tysięcy związków.
- Pierwszy lek zaprojektowany przez platformę Insilico Medicine wszedł w III fazę badań klinicznych – żaden z leków firmy nie uzyskał jeszcze dopuszczenia do sprzedaży.
- Działalność spółki jest podzielona między kontynenty: badania nad sztuczną inteligencją prowadzone są w Montrealu i Abu Zabi, natomiast walidacja eksperymentalna i screening związków odbywają się w zautomatyzowanym laboratorium w Szanghaju.
Rozmowa odbyła się 20 lipca w szanghajskim centrum badawczo-rozwojowym spółki, a Reuters opublikował ją trzy dni później. Trzy tygodnie wcześniej Insilico ogłosiło coś, co dla całej branży znaczy więcej niż deklaracje o tempie: pierwszy lek zaprojektowany przez ich platformę wszedł w III fazę badań klinicznych.
Znajdź dostawcę, partnera lub narzędzie dla swojego biznesu, a jeśli prowadzisz firmę, która w swoim DNA ma AI, skorzystaj z możliwości bezpłatnego dodania swojej firmy.
Dziewięć miesięcy, trzynaście miesięcy, cztery i pół roku
Trzeba tu uważać na to, o czym dokładnie mówimy. Zhavoronkov nie twierdzi, że lek powstaje w rok. Mówi o dojściu do etapu nazywanego nominacją kandydata przedklinicznego, czyli momentu, w którym firma wybiera jedną cząsteczkę i decyduje, że to właśnie ona pójdzie dalej. Potem są jeszcze badania przedkliniczne, trzy fazy badań na ludziach, walidacja produkcji i rejestracja. To lata.
Ale skrócenie właśnie tego pierwszego odcinka ma znaczenie, bo to on pochłania najwięcej ślepych zaułków. Według danych samej spółki jej programy dochodzą do nominacji kandydata średnio w 12 do 18 miesięcy, przy zsyntetyzowaniu i przetestowaniu od 60 do 200 cząsteczek. W klasycznym modelu takich cząsteczek bywają tysiące.
Bilans Insilico wygląda dziś tak:
- 31 nominacji kandydatów przedklinicznych
- 13 zgód na rozpoczęcie badań na ludziach (IND)
- 8 trwających badań I fazy
- 1 program w III fazie
- 0 leków dopuszczonych do sprzedaży
Ostatnia liczba jest tu równie ważna jak pierwsza.
Montreal projektuje, Szanghaj sprawdza
Model operacyjny spółki jest rozpięty między kontynentami. Badania nad samą sztuczną inteligencją prowadzone są w Montrealu i Abu Zabi. Walidacja doświadczalna, przesiewy związków i skalowanie odbywają się w Chinach, w szanghajskim laboratorium, gdzie pobieranie próbek biologicznych i screening zostały w dużej części zautomatyzowane.
Platforma nazywa się Pharma.AI i składa się z kilku modułów. Biology42 z silnikiem PandaOmics szuka i porządkuje cele biologiczne. Chemistry42 generuje i optymalizuje cząsteczki. Medicine42 z narzędziem inClinico próbuje przewidywać wyniki badań klinicznych. Do tego doszedł Science42.
Zhavoronkov przypisuje część przewagi nie algorytmom, lecz geografii. Sama obecność laboratorium badawczego w Chinach skraca według niego typowy cykl dojścia do kandydata o jakieś dwa lata, zanim jeszcze dołoży się do tego AI.
Rentosertib i pierwszy poważny egzamin
7 lipca 2026 roku Insilico ogłosiło start III fazy badania nad rentosertibem, doustnym inhibitorem kinazy TNIK, wcześniej znanym pod oznaczeniami ISM001-055 i INS018_055. Wskazanie to idiopatyczne włóknienie płuc, choroba, w której tkanka płucna stopniowo bliznowacieje i sztywnieje. Dotyka około pięciu milionów osób na świecie, a mediana przeżycia po diagnozie wynosi trzy do czterech lat. Dostępne leki przeciwwłóknieniowe spowalniają postęp choroby, ale go nie cofają.
Badanie (identyfikatory CTR20262475 i NCT07687459) ma objąć 320 pacjentów w 47 ośrodkach w Chinach, potrwać 52 tygodnie i porównać lek z placebo. Głównym punktem końcowym jest roczne tempo spadku natężonej pojemności życiowej płuc. Kierownikiem badania jest prof. Zuojun Xu z Peking Union Medical College Hospital, a wśród współkierujących znaleźli się akademik Nanshan Zhong oraz prof. Chang Chen z Shanghai Pulmonary Hospital. Rekrutacja miała ruszyć w sierpniu 2026 roku, a zakończenie części podstawowej zaplanowano wstępnie na październik 2029.
Podstawą do tej decyzji były wyniki wcześniejszego badania GENESIS-IPF, opublikowane w 2025 roku w „Nature Medicine”. Wzięło w nim udział 71 pacjentów w 22 ośrodkach w Chinach. W ramieniu przyjmującym 60 mg raz dziennie przez dwanaście tygodni średnia zmiana natężonej pojemności życiowej wyniosła +98,4 ml, podczas gdy w grupie placebo było to -20,3 ml. Droga od odkrycia celu do kliniki opisana została wcześniej w „Nature Biotechnology”, a chemia medyczna programu w „Journal of Medicinal Chemistry”. Amerykańska FDA przyznała lekowi status leku sierocego w lutym 2023 roku.
Sam Zhavoronkov ujmuje to tak: „dla dziedziny odkrywania leków przy pomocy AI to już nie jest wyłącznie opowieść o szybkości” / „For the AI drug discovery field, this is no longer only a speed story”. Chodzi mu o to, że TNIK nie był wcześniej oczywistym celem w tej chorobie, a cząsteczka jest nowa. To nie jest kopia istniejącego leku zrobiona szybciej.
Patrzę na to z mieszaniną podziwu i ostrożności. Podziw, bo mamy tu pierwszy przypadek, w którym cały łańcuch decyzji, od hipotezy biologicznej przez wybór celu po strukturę cząsteczki, przeszedł przez modele i dotarł do III fazy badań. To realny kamień milowy, nie prezentacja inwestorska. Ostrożność, bo III faza jest właśnie tym miejscem, gdzie farmacja od dekad traci najwięcej pieniędzy i nadziei. Wynik z 71 pacjentów przez dwanaście tygodni to sygnał, a nie dowód. Sprawdzian trwa 52 tygodnie i obejmie 320 osób.
Druga rzecz, która mnie zastanawia, dotyczy geografii. Jeśli największą pojedynczą przewagą nie jest algorytm, tylko koszt i tempo pracy chińskiego laboratorium, to opowieść o AI robi się częściowo opowieścią o przenoszeniu badań. Europa powinna to przeczytać uważnie. Bo w wersji optymistycznej AI wyrównuje szanse mniejszych ośrodków, a w wersji pesymistycznej jedynie wzmacnia tych, którzy już mają największą infrastrukturę doświadczalną.
I pytanie, na które nikt jeszcze nie ma odpowiedzi: czy leki zaprojektowane przez modele mają wyższą szansę powodzenia w późnych fazach, czy tylko szybciej docierają do momentu, w którym mogą polec?
Piotr Wolniewicz, Redaktor Naczelny AIPORT.pl
Chcesz czytać więcej treści związanych z AI?
Dodaj AIPORT.pl do preferowanych źródeł Google
Chiny przestały być tylko fabryką
Kontekst rynkowy jest tu równie ciekawy jak sama technologia. Według analiz McKinsey udział Azji w globalnym portfelu innowacyjnych leków wzrósł w pięć lat z 28 do 43 procent, a same Chiny odpowiadają obecnie za około 29 procent światowego pipeline’u. Płatności początkowe z chińskich umów licencyjnych zawieranych z zagranicznymi partnerami wzrosły z poniżej 100 mln dolarów w 2020 roku do ponad 800 mln dolarów w 2024. Z danych GlobalData wynika z kolei, że chińskie umowy licencyjne stanowiły w 2024 roku 28 procent wszystkich takich transakcji zawartych przez duże koncerny, o łącznej wartości 41,5 mld dolarów.
Do tego dochodzi regulacja. W 2025 roku Chiny wprowadziły ścieżkę oceny wniosków o badania kliniczne dla innowacyjnych leków klasy I w 30 dni roboczych, z możliwością wydłużenia do 60 dni, jeśli sprawa wymaga konsultacji eksperckich. Cytowany przez Reuters przedstawiciel Pfizera ocenił, że rozwój kliniczny w Chinach można prowadzić trzykrotnie szybciej i mniej więcej o połowę taniej niż w Europie. Droga kandydata na lek do chińskiego rynku zajmuje zwykle pięć do siedmiu lat, na rynkach zachodnich co najmniej osiem do dziesięciu.
Insilico gra na obu stołach. Ponad 90 procent przychodów pochodzi od zachodnich firm farmaceutycznych, a spółka świadomie ogranicza sprzedaż większości swojego oprogramowania w Chinach ze względu na ryzyko geopolityczne. Ma umowy badawczo-rozwojowe z Eli Lilly, japońską Takedą i francuskim Servier, a w lipcu ogłosiła sojusz z tajwańską Bora Pharmaceuticals, którego wartość przy pełnej realizacji mogłaby przekroczyć 2,5 mld dolarów. Firma zadebiutowała na giełdzie w Hongkongu 30 grudnia 2025 roku pod kodem 3696.
Powód takiej struktury przychodów jest prozaiczny. Chiński system refundacji płaci za bardzo nowatorskie leki mniej niż rynki zachodnie, więc licencjonowanie na Zachód jest po prostu bardziej opłacalne.
A czy te leki naprawdę częściej się udają?
Tu robi się niewygodnie. Analiza portfeli firm biotechnologicznych opartych na AI z 2024 roku wykazała wskaźniki powodzenia I fazy na poziomie 80 do 90 procent, co brzmi imponująco. Ale w II fazie było to około 40 procent, czyli mniej więcej tyle, ile wynosi historyczna średnia branżowa użyta przez badaczy jako punkt odniesienia. Autorzy sami zaznaczyli, że programów w II fazie było zbyt mało, żeby cokolwiek rozstrzygnąć, a analiza opierała się na publicznie ujawnionych danych, bez porównania identycznych programów prowadzonych z AI i bez niej.
Czyli: wiemy, że jest szybciej. Nie wiemy jeszcze, czy jest skuteczniej. Rentosertib będzie jednym z pierwszych przypadków, które dołożą coś konkretnego do tej odpowiedzi.
Czterysta osób i czterdzieści procent
Zhavoronkov powiedział też Reutersowi coś, co przeszło w relacjach niemal bez echa, a moim zdaniem jest najciekawszym zdaniem całego wywiadu. Mówiąc o wpływie automatyzacji na własną organizację, liczącą około 400 osób, stwierdził: „prawdopodobnie mógłbym bez trudu zredukować 40 procent po stronie oprogramowania” / „I can probably displace 40% easily on the software side”.
Nie ogłosił zwolnień ani nie odniósł tej liczby do całej branży. Powiedział natomiast, że naukowcy laboratoryjni i inżynierowie oprogramowania przechodzą przekwalifikowanie w stronę obsługi systemów oceny modeli, zautomatyzowanej aparatury i robotyki. To dość precyzyjny opis tego, co dzieje się teraz w wielu firmach badawczych, tylko rzadko kto mówi o tym publicznie z konkretnym procentem.
Za każdą polską firmą AI stoi konkretny człowiek z imieniem i nazwiskiem, często ten sam w kilku miejscach naraz, i to właśnie ludzie, nie tabelki finansowania, są prawdziwym bohaterem tego artykułu.
Co to oznacza dla polskich firm?
Polska ma w tej układance mniejszą rolę, ale nie zerową, i akurat w lipcu pojawił się na to dobry przykład. Molecule.one, spółka z autonomicznym laboratorium chemicznym w Dziekanowie Leśnym pod Warszawą, zapowiedziała rozbudowę tego obiektu. Placówka działa od 2022 roku, jej przepustowość sięga dziś około 12 tysięcy eksperymentów tygodniowo, a rozwijana tam platforma Maria potrafi samodzielnie stawiać hipotezy, planować doświadczenia, sterować aparaturą i projektować kolejne próby na podstawie wyników.
W projekcie prowadzonym razem z OpenAI system przeprowadził w niespełna trzy miesiące 10 080 reakcji sprzęgania Chana-Lama. Chemikowi wykonującemu trzy reakcje dziennie zajęłoby to około dekady. Firma potroiła w 2025 roku przychody powyżej 10 mln zł, pozyskała dotąd około 40 mln zł od inwestorów i z grantów, zatrudnia mniej więcej 30 osób i rozważa uruchomienie drugiego laboratorium w Stanach Zjednoczonych.
To jest dokładnie ta sama logika, którą Insilico stosuje w Szanghaju, tylko w mniejszej skali i pod Warszawą. Polski ekosystem ma tu kilka realnych aktywów: krakowski Ardigen z platformą PhenAID do profilowania kandydatów na leki małocząsteczkowe, Molecure, które dostało ponad 27 mln zł grantu na rozwój platformy AI w konsorcjum z Instytutem Chemii Organicznej PAN, a także Ryvu Therapeutics, Captor Therapeutics i Selvitę po stronie klasycznej biotechnologii.
Czego brakuje, to skali i tempa po stronie regulacyjnej. Europa zauważyła problem: na początku 2026 roku szefowie krajowych agencji leków w UE uruchomili przyspieszoną ścieżkę dopuszczania wybranych badań klinicznych, właśnie po to, żeby odzyskać konkurencyjność we wczesnych fazach rozwoju. Dla polskich ośrodków badawczych i firm CRO to jest ta zmiana, którą warto śledzić uważniej niż kolejne doniesienia o modelach językowych. Bo jeśli badania kliniczne dalej będą migrować tam, gdzie decyzja zapada w 30 dni roboczych, to żadna platforma AI zbudowana nad Wisłą tego nie odwróci.
Źródła i metodologia
Artykuł powstał na podstawie analizy redakcji AIPORT.pl oraz dodatkowych źródeł, w tym wywiadu Alexa Zhavoronkova dla agencji Reuters z dnia 23.07.2026, oficjalnego komunikatu Insilico Medicine z dnia 07.07.2026 oraz analizy McKinsey dotyczącej udziału Azji w globalnym portfelu innowacyjnych leków. Korzystaliśmy również z materiałów AI News, GlobalData, Clifford Chance, „Nature Medicine” i „Nature Biotechnology”. Polski kontekst rynkowy opracowano na podstawie materiału portalu Świat Przemysłu Farmaceutycznego z dnia 20.07.2026 oraz doniesień Bankier.pl, Rzeczpospolitej i Biotechnologia.pl. Cytaty Alexa Zhavoronkova, założyciela i dyrektora generalnego Insilico Medicine, zostały zweryfikowane z oryginalnym anglojęzycznym materiałem źródłowym. Komentarz redakcyjny i ocena kontekstu branżowego: Piotr Wolniewicz, Redaktor Naczelny AIPORT.pl. Artykuł będzie aktualizowany w miarę pojawiania się nowych informacji o przebiegu III fazy badań nad rentosertibem i o rozwoju rynku leków projektowanych przez sztuczną inteligencję.
