Chiński system sztucznej inteligencji o nazwie XunZi samodzielnie wygenerował hipotezę terapeutyczną, którą następnie potwierdzono w laboratorium na myszach. Zahamowanie kinazy Chk2 zatrzymało obumieranie neuronów dopaminergicznych i cofnęło zaburzenia ruchowe u zwierząt.
Kluczowe fakty:
- Chiński system AI XunZi samodzielnie wygenerował hipotezę terapeutyczną dotyczącą choroby Parkinsona – zahamowanie kinazy Chk2 zatrzymało obumieranie neuronów dopaminergicznych i cofnęło zaburzenia ruchowe u myszy – którą następnie potwierdzono eksperymentalnie w laboratorium.
- XunZi został wytrenowany na 24,4 miliona publikacji biomedycznych z PubMed oraz 613,6 TB danych wielomodalnych, obejmując 21 008 ludzkich genów i 5850 jednostek chorobowych.
- Wyniki badania opublikowano 4 sierpnia 2026 roku w „Nature Biomedical Engineering"; pracę podpisało osiemnaścioro badaczy z Huazhong University of Science and Technology w Wuhanie i Uniwersytetu Syczuańskiego w Chengdu.
Praca ukazała się we wtorek 4 sierpnia 2026 roku w „Nature Biomedical Engineering”. Podpisało ją osiemnaścioro badaczy z Huazhong University of Science and Technology w Wuhanie oraz z Uniwersytetu Syczuańskiego w Chengdu. Redakcja przyjęła tekst 11 stycznia, zaakceptowała 8 lipca. Krótko jak na czasopismo z tej półki.
Przeczytałem abstrakt kilka razy, bo pierwsze wrażenie było takie, że to kolejna praca z gatunku „nasz model pobił GPT-4 w benchmarku”. Nie jest. Różnica polega na tym, co stało się po wygenerowaniu hipotezy.
Chcesz czytać więcej treści związanych z AI?
Dodaj AIPORT.pl do preferowanych źródeł Google
Dwa mózgi w jednym modelu
XunZi został zaprojektowany tak, by rozdzielić dwie rzeczy, które w typowym dużym modelu językowym są ze sobą sklejone: rozumowanie logiczne i przetwarzanie danych pomiarowych. Autorzy powołują się wprost na klasyczne prace Rogera Sperry’ego i Colwyna Trevarthena o specjalizacji półkul mózgowych. Stąd nieoficjalna nazwa, którą zespół nadał wcześniejszym wersjom kodu na GitHubie: „brain-inspired AI biologist”.
Skala treningu robi wrażenie:
- 24,4 miliona publikacji biomedycznych, pobranych z bazy PubMed
- 613,6 TB danych wielomodalnych z zasobów TCGA, CPTAC i Synapse
- pokrycie 21 008 ludzkich genów
- pokrycie 5850 jednostek chorobowych
- moduł rozumujący XunZi-R testowany na bazach DisGeNET i CTD w walidacji krzyżowej
Ta ostatnia rzecz jest ważniejsza, niż wygląda. Zespół trenował moduł na jednej bazie, a testował na drugiej, nienakładającej się. To standard, którego wiele prac o „AI w biomedycynie” po prostu nie spełnia. Do porównania użyto BERTScore, BLEU i ROUGE, a jako punkt odniesienia wzięto GPT-4, GPT-4o i inne modele ogólnego przeznaczenia.
W materiałach uzupełniających autorzy zrobili coś jeszcze, co doceniam. Skatalogowali cztery typy błędów popełnianych przez modele językowe w kontekście biomedycznym: bezpodstawną fabrykację, błąd logiczny, błąd faktograficzny i niepełne podsumowanie. Każdy typ zilustrowali odpowiedzią GPT-4 zestawioną z poprawką eksperta. Rzadko widuję taką uczciwość w pracy, która ma sprzedać własne narzędzie.
Od hipotezy do myszy
Model wskazał dwie kinazy jako nadaktywne w chorobie Parkinsona: CHK2 i IRAK4. Potem zaczęła się część, której brakuje w dziewięciu na dziesięć artykułów o odkryciach dokonanych przez sztuczną inteligencję.
Badacze wzięli mysie modele choroby Parkinsona, MPTP oraz model oparty na preformowanych fibrylach alfa-synukleiny, i sprawdzili hipotezę eksperymentalnie. Zablokowali Chk2, farmakologicznie i genetycznie. Ubytek neuronów dopaminergicznych został zatrzymany, deficyty ruchowe u myszy ustąpiły. Surowe dane z sekwencjonowania RNA trafiły do chińskiej bazy National Genomics Data Center, dane proteomiczne i fosfoproteomiczne do repozytorium iProX, kod źródłowy na GitHuba.
Zespół pokazał też działanie modelu poza neurologią, na przykładzie niedrobnokomórkowego raka płuca. W sumie przetestowano skuteczność systemu na kilkudziesięciu typach nowotworów i na czterech chorobach neurodegeneracyjnych, w tym alzheimerze, chorobie Huntingtona i postępującym porażeniu nadjądrowym.
Sami autorzy piszą o swojej pracy bez fałszywej skromności: „XunZi wyznacza ramy, które zmieniają paradygmat” / „XunZi establishes a paradigm-shifting framework”. Zobaczymy.
Skąd nazwa
Xunzi to chiński filozof żyjący mniej więcej między 310 a 235 rokiem przed naszą erą, znany z rygoru w rozumowaniu. Autorzy podziękowali mu w sekcji podziękowań, obok żywych współpracowników. Drobiazg, ale mówi coś o tym, jak chińskie zespoły badawcze budują dziś własną narrację wokół sztucznej inteligencji. Nie „nasz odpowiednik AlphaFold”, tylko własny punkt odniesienia, zakotwiczony we własnej tradycji intelektualnej.
Trzymam kciuki za tę pracę i jednocześnie proszę o spokój. Myszy to nie ludzie. Historia neurologii jest cmentarzyskiem cząsteczek, które ratowały gryzonie i zawodziły w drugiej fazie badań klinicznych. Inhibitory LRRK2, którym autorzy poświęcają w bibliografii sporo miejsca, przeszły dokładnie tę drogę i wciąż czekają na potwierdzenie skuteczności u pacjentów.
Co mnie tu naprawdę przekonuje, to nie sam model, tylko dyscyplina zespołu. Wygenerowali hipotezę, poszli do laboratorium, opublikowali surowe dane i kod. To odwrotność tego, co widzę w większości komunikatów prasowych o sztucznej inteligencji w medycynie, gdzie ogłasza się przełom na etapie slajdu z wynikiem benchmarku.
Pytanie, które sobie zadaję: czy XunZi rzeczywiście wygenerował hipotezę de novo, czy raczej bardzo sprawnie wydobył sygnał, który leżał rozproszony w literaturze i czekał, aż ktoś połączy kropki? Z punktu widzenia pacjenta różnica jest żadna. Z punktu widzenia tego, co mówimy o zdolnościach maszyn, jest fundamentalna. Sam artykuł jest za paywallem, więc na tę odpowiedź trzeba będzie poczekać, aż środowisko przetrawi metodologię.
Piotr Wolniewicz, Redaktor Naczelny AIPORT.pl
Opisz krótko, czego potrzebujesz. Jesteśmy największym HUB-em AI w Polsce — w naszej bazie znajdziesz blisko 500 zweryfikowanych firm specjalizujących się w AI. W Twoim imieniu poprosimy 3-5 dopasowanych wykonawców o kontakt w ciągu 48 godzin.
Rynek, który obiecuje więcej, niż dowiózł
Warto zestawić to odkrycie z twardymi liczbami, bo szum wokół sztucznej inteligencji w farmacji dawno wyprzedził wyniki.
Analiza przedstawiona w 2026 roku na kongresie Amerykańskiego Towarzystwa Onkologii Klinicznej naliczyła 117 terapeutycznych cząsteczek opracowanych z udziałem sztucznej inteligencji, rozwijanych przez 63 firmy i dopuszczonych do badań na ludziach. Pierwszą fazę ukończyło 60 z nich. Drugą fazę ukończyło osiem. Ani jeden lek zaprojektowany przez sztuczną inteligencję nie ma dziś rejestracji amerykańskiej Agencji Żywności i Leków.
Pieniądze płyną mimo to. Isomorphic Labs, spółka Google DeepMind kierowana przez Demisa Hassabisa, zebrała 2,1 miliarda dolarów w rundzie B, a mimo to według stanu na połowę 2026 roku nie ujawniła kandydata klinicznego. Wyceny całego segmentu rozjeżdżają się tak bardzo, że sam ten rozrzut jest informacją: Grand View Research szacuje rynek na 2,35 mld dolarów w 2025 roku, Fortune Business Insights na 4,46 mld, Roots Analysis na 6 mld. Trzy firmy analityczne, trzy różne definicje tego samego zjawiska.
Odkrywanie celu terapeutycznego jest jednak czymś innym niż projektowanie cząsteczki. To wcześniejszy, tańszy i bardziej zaniedbany etap łańcucha. Jeśli XunZi rzeczywiście działa, jego wartość leży właśnie tam, gdzie dziś marnuje się najwięcej pieniędzy: w wyborze, w co w ogóle celować.
Co to oznacza dla polskich pacjentów i firm?
Choroba Parkinsona dotyka w Polsce około stu tysięcy osób, a rocznie diagnozę słyszy nawet osiem tysięcy pacjentów. Średni wiek zachorowania to około sześćdziesięciu lat, ale neurolodzy od kilku lat obserwują przesuwanie się tej mediany w dół.
System nie nadąża. W programie lekowym B.90, obejmującym terapie infuzyjne w zaburzeniach motorycznych, leczonych jest około pięciuset chorych. W kwietniu 2025 roku prof. Jarosław Sławek, kierownik Oddziału Neurologicznego i Udarowego Szpitala św. Wojciecha w Gdańsku i wiceprezes Polskiego Towarzystwa Neurologicznego, alarmował, że brak środków w programie „uniemożliwia w wielu ośrodkach włączanie nowych chorych do terapii infuzyjnych”. Zabiegów głębokiej stymulacji mózgu wykonuje się w Polsce około trzystu rocznie.
Jest też wątek, który mnie osobiście ucieszył. Wśród 89 pozycji bibliografii chińskiej pracy znalazł się artykuł z Uniwersytetu Medycznego we Wrocławiu. Monika Kisielewska, Michał Filipski, Kamil Sebastianka, Dobrawa Karaś, Klaudia Molik i Anna Choromańska opublikowali w lipcu 2024 roku w „International Journal of Molecular Sciences” przegląd roślinnych inhibitorów Chk2 pod kątem ich potencjału neuroprotekcyjnego. Dokładnie ten kierunek, który XunZi wskazał dwa lata później jako wart eksperymentu.
Polska nauka bywa cytowana w miejscach, o których sama nie wie. To dobry moment, żeby o tym przypomnieć, zwłaszcza gdy dyskusja o rodzimych możliwościach w sztucznej inteligencji sprowadza się zwykle do pytania, czy stać nas na własny model językowy.
Dla polskich firm biotechnologicznych sygnał jest inny i bardziej praktyczny. Kod XunZi jest publicznie dostępny, dane referencyjne również. Nie trzeba mieć 613 terabajtów i klastra obliczeniowego z Wuhanu, żeby przetestować podejście na węższym, dobrze zdefiniowanym problemie. Barierą wejścia nie jest już infrastruktura, tylko jakość pytania, które się zadaje.
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.
Czego jeszcze nie wiemy
Praca jest zamknięta za opłatą, dostępny publicznie jest abstrakt, dane i kod. Recenzenci pozostali anonimowi. Autorzy deklarują brak konfliktu interesów, a finansowanie pochodzi w całości ze źródeł publicznych, głównie z chińskiej Narodowej Fundacji Nauk Przyrodniczych i krajowego programu badawczo-rozwojowego.
Nie wiemy, jak XunZi zachowa się na chorobach, dla których literatura jest uboga. Model wytrenowany na 24 milionach publikacji ma tę oczywistą słabość, że najlepiej radzi sobie tam, gdzie ludzie już dużo napisali. Choroby rzadkie, czyli te, w których pomoc maszyny byłaby najcenniejsza, to dla takiego systemu obszar najuboższy w sygnał.
I najważniejsze. Od hipotezy potwierdzonej na myszy do leku w aptece droga liczy się w latach i miliardach. Chk2 ma teraz szansę, żeby tę drogę zacząć. Nic więcej i nic mniej.
Źródła i metodologia
Artykuł powstał na podstawie analizy redakcji AIPORT.pl oraz źródeł pierwotnych, w tym pracy XunZi, an AI biologist, reveals disease-modifying targets opublikowanej w „Nature Biomedical Engineering” 4 sierpnia 2026 roku (DOI 10.1038/s41551-026-01769-6), repozytorium kodu źródłowego XunZi na GitHubie oraz pracy przeglądowej zespołu Uniwersytetu Medycznego we Wrocławiu w International Journal of Molecular Sciences z 15 lipca 2024 roku. Dane o stanie rynku pochodzą z raportów Grand View Research, Fortune Business Insights, Roots Analysis oraz z analizy przedstawionej na kongresie ASCO w 2026 roku, referowanej przez IntuitionLabs i AIM Media House. Kontekst polski oparty na materiałach Polskiego Towarzystwa Neurologicznego, Polskiej Agencji Prasowej, serwisów Rynek Zdrowia, ISB Zdrowie oraz Medycyny Praktycznej. Cytat z abstraktu został zweryfikowany z oryginalnym anglojęzycznym materiałem źródłowym, wypowiedź prof. Jarosława Sławka z zapisem z kwietnia 2025 roku. Komentarz redakcyjny i ocena kontekstu branżowego: Piotr Wolniewicz, Redaktor Naczelny AIPORT.pl. Artykuł będzie aktualizowany w miarę pojawiania się nowych informacji o dalszych losach kinazy Chk2 jako celu terapeutycznego w chorobie Parkinsona.
