Als je hoort dat een AI-expert die de wereld al veranderde met DeepMind nu de taak op zich neemt om 'alle ziektes op te lossen', klinkt dat misschien als sciencefiction, of erger nog: science-fluff. Toch is dit de hyperambitieuze missie van Sir Demis Hassabis. Hij wil de meest hardnekkige patronen in de biologie ontrafelen, een uitdaging die zelfs sterrenkundigen jaloers zou maken.
Waarom is dit nu cruciaal? Omdat de manier waarop we medicijnen ontdekken al decennia lang niet fundamenteel is veranderd, ondanks miljardeninvesteringen en jaren werk. Hassabis' nieuwe methode belooft dit proces te versnellen van een tiental jaar naar misschien wel een fractie daarvan. Dit is de verschuiving van ‘gokken’ naar precisie-engineering in de geneeskunde.
De sterrenkijker die chaos ordent
Hassabis, de medeoprichter van DeepMind, begon als kind al met het zoeken naar orde in chaos. Hij keek als achtjarige in de Londense nevels naar de Orion-gordel – drie willekeurige sterren die voor ons ogenblik betekenis krijgen. Dezelfde drijfveer stuurt hem nu.
Zijn eerdere doorbraak, AlphaFold 2, deed iets wat wetenschappers al tientallen jaren probeerden: het voorspelde de driedimensionale vouwing van eiwitten uit hun DNA. Dit gaf een directe impact op ziektes als Parkinson en bepaalde kankers.
De sprong van eiwitvouwing naar medicijnontwerp
Na dit succes richtte Hassabis Isomorphic Labs op, gefinancierd door Alphabet. De missie? Een doorbraakmedicijn creëren voor de meest 'onbehandelbare' aandoeningen. De kern van hun aanpak is de evolutie van AlphaFold naar een volwaardige 'drug-design engine'.
Waarom is dit nodig? Omdat traditionele medicijnontwikkeling een proces is van brute pech en onvoorstelbare schaal. Denk hierbij aan het vinden van dat ene naaldje in de hooiberg. In Nederland zijn we gewend dat wetenschap vernieuwend is, maar in de farma is het vaak nog ‘boil the sludge and see what happens’.
- Het aantal mogelijke chemische verbindingen is groter dan het aantal sterren in het observeerbare universum (10^60).
- Zelfs vandaag de dag leidt slechts 1 op de 20 chemici tot een succesvol medicijn in hun carrière.
- De kans dat een kandidaat-medicijn de klinische proeven haalt, is historisch gezien slechts 10%.
Isomorphic wil dit omslachtige ‘Whac-a-Mole’ spelletje stoppen door zich te richten op de structuur. Ze gebruiken AI om moleculaire interacties op detailniveau te voorspellen, waardoor de jarenlange trial-and-error in de pre-klinische fase wordt geëlimineerd.
De ‘structuur-eerst’ aanpak
Vince Hankes van Thrive Capital, een belangrijke investeerder, maakt een krachtige vergelijking: “Niemand zou vandaag de dag een vliegtuig met de hand willen ontwerpen, noch ermee willen vliegen. Maar al onze medicijnen zijn nog zo ontworpen.”
Isomorphic bouwt aan een systeem dat niet één medicijn maakt, maar een proces voor tientallen medicijnen per jaar: een ‘virtuele fabriek’ voor geneesmiddelen. Ze focussen zich met name op de zogenaamde ‘undruggable’ eiwitmutaties die veel voorkomen bij alvleesklier-, long- en colorectale kankers.
De tijdwinst is gigantisch
Een nieuw medicijn op de markt brengen kost momenteel meer dan 2 miljard euro en duurt vaak meer dan tien jaar. Experts zoals Fiona Marshall van Novartis geloven dat AI de ontdekkingsfase met wel 50% kan versnellen. Dat zou de gemiddelde tijd kunnen reduceren naar ongeveer vijf jaar.
Hassabis is hierin pragmatisch. Hij spreekt niet over het 'genezen' van alle ziekten, maar over het 'oplossen' in de zin van het creëren van een schaalbaar, herhaalbaar proces.
Praktische HACK: De vraag achter het antwoord
Wat mij het meest opviel in de werkethiek van Hassabis is dat hij niet zoekt naar het 'juiste antwoord', maar naar de 'juiste vraag'. In je eigen werk, of het nu gaat om je huis te verbouwen of een marketingcampagne op te zetten: neem even afstand van de brute kracht van de uitvoering en vraag jezelf af: Welk fundamenteel aspect van dit probleem negeer ik, dat als ik het zou oplossen, de rest makkelijker wordt?
Een blik in de AI-apotheek van de toekomst
Het team van Isomorphic groeit snel en trekt AI-talent aan dat gewend is aan een moordend tempo – ‘als je niet elke zes maanden de beste ter wereld verslaat, ben je dood’, aldus een voormalig DeepMinder. Zij brengen die hardheid nu naar de biologische wetenschap.
Hoewel ze nog geen tijdlijn geven voor de eerste klinische proeven, is de ambitie duidelijk: over tien tot twintig jaar willen we alledaagse behandelingen kunnen leveren voor aandoeningen die we nu als onvermijdelijk beschouwen.
Als ik in de oude Fry-telescoop keek en Saturnus zag, voelde het surrealistisch hoe ver we kunnen reiken. Hassabis gelooft dat ons eigen lichaam, hoe complex ook, in essentie ook een universum is dat wacht om begrepen te worden. Het is de ultieme patroonherkenning die ons dichter bij onszelf brengt, nog verder dan onze telescopen reiken.
Wat denk jij? Zullen we de komende tien jaar echt een doorbraak zien in de behandeling van complexe ziekten dankzij AI, of blijft het een te ambitieuze belofte?
