Het vliegwieleffect: hoe AI de op genetica gebaseerde gezondheidszorg hervormt

Amazon, OpenAI, Google, Anthropic en NVIDIA worden genoemd ter illustratie van ontwikkelingen in kunstmatige intelligentie en de levenswetenschappen. Deze bedrijven maken op het moment van schrijven geen deel uit van de portefeuille van de VanEck Genomics and Healthcare Innovators UCITS ETF. Verwijzingen naar specifieke bedrijven vormen geen beleggingsadvies of een aanbeveling om effecten te kopen of te verkopen.

De meest ingrijpende verschuiving in de levenswetenschappen van de afgelopen tijd is misschien niet één enkele goedkeuring van een geneesmiddel, de uitkomst van een klinische studie of een regelgevende mijlpaal. Het gaat om iets structurelers: kunstmatige intelligentie is niet langer slechts een softwaretool die onderzoekers tot hun beschikking hebben. Zij ontwikkelt zich tot een onderdeel van de onderzoeksinfrastructuur waarmee genetische geneeskunde wordt ontworpen, gevalideerd en verder ontwikkeld.

AI wordt onderzoeksinfrastructuur

In minder dan drie maanden - tussen 14 april en 30 juni 2026 - introduceerden vier van 's werelds grootste en best gekapitaliseerde AI-ontwikkelaars speciale platforms voor de levenswetenschappen: Amazon, OpenAI, Google en Anthropic. Amazon Bio Discovery verscheen op 14 april 2026¹, een AI-gestuurd cloudplatform dat het inlezen van biologische data, de selectie van AI-modellen en de integratie van laboratoriumworkflows in één omgeving samenbrengt. Twee dagen later introduceerde OpenAI GPT-Rosalind², een geavanceerd redeneermodel dat specifiek is ontwikkeld voor biologie, geneesmiddelenontdekking en medisch onderzoek. Google volgde op 20 mei 2026 met Gemini for Science³, een bredere wetenschappelijke onderzoeksomgeving waarvan de mogelijkheden voor de levenswetenschappen voortbouwen op tools zoals AlphaFold, AlphaGenome en AlphaMissense. Op 30 juni 2026 introduceerde Anthropic Claude Science⁴, een speciale AI-werkomgeving die onderzoekers moet helpen bij het analyseren van genetische, cellulaire, eiwit- en chemische data, met gebruik van meer dan 60 wetenschappelijke databases en NVIDIA’s BioNeMo Agent Toolkit.

NVIDIA zelf had zich nog eerder gepositioneerd. BioNeMo - voor het eerst gelanceerd in juni 2023⁵ en aanzienlijk uitgebreid in 2025 en 2026 - neemt een onderscheidende en mogelijk duurzamere concurrentiepositie in dan enige rivaal op applicatieniveau.

Wat dit moment structureel anders maakt dan eerdere golven van technologieadoptie in de levenswetenschappen, is niet de verfijning van een afzonderlijk platform. Het is de gelijktijdigheid. Deze bedrijven, met toegang tot aanzienlijk kapitaal, rekeninfrastructuur en onderzoekstalent, zijn onafhankelijk van elkaar tot de conclusie gekomen dat de levenswetenschappen een belangrijk strategisch front vormen voor AI. Die consensus is geen toeval. Zij weerspiegelt de samenkomst van drie voorwaarden waaraan nu gelijktijdig is voldaan: biologische datasets die groot genoeg zijn om betekenisvolle modellen te trainen, AI-architecturen die krachtig genoeg zijn om signalen uit die datasets te halen, en een klinische en regelgevende omgeving waarin AI in toenemende mate wordt gebruikt gedurende de hele levenscyclus van geneesmiddelenontwikkeling, inclusief in indieningen ter ondersteuning van regelgevende besluitvorming⁶. De concurrentiedynamiek tussen deze platforms zal aanzienlijk zijn en is nog in ontwikkeling.

De blootstelling van onze Genomics ETF aan de cyclus

De beleggingskans die is ontstaan door de AI-platformrace van 2026 reikt verder dan de vraag welk afzonderlijk technologiebedrijf zich als dominante AI-partij in de levenswetenschappen zal ontpoppen. Die vraag - Google versus OpenAI, of Anthropic versus Amazon - is nog volledig open en kan dat nog jaren blijven. De structureel interessantere observatie voor beleggers is dat elk platform dat aan deze race deelneemt, gebruikmaakt van hetzelfde onderliggende ecosysteem. De VanEck Genomics and Healthcare Innovators UCITS ETF (ticker: CURE) is zo opgezet dat deze blootstelling biedt aan meerdere onderdelen van dat ecosysteem, terwijl zij tegelijkertijd kan profiteren van de AI-capaciteiten die die platforms inzetten.

De ETF volgt de MVIS® Global Future Healthcare ESG Index, die een breed scala aan innovatiethema's in de gezondheidszorg bestrijkt, waaronder bedrijven die inkomsten halen uit op genetica gebaseerde therapieën, de technologieplatforms die deze mogelijk maken, en gerelateerde laboratoriumapparatuur en -diensten⁷. Die opbouw in drie lagen sluit aan op cruciale onderdelen van de bredere infrastructuur die AI-gestuurde levenswetenschappen ondersteunt, en op gebieden waar AI meetbare commerciële voordelen kan opleveren.

Opmerkelijk daarbij is dat de relatie tussen AI en op genetica gebaseerde gezondheidszorg geen lineaire waardeketen vormt. Het is een zichzelf versterkende cyclus.

Bron: interne gegevens van VanEck.

1. De cyclus begint met sequencing. Naarmate de kosten voor het uitlezen van DNA blijven dalen⁸, gedreven door vooruitgang zoals instrumentverbeteringen van Illumina⁹, single-cell-technologieën van 10x Genomics¹⁰ en de long-read-mogelijkheden van Oxford Nanopore¹¹, worden meer biologische data gegenereerd bij meer patiënten, weefseltypen en ziektecontexten. Die uitdijende dataset vormt het ruwe materiaal waarop AI-platforms worden getraind. Claude Science, GPT-Rosalind, Gemini for Science en BioNeMo bouwen hun mogelijkheden voor de levenswetenschappen juist op deze groeiende biologische dataset, waaronder sequencingoutput, klinische dossiers en moleculaire profielen.
2. Beter getrainde AI-modellen versterken vervolgens de diagnostische laag. Bedrijven zoals Natera, Guardant Health, QIAGEN en Adaptive Biotechnologies gebruiken AI-gestuurde analyses en sequencingdata om meer klinisch betekenisvolle signalen uit biologische informatie te halen, wat kan bijdragen aan vroegere kankerdetectie¹², behandelingsselectie¹³en patiëntstratificatie¹⁴.
3. Deze diagnostische inzichten werken rechtstreeks door in de therapieontwikkeling: inzicht in welke patiënten een bepaalde genetische verandering dragen, en in sommige gevallen in welke mate en in welk weefsel deze voorkomt, kan bijdragen aan het ontwerp van specifieke op genen gebaseerde behandelingen of gepersonaliseerde vaccins. Van daaruit kan AI elke fase van de pijplijn versnellen - van doelwitidentificatie en molecuulontwerp tot de optimalisatie van klinische studies en de regelgevende indiening. Zo geeft Moderna aan dat zijn Scientific Intelligence Engine data, AI en machine learning, automatisering en robotica combineert om de ontdekking binnen zijn mRNA-platform te versnellen¹⁵, terwijl de samenwerking van Alnylam met Inceptive generatieve AI inzet om de ontdekking van nieuwe op RNA gebaseerde therapieën te versnellen¹⁶.
4. Daarmee sluit de cyclus zich. Elke therapie die patiënten bereikt, genereert nieuwe klinische data: behandelrespons, resistentiemechanismen, biomarkerdynamiek en langetermijnuitkomsten. Die data stromen terug naar de sequencing- en diagnostische laag, dragen bij aan het trainen van betere modellen, kunnen toekomstige therapieën verbeteren en onderbouwen investeringen in de volgende generatie sequencinginstrumenten. Op die manier versterkt de cyclus zichzelf en komt het vliegwiel met elke omwenteling verder op gang.

De VanEck Genomics ETF vormt als geheel dan ook geen gerichte positie in één enkel AI-platform, één enkele therapiemodaliteit of één enkele klinische uitkomst. In plaats daarvan biedt zij gediversifieerde blootstelling over de volledige waardeketen, waarbij AI voor haar functioneren afhankelijk is van deze bedrijven en tegelijkertijd commerciële voordelen voor hen kan creëren - een tweerichtingsrelatie die de portefeuille in staat kan stellen deel te nemen aan waardecreatie in verschillende delen van de cyclus.

De omvang van de kans

Op basis van huidige schattingen van derden¹⁷zou het marktsegment op het snijvlak van AI en op genetica gebaseerde gezondheidszorg aanzienlijk kunnen groeien, al betreft het hier projecties en kan de werkelijke groei wezenlijk afwijken. De wereldwijde markt voor AI in genomica werd in 2025 gewaardeerd op $1,2 miljard en zou volgens diezelfde schattingen tegen 2033 kunnen uitkomen op $18,8 miljard, bij een geraamd samengesteld jaarlijks groeipercentage (CAGR) van 40,3%.

Bron: grandviewresearch.com/industry-analysis/ai-genomics-market-report. Beleggen brengt risico's met zich mee, waaronder het mogelijke verlies van de hoofdsom

Dat groeipercentage weerspiegelt dezelfde structurele krachten die aan het vliegwiel ten grondslag liggen: uitdijende genomische datasets, een versnellende ontwikkeling van AI-modellen en een stijgende vraag naar precisietherapieën. Toekomstige groei zal echter afhangen van factoren zoals klinisch succes, regelgeving, databeschikbaarheid, adoptie door zorgverleners en het vermogen van bedrijven om wetenschappelijke vooruitgang om te zetten in commercieel levensvatbare producten.

In breder perspectief werd de wereldwijde markt voor precisiegeneeskunde in 2025 gewaardeerd op $116,6 miljard en zou deze volgens schattingen van derden tegen 2033 kunnen uitkomen op $405,1 miljard, bij een CAGR van 17,0%¹⁸. Samen kunnen deze cijfers erop wijzen dat AI niet alleen een bestaande markt versnelt, maar daarbovenop een afzonderlijke en sneller groeiende laag creëert. Deze projecties zijn echter niet gegarandeerd en kunnen zich anders ontwikkelen dan verwacht, aangezien externe factoren de uitkomst wezenlijk kunnen beïnvloeden.

Tegelijkertijd ontwikkelt de regelgevende omgeving zich op een manier die dit traject kan ondersteunen. Historisch gezien was de regeldruk een van de grootste obstakels om gentherapieën bij patiënten te krijgen: voor elk nieuw product moesten ontwikkelaars kostbare basisstudies vanaf nul herhalen, zelfs wanneer de onderliggende wetenschap goed was vastgesteld. De FDA heeft dit in 2026 gericht aangepakt met de uitgifte van een samenhangende reeks richtsnoeren¹⁹ die bedoeld zijn om de ontwikkeling van genbewerkingstherapieën en op RNA gebaseerde therapieën te stroomlijnen. Deze richtsnoeren stellen ontwikkelaars in staat voort te bouwen op bestaande wetenschappelijke kennis, data over verwante programma's heen te gebruiken en onnodige herhaling van testen te vermijden, zonder concessies te doen aan veiligheidsnormen. Daarnaast biedt de conceptrichtsnoer van de FDA over kunstmatige intelligentie²⁰ een op risico gebaseerd beoordelingskader voor de geloofwaardigheid van door AI gegenereerde informatie of data ter ondersteuning van regelgevende besluitvorming over de veiligheid, werkzaamheid of kwaliteit van geneesmiddelen en biologische producten. Daarmee ontstaat een duidelijker pad voor AI-gestuurde ontwikkeling gedurende de hele levenscyclus binnen de levenswetenschappen.

Vooruitblik

Het is onwaarschijnlijk dat kunstmatige intelligentie de op genetica gebaseerde gezondheidszorg van de ene op de andere dag zal transformeren, en niet elk AI-initiatief zal zich vertalen in commercieel succes. De geschiedenis van technologieadoptie in de levenswetenschappen kent talrijke voorbeelden van tools die onderzoek versnelden zonder de goedkeuringen in gelijke mate te versnellen - en de klinische, regelgevende en productieknelpunten die deze sector altijd hebben gekenmerkt, verdwijnen niet doordat de ontdekkingsfase sneller verloopt. Beleggers doen er goed aan productiviteitswinst in onderzoek niet te verwarren met omzet op korte termijn.

Daarbij geldt dat de richting onzeker blijft, ook al blijven verschillende structurele voorwaarden die verdere ontwikkeling zouden kunnen ondersteunen, zich versterken. Sequencingkosten blijven dalen. Biologische datasets blijven groeien. De regelgevende omgeving ontwikkelt zich. En vier van 's werelds grootste AI-ontwikkelaars hebben binnen een tijdsbestek van drie maanden speciale platforms en aanzienlijk kapitaal toegewezen aan het domein van de levenswetenschappen - een samenloop die de groeiende belangstelling weerspiegelt voor de mogelijke toepassingen van AI binnen de levenswetenschappen.