Het nieuwste bedrijf dat voortkomt uit een Stanford Medicine-laboratorium heeft 37.000 werknemers, en niet één van hen is een mens. Er is geen laboratoriumruimte, geen loonlijst en geen lunchpauzes. In een studie die op 17 september in het tijdschrift Science werd gepubliceerd, beschrijven onderzoekers een virtueel biotechbedrijf dat volledig door AI wordt bemand, dat tienduizenden klinische onderzoeken heeft geanalyseerd, een biologisch signaal heeft blootgelegd dat voorspelt welke medicijnen zullen slagen, en onafhankelijk een longkankertherapie heeft ontworpen waar een groot farmaceutisch bedrijf later op eigen kracht tot is gekomen.
Een compleet farmaceutisch bedrijf gemaakt van agenten
Het project is het geesteskind van James Zou, universitair hoofddocent biomedische datawetenschap aan Stanford Medicine, en afgestudeerde student Harrison Zhang, die het werk leidde. Het bouwt voort op het ‘virtuele laboratorium’ van AI-wetenschappers dat Zou’s groep in 2025 lanceerde – maar deze keer ging het team verder en creëerde een heel bedrijf met tienduizenden AI-agenten die zijn opgeleid om de volledige pijplijn van medicijnontwikkeling te ondersteunen.
"Ons idee was om te kijken hoe ver we dit konden pushen. Kunnen we een biotechbedrijf oprichten dat alles op zich neemt, van het zoeken naar medicijndoelen tot en met het ontwerpen van klinische onderzoeken?" Zou Zou in de Stanford Medicine-aankondiging zeggen. "Kunnen we een volledig agentisch bedrijf hebben dat de uiterst complexe uitdagingen van het ontdekken van medicijnen aanpakt?"
Het virtuele bedrijf weerspiegelt het organigram van een gevestigde biotech: een Chief Science Officer-agent leidt onderzoeksteams die zijn onderverdeeld in gespecialiseerde afdelingen die parallel werken aan kernelementen van het ontwerpen van geneesmiddelen, van het identificeren van moleculaire doelwitten tot het ontwerpen van klinische onderzoeken.
Wat 37.000 agenten vonden in 50.000 processen
Een van de grootste uitdagingen bij het ontdekken van geneesmiddelen is het voorspellen welke moleculen klinische proeven zullen overleven – een proces dat volgens Zou tientallen of zelfs honderden miljoenen dollars kan kosten en vele jaren kan duren. De agenten kregen een nauwgezette taak toegewezen: in plaats van de wetenschappelijke literatuur breed te doorzoeken, analyseerde elke agent een specifieke klinische proef en verzamelde gegevens over de veiligheid en effectiviteit. In totaal hebben ze in minder dan een week ongeveer 50.000 onderzoeken gecatalogiseerd, een taak die volgens Zou menselijke onderzoekers jaren zou hebben gekost.
De agenten onderzochten vervolgens de moleculaire gegevens die tijdens die onderzoeken waren verzameld en bouwden twee scoresystemen. De eerste meet hoe specifiek een medicijn zich richt op een bepaald celtype, in plaats van veel celtypen breed te beïnvloeden. De tweede gemeten 'bimodaliteit': of de activiteit van een gericht gen zich gedraagt als een lichtschakelaar, die aan en uit springt, of als een dimmer met een reeks tussenliggende toestanden.
Het patroon dat naar voren kwam was opvallend. Geneesmiddelen die zich op een celspecifieke manier op switch-achtige genen richtten, hadden 40% meer kans om van fase 1- naar fase 2-onderzoeken door te gaan, 48% meer kans om de markt te bereiken en hadden 32% minder bijwerkingen vergeleken met geneesmiddelen met een brede activiteit. Het effect bleef bestaan bij kankers, hersenziekten, hartziekten en nier- en longaandoeningen.
"De wetenschap die de agenten ontdekten is echt opwindend en laat zien dat deze eencellige eigenschappen kunnen worden gebruikt om betere medicijnen te maken," zei Zou. "Het wijst op het belang van het verzamelen van dit soort gegevens. Dit zou de hele industrie voor geneesmiddelenonderzoek kunnen helpen."
De B7-H3-test: van voorspelling tot validatie
De doorslaggevende vraag was of een volledig AI-bedrijf een echt medicijn zou kunnen ontwerpen. Om daar achter te komen richtte het team de middelen op B7-H3, een eiwit dat al lang interessant is voor longkankeronderzoekers. De agenten analyseerden onderzoeken en opslagplaatsen voor biomedische gegevens en ontdekten dat B7-H3 in hoge mate tot expressie komt in fibroblasten: bindweefselcellen die vaak in de buurt van tumorcellen leven. Door zich te verdiepen in ruimtelijke transcriptomische gegevens ontdekten ze dat deze fibroblasten die B7-H3 tot expressie brengen signalen naar nabijgelegen immuuncellen signaleerden en deze onderdrukten, waardoor de tumor effectief werd verborgen voor de natuurlijke afweer van het lichaam.
De agenten ontwierpen vervolgens een antilichaam-geneesmiddelconjugaat – een gericht eiwit dat zich nestelt in cellen die overvloedig B7-H3 bevatten en daar rechtstreeks een chemotherapie-lading aan aflevert. Cruciaal was dat het ontwerp alleen gebaseerd was op informatie die vóór januari 2025 beschikbaar was. Maanden later, in augustus 2025, ontwikkelde een gevestigd farmaceutisch bedrijf onafhankelijk dezelfde antilichaam-geneesmiddelconjugaatstrategie tegen B7-H3. Die therapie kreeg vervolgens een doorbraaktherapie-aanduiding van de FDA nadat ze effectiviteit had aangetoond in een onderzoek bij mensen – een uitkomst die Zou beschrijft als onafhankelijke validatie door derden van het ontwerp van de virtuele biotech.
Zou streeft B7-H3 niet verder na, aangezien een ander bedrijf het al naar klinieken leidt. Maar hij zegt dat de virtuele biotechnologie andere kandidaat-doelen heeft opgeleverd die op dezelfde manier zijn ontworpen.
Mensen blijven het kanaal
Ondanks de omvang van het personeelsbestand van agenten, is Zou expliciet over de grenzen. "Mensen, fysieke experimenten en validatie zullen altijd het kanaal zijn waardoor AI impact zal hebben", zei hij. De volgende stap van het team is het verplaatsen van de nieuwe bevindingen van de virtuele biotech naar echte laboratoria om te testen hoeveel ervan standhouden in de fysieke wereld.
Het onderzoek werd gefinancierd door een Knight-Hennessy Scholarship, de National Institutes of Health, de National Science Foundation en Chan Zuckerberg Biohub, met aanvullende steun van Stanford's Department of Biomedical Data Science.
Waarom het ertoe doet
De studie komt te midden van een bredere verschuiving in de manier waarop AI wordt toegepast op de wetenschap – van modellen die onderzoek samenvatten tot agentische systemen die experimenten plannen, gegevens analyseren en nieuwe therapieën voorstellen. De berichtgeving over het werk van The New York Times en de pers uit de genomics-industrie onderstreept de aandacht die het 'virtuele biotech'-raamwerk trekt.
Als het ontwerp-voor-validatie-resultaat op B7-H3 een indicatie is, heeft de farmaceutische industrie een nieuwe klasse onderzoeksinstrumenten om te evalueren: organisaties van AI-agenten die jaren van literatuuronderzoek en proefanalyse in dagen kunnen comprimeren. De open vraag – degene die Zou's team nu test – is hoeveel van wat de agenten voorstellen het contact met een fysieke laboratoriumbank overleeft.
Blijf AI een stap voor
AI transformeert onderzoek op elk niveau, van de ontdekking van medicijnen tot fundamentele natuurkunde. Voor meer actueel AI-nieuws en analyses van het onderzoek dat het vakgebied vormgeeft, lees meer AI-nieuws →.
---
Blijf Voorop met AIHet laatste AI-nieuws, analyses en doorbraken — allemaal op één plek.
Lees meer AI-nieuws →
