Sammenfatning
”Fuldt AI-genererede” (de novo) lægemidler er nu tydeligt i klinisk fase, men de mest stringente offentlige beviser befinder sig stadig i den tidlige til midterste kliniske udvikling snarere end i afsluttede senfase-forsøg. Det stærkeste peer-reviewede kliniske proof-of-concept pr. maj 2026 er Insilico Medicine’s rentosertib (tidligere ISM001-055 / INS018_055), som rapporterede randomiserede Fase 2a-forsøgsresultater i idiopatisk pulmonal fibrose (IPF) i Nature Medicine (publiceret online 3. juni 2025).[1]
Sideløbende er flere programmer designet med generative AI-platforme gået ind i Fase 1 (for eksempel Isomorphic Labs’ første AI-designede lægemiddel i UK, og Absci’s ABS-101) eller er overgået til pivotale test (for eksempel Generate:Biomedicines’ GB-0895 med planlagte globale Fase 3-forsøg, og MindRank’s MDR-001 med den første patient doseret i Fase 3 i Kina).[2–5]
State of the art
I praksis kan ”AI-designet” referere til forskellige tekniske bidrag på vejen fra target-valg til lead-optimering og molekyleudvikling. For eksempel beskriver Insilico en end-to-end-workflow, hvor virksomheden først identificerede et target for IPF ved hjælp af sin PandaOmics-motor og derefter designede og optimerede et lille molekyle ved hjælp af sin Chemistry42 generative kemimotor.[6]
En særskilt, stadig vigtigere egenskab er højpræcisionsmodellering af proteinformer og interaktioner. Offentlig rapportering omkring Isomorphic Labs’ første AI-designede lægemiddel rammesætter eksplicit indsatsen som værende drevet af AlphaFold 3, beskrevet som et værktøj, der ”nøjagtigt kan forudsige formen på proteiner, og hvordan de interagerer med andre molekyler”.[2]
På biologiske lægemidlers side demonstrerer de novo-proteingenereringsmetoder kontrol på atomniveau over binding. En rapport fra 2026 beskriver kombinationen af et fintunet RFdiffusion2-netværk med yeast display-screening til at generere antistofformater (VHHs, scFvs og fulde antistoffer), der binder til brugerspecifikke epitoper ”med præcision på atomniveau”, med cryo-EM-bekræftelse af bindingspositioner og affinitetsmodning, der resulterer i enkeltcifrede nanomolære bindere, mens epitopselektiviteten opretholdes.[7]
Klinisk evidens
Tabellen nedenfor opsummerer et lille udvalg af de novo, generative-AI-designede programmer med eksplicitte, kildeangivne kliniske milepæle i det leverede datasæt.
Længst fremme i peer-reviewede kliniske resultater
Det mest detaljerede og peer-reviewede kliniske signal i datasættet er Insilico’s rentosertib i IPF. Den publicerede rapport beskriver ”det første fase 2a-multicenter, dobbeltblinde, randomiserede, placebokontrollerede forsøg”, der tester rentosertib (tidligere ISM001-055), karakteriseret som en ”first-in-class AI-genereret lille molekyle-inhibitor af TNIK”, hvor TNIK beskrives som et ”first-in-class target i idiopatisk pulmonal fibrose (IPF) opdaget ved hjælp af generativ AI”.[1]
Effekten blev rapporteret som en ændring i forceret vitalkapacitet (FVC), hvor armen med den højeste dosis viste en gennemsnitlig ændring på mL (95% CI 10.9 til 185.9) i gruppen med 60 mg én gang dagligt sammenlignet med mL (95% CI −116.1 til 75.6) i placebogruppen.[1] Supplerende kommunikation omkring samme Fase 2a-program beskriver opnåelse af det primære endepunkt for sikkerhed og tolerabilitet på tværs af dosisniveauer og rapportering af dosisafhængig FVC-forbedring på et sekundært endepunkt.[12]
Separat rapporterede Insilico også om regulatoriske fremskridt for en formulering til direkte inhalation: en inhalationsopløsning af rentosertib modtog IND-godkendelse, hvilket understøtter et Fase 1-studie, der evaluerer sikkerhed, tolerabilitet og farmakokinetik.[13]
Bølgen bagved
Ud over rentosertib beskriver flere organisationer nu offentligt first-in-human-testning af AI-designede kandidater.
Isomorphic Labs (Alphabet) annoncerede starten på kliniske forsøg i mennesker for deres første AI-designede lægemiddel og oplyste, at et Fase 1-forsøg er i gang i UK og vil fokusere på sikkerhed og tolerabilitet hos raske frivillige, hvor projektet beskrives som værende drevet af AlphaFold 3.[2]
Generate:Biomedicines har offentliggjort både tidlige kliniske data og intentioner om senfase-studier. For GB-0669 (et SARS-CoV-2-neutraliserende antistof) beskrev first-in-human-data Fase 1-tolerabilitet uden dosisbegrænsende toksiciteter eller alvorlige bivirkninger og rapporterede neutraliseringsmetrikker (for eksempel neutraliseringsindeks 15 ved 1200 mg).[11] For GB-0895 (anti-TSLP) annoncerede virksomheden planer om at påbegynde to globale Fase 3-forsøg (SOLAIRIA-1 og SOLAIRIA-2), idet de beskrev doseringsregimet (300 mg subkutant hver sjette måned) og et 52-ugers design med et primært endepunkt knyttet til den årlige rate for astma-eksacerbationer.[4, 10]
Absci har bragt flere AI-konstruerede antistoffer videre til klinisk testning. Virksomheden rapporterede, at de første raske frivillige var blevet doseret i et Fase 1-studie af ABS-101, et anti-TL1A-antistof konstrueret med deres generative AI-platform.[3] De rapporterede også om de første raske frivillige doseret i et Fase 1/2a HEADLINE-studie for ABS-201 (anti-PRLR) og oplyste, at interimdata forventes i anden halvdel af 2026.[14]
Realitetstjek
For det første betyder ”i klinikken” ikke ”klinisk bevist”. Det tydeligste effektsignal i datasættet (rentosertibs Fase 2a FVC-ændring) er stadig et Fase 2a-resultat og er eksplicit rammesat som noget, der kræver yderligere undersøgelse i større og længerevarende forsøg.[15]
For det andet, selv når programmer når til pivotale forsøg, afspejler dette typisk en overgang til længere, bekræftende testning snarere end færdiggørelse. For eksempel beskrives Fase 3-astmaprogrammet for GB-0895 som en planlagt opstart og specificerer et 52-ugers placebokontrolleret design, hvilket indebærer, at resultaterne først vil foreligge efter væsentlig opfølgning og analyse.[4, 10] Tilsvarende er MindRank’s MDR-001-offentliggørelse rammesat som den første patient doseret i Fase 3, hvilket er en milepæl for studiestart snarere end en udlæsning af et endepunkt.[5]
For det tredje forbliver begrebet ”AI-designet” heterogent på tværs af modaliteter og virksomheder. Nogle programmer betoner end-to-end generative workflows for både target og molekyle (som beskrevet for rentosertibs target-identificering og AI-genererede inhibitor), mens andre betoner strukturforudsigelse (AlphaFold-drevne indsatser) eller de novo protein-/antistofgenerering (RFdiffusion-baserede tilgange).[1, 2, 7]
Hvad man skal holde øje med
Det videnskabelige spørgsmål på kort sigt er, om det Fase 2a-signal, der blev observeret for rentosertib — især den dosisassocierede FVC-ændring — kan reproduceres i større og længerevarende studier i IPF, en kontekst hvor fald i lungefunktionen er klinisk signifikant og vanskeligt at vende.[1]
Det translationelle spørgsmål på kort sigt er, om AI-konstruerede antistoffer som GB-0895 kan omsætte langvirkende farmakokinetik og biomarkørundertrykkelse fra Fase 1 til klinisk signifikante reduktioner i eksacerbationer over et år langt Fase 3-design.[4, 10] Endelig, efterhånden som flere kandidater går ind i Fase 1 (herunder dem beskrevet af Isomorphic Labs og Absci), vil feltet blive bedømt mindre på påstande om designhastighed og mere på de kliniske egenskaber, som de tidlige studier eksplicit er sat op til at måle: sikkerhed, tolerabilitet, farmakokinetik og — senere — validerede effektendepunkter.[2, 3]
