Fremtidens teknologi

Kan KI kurere sykdommer? Dette kan AlphaFold faktisk gjøre for medisinsk forskning

O
Ole Gunnar Hellenes··8 min lesing

Sist faktasjekket:

En sikksakklinje blir til en indigo brikke med hakemerke, som viser hvordan KI forutsier proteiners foldede form

Kort oppsummert

KI kurerer ikke sykdommer ennå, men AlphaFold har gjort en av de mest tidkrevende fasene i legemiddelutvikling mye raskere. Modellen løste et 50 år gammelt problem ved å forutsi formen til proteiner, og utviklerne fikk Nobelprisen i kjemi i 2024. Nå forbereder DeepMind-selskapet Isomorphic Labs de første forsøkene på mennesker med kreftlegemidler utviklet på denne måten, med oppstart innen utgangen av 2026.


Problemet som tok 50 år å løse

Proteiner er kroppens arbeidshester. De fordøyer maten din, bekjemper infeksjoner, transporterer oksygen og styrer nesten alt som skjer i cellene dine. Et protein er likevel ikke bare en rett kjede av byggesteiner, såkalte aminosyrer. Kjeden brettes sammen til en helt bestemt tredimensjonal form, og det er nettopp formen som avgjør hva proteinet faktisk gjør. Feil folding er en dokumentert, direkte medvirkende årsak til sykdommer som kreft, Alzheimers og diabetes.

I flere tiår var det et av biologiens vanskeligste uløste problemer å finne ut nøyaktig hvordan et protein folder seg, bare ut fra rekkefølgen av byggesteinene. Tradisjonelt tok det årevis med kostbart laboratoriearbeid for hvert eneste protein. Det endret AlphaFold fullstendig. Modellen er utviklet av Google DeepMind og kan i dag forutsi strukturen til et protein på minutter. I mange tilfeller er nøyaktigheten like god som fysiske laboratoriemålinger. Over to millioner forskere har brukt AlphaFold2, ifølge Nobelkomiteens egen pressemelding. Med modellen er strukturen til så godt som alle de rundt 200 millioner proteinene forskere kjenner til, blitt forutsagt.


Fra proteinform til faktiske medisiner

AlphaFold 3 kom i 2024 og gikk et steg videre. I tillegg til formen på ett protein kan den forutsi hvordan proteiner samhandler med andre molekyler, som DNA, RNA og mulige legemidler. Det er dette som gjør teknologien relevant for selve legemiddelutviklingen. Mye av jobben med å utvikle en ny medisin handler nemlig om å finne et molekyl som passer presist inn i riktig del av et protein. Det ligner på å finne riktig nøkkel til en svært spesiell lås.

I 2021 skilte Google DeepMind ut et eget selskap, Isomorphic Labs, som ledes av den samme Demis Hassabis. Målet er konkret. Selskapet skal bruke teknologien til å designe nye legemidler, ikke bare forske på proteinstrukturer i akademisk forstand. Det har inngått forskningspartnerskap verdt over 3 milliarder dollar med legemiddelselskapene Eli Lilly og Novartis. I april 2026 bekreftet selskapets president, Colin Murdoch, at Isomorphic Labs forbereder de første kliniske forsøkene på mennesker med KI-utviklede kreftlegemidler. Han kalte det “det neste store målet”. Likevel hadde ingen pasienter fått en KI-utviklet medisin fra selskapet så sent som i mai 2026.

Hassabis har for øvrig også snakket offentlig om et helt annet og mer spekulativt mål for DeepMind. Det kan du lese om i vår egen artikkel om hvorvidt AI kan forske på seg selv.

En indigo nøkkel nærmer seg et lås i en molekylform, som illustrerer legemiddeldesign tilpasset proteinets struktur


Den ærlige nyansen: Dette tok lengre tid enn selskapet selv trodde

Én ting forsvinner ofte i de begeistrede overskriftene. Isomorphic Labs hadde opprinnelig som mål å starte de kliniske forsøkene allerede i 2025. Under Verdens økonomiske forum i januar 2026 måtte Hassabis selv innrømme at tidslinjen var skjøvet til utgangen av 2026. Her har altså selskapet selv måttet innrømme forsinkelsen. Det er et konkret eksempel på at selv den mest suksessrike og best finansierte aktøren i feltet har måttet justere ned sine opprinnelige forventninger.

Husk også at et klinisk forsøk er langt fra det samme som en ferdig, godkjent medisin. Utprøving på mennesker tar typisk mange år, og de aller fleste legemiddelkandidater som kommer så langt, blir aldri godkjent. Det gjelder uansett om de opprinnelig ble designet av mennesker eller av en KI-modell.

Tidslinjen oppsummert:

År Milepæl
2020 AlphaFold løser 50 år gammelt proteinfoldingsproblem
2021 Isomorphic Labs skilles ut som eget selskap
2024 AlphaFold 3 lanseres, Nobelprisen i kjemi tildeles Hassabis og Jumper
Opprinnelig mål 2025, utsatt til 2026 Oppstart av første kliniske forsøk med KI-utviklede kreftlegemidler

En stiplet markør etterfølges av en heltrukket indigo markør lenger ute på tidslinjen, som viser den utsatte forsøksstarten


Hva betyr dette egentlig i praksis, og hva betyr det ikke?

AlphaFold og lignende verktøy gjør ikke selve jobben med å “kurere” en sykdom alene. Det de gjør, er å forkorte dramatisk en av de mest tidkrevende og kostbare fasene tidlig i legemiddelutviklingen, nemlig å finne ut hvilke molekyler som i det hele tatt er verdt å teste videre. Resten av prosessen er fortsatt like grundig og tidkrevende som før. Den består av sikkerhetstesting, kliniske forsøk med tusenvis av pasienter og til slutt godkjenning fra legemiddelmyndighetene. Derfor er det mer presist å si at KI gjør medisinsk forskning betydelig raskere og mer effektiv, enn å si at “KI kurerer sykdommer” som om det allerede var en realitet.


Hvordan skiller dette seg fra andre artikler vi har skrevet?

Vi har også en artikkel om hvorvidt en AI faktisk kan finne opp noe helt nytt. Den bruker GNoME, et prosjekt i Google DeepMind som leter etter nye materialer, til å drøfte det mer filosofiske spørsmålet om KI-kreativitet generelt. Denne artikkelen er smalere og mer konkret. Den handler om hva som skjer innen medisin og legemiddelutvikling, og om hvor realistisk “KI kurerer sykdommer” er som påstand akkurat nå.

Vinklingen er også en annen enn i artikkelen vår om hvorvidt du kan stole på ChatGPT som helserådgiver. Den handler om hvorvidt en vanlig chatbot er pålitelig når du selv spør den om symptomer. Her handler det om noe som skjer langt bak kulissene i forskningslaboratorier, uten at du noen gang snakker med KI-en selv.


Vanlige spørsmål

Betyr dette at KI kan diagnostisere meg eller anbefale medisiner direkte?

Nei. Teknologien til AlphaFold og Isomorphic Labs brukes i forskningslaboratorier, langt bak kulissene i tidlig legemiddelutvikling. Den har ingenting å gjøre med å bruke en KI-chatbot til å tolke dine egne symptomer. Det temaet har vi dekket i en egen artikkel.

Hvor lang tid tar det før en AI-utviklet medisin faktisk når pasienter?

Sannsynligvis mange år. Isomorphic Labs sine kreftlegemidler skal etter planen inn i kliniske forsøk innen utgangen av 2026, men det er bare starten på en lang prosess. De aller fleste legemiddelkandidater som starter kliniske forsøk, blir aldri godkjent, uansett hvordan de opprinnelig ble utviklet.

Er AlphaFold det samme som en KI-chatbot?

Nei, det er en helt annen type KI-modell. AlphaFold er spesialisert og trent for én bestemt oppgave: å forutsi tredimensjonale proteinstrukturer og hvordan molekyler samhandler. Den fører ingen samtale, og den er ikke laget for å svare på generelle spørsmål slik en chatbot som ChatGPT er.

Er dette faktisk reelt, eller bare hype?

Det er begge deler, avhengig av hva du legger i spørsmålet. At AlphaFold løser et reelt og tidligere uløst vitenskapelig problem, er det ingen tvil om. Det bekrefter blant annet Nobelprisen i kjemi i 2024. Men noen godkjent, KI-utviklet medisin på markedet finnes ikke ennå. Selv Isomorphic Labs, den mest suksessrike aktøren i feltet, måtte skyve sin egen tidslinje for kliniske forsøk fra 2025 til 2026.


Oppsummering og kilder

Det viktigste å huske:

  • AlphaFold løste et 50 år gammelt problem: å forutsi et proteins tredimensjonale form, en prestasjon som ga Nobelprisen i kjemi i 2024
  • Isomorphic Labs (Google DeepMind-utbryter) bekreftet i april 2026 at de forbereder de første kliniske forsøkene på mennesker med KI-utviklede kreftlegemidler, med sikte på oppstart innen utgangen av 2026
  • Selv dette selskapet måtte skyve egen tidslinje ett år, fra opprinnelig mål 2025
  • KI erstatter ikke kliniske forsøk eller godkjenningsprosessen, men effektiviserer den tidlige forskningsfasen betydelig

Kilder brukt i denne artikkelen:

Sist oppdatert: August 2026

Les også

#fremtidens-teknologi#alphafold#medisin