Efekt koła zamachowego: jak SI zmienia opiekę zdrowotną opartą na genetyce

Amazon, OpenAI, Google, Anthropic i NVIDIA są wymieniane w celu opisania rozwoju sztucznej inteligencji i nauk o życiu. W momencie publikacji spółki te nie znajdują się w portfelu VanEck Genomics and Healthcare Innovators UCITS ETF. Odniesienia do konkretnych spółek nie stanowią porady inwestycyjnej ani zachęty do kupna lub sprzedaży jakichkolwiek papierów wartościowych.

Być może najbardziej doniosłą zmianą w naukach o życiu w ostatnim czasie nie jest pojedyncze zatwierdzenie leku, odczyt wyników badania klinicznego ani kamień milowy w regulacjach. Jest to coś bardziej strukturalnego: sztuczna inteligencja nie jest już po prostu kolejnym narzędziem programowym dostępnym dla badaczy. Zaczyna wyłaniać się jako część infrastruktury badawczej, za pośrednictwem której medycyna genetyczna jest projektowana, walidowana i rozwijana.

AI staje się infrastrukturą badawczą

W ciągu niespełna trzech miesięcy — między 14 kwietnia a 30 czerwca 2026 r. — czterech największych i najlepiej dokapitalizowanych na świecie twórców AI uruchomiło dedykowane platformy dla nauk o życiu: Amazon, OpenAI, Google i Anthropic. Amazon Bio Discovery pojawił się 14 kwietnia 2026 r.¹, jako oparta na AI platforma chmurowa integrująca pozyskiwanie danych biologicznych, wybór modeli AI i integrację laboratoryjnych przepływów pracy w jednym środowisku. Dwa dni później OpenAI uruchomiło GPT-Rosalind², zaawansowany model rozumowania zbudowany specjalnie z myślą o biologii, odkrywaniu leków i badaniach medycznych. Google poszedł w ślady 20 maja 2026 r., prezentując Gemini for Science³, szersze środowisko badań naukowych, którego możliwości w zakresie nauk o życiu opierają się na narzędziach takich jak AlphaFold, AlphaGenome i AlphaMissense. A 30 czerwca 2026 r. Anthropic uruchomił Claude Science⁴, dedykowany warsztat AI zaprojektowany, aby pomagać badaczom analizować dane genetyczne, komórkowe, białkowe i chemiczne przy użyciu ponad 60 naukowych baz danych oraz zestawu narzędzi NVIDIA BioNeMo Agent Toolkit.

Sama NVIDIA zaczęło działać jeszcze wcześniej. BioNeMo — po raz pierwszy uruchomione w czerwcu 2023 r.⁵ i znacząco rozszerzone w latach 2025 i 2026 — zajmuje odrębną i prawdopodobnie bardziej trwałą pozycję konkurencyjną niż którykolwiek z jego rywali działających w warstwie aplikacyjnej.

To, co sprawia, że ten moment strukturalnie różni się od poprzednich fal wdrażania technologii w naukach o życiu, nie jest wyrafinowanie pojedynczej platformy. Jest tym jednoczesność. Te firmy, które dysponują znacznym kapitałem, infrastrukturą obliczeniową i talentami badawczymi, niezależnie doszły do wniosku, że nauki o życiu stanowią ważny, strategiczny obszar dla AI. Ten konsensus nie jest przypadkowy. Odzwierciedla zbieżność trzech warunków wstępnych, które zostały obecnie spełnione jednocześnie: zbiory danych biologicznych wystarczająco duże, by trenować znaczące modele, architektury AI wystarczająco potężne, by wydobywać sygnał z tych danych, oraz środowisko kliniczne i regulacyjne, w którym AI jest coraz częściej wykorzystywana w całym cyklu rozwoju leków, w tym w zgłoszeniach wspierających podejmowanie decyzji regulacyjnych⁶. Dynamika konkurencji między tymi platformami będzie istotna i wciąż się kształtuje.

Ekspozycja naszego ETF-u genomiki na ten cykl

Możliwość inwestycyjna stworzona przez wyścig platform AI w 2026 r. wykracza daleko poza wskazanie, która pojedyncza spółka technologiczna okaże się dominującym zwycięzcą AI w naukach o życiu. To pytanie — Google kontra OpenAI czy Anthropic kontra Amazon — pozostaje rzeczywiście otwarte i może takie pozostać przez lata. Bardziej interesującą strukturalnie obserwacją dla inwestorów jest to, że każda platforma konkurująca w tym wyścigu korzysta z tego samego podstawowego ekosystemu, a VanEck Genomics and Healthcare Innovators UCITS ETF (ticker: CURE) został zbudowany tak, aby obejmować wiele części tego ekosystemu, jednocześnie czerpiąc korzyści z możliwości AI wdrażanych przez te platformy.

ETF śledzi indeks MVIS® Global Future Healthcare ESG Index, który obejmuje szerszy zakres tematów innowacji w ochronie zdrowia, w tym spółki generujące przychody z terapii opartych na genetyce, platformy technologiczne umożliwiające ich rozwój oraz powiązany sprzęt i usługi laboratoryjne⁷. Ta trójwarstwowa konstrukcja odpowiada kluczowym elementom szerszej infrastruktury wspierającej nauki o życiu wspomagane przez AI oraz obszarom, w których AI może przynosić wymierne korzyści komercyjne.

Co istotne, relacja między AI a ochroną zdrowia opartą na genetyce nie jest liniowym łańcuchem wartości. To samowzmacniający się cykl.

Źródło: dane wewnętrzne VanEck.

1. Cykl zaczyna się od sekwencjonowania. W miarę jak koszt odczytu DNA nadal spada⁸, napędzany przez postępy takie jak ulepszenia instrumentów Illumina⁹, technologie pojedynczych komórek 10x Genomics¹⁰ oraz możliwości długiego odczytu Oxford Nanopore¹¹, generowanych jest więcej danych biologicznych dotyczących większej liczby pacjentów, typów tkanek i kontekstów chorobowych. Ten rozszerzający się zbiór danych jest surowcem, na którym trenowane są platformy AI. Claude Science, GPT-Rosalind, Gemini for Science i BioNeMo budują swoje możliwości w naukach o życiu właśnie na tym rozszerzającym się zbiorze danych biologicznych, obejmującym dane z sekwencjonowania, dokumentację kliniczną i profile molekularne.
2. Lepiej wytrenowane modele AI następnie usprawniają warstwę diagnostyczną. Firmy takie jak Natera, Guardant Health, QIAGEN i Adaptive Biotechnologies wykorzystują analitykę wspomaganą przez AI oraz dane z sekwencjonowania, aby wydobywać bardziej klinicznie istotne sygnały z informacji biologicznych, poprawiając wczesne wykrywanie nowotworów¹², dobór leczenia¹³oraz stratyfikację pacjentów¹⁴.
3. Te wnioski diagnostyczne bezpośrednio przekładają się na rozwój terapii: wiedza o tym, którzy pacjenci posiadają daną zmianę, a w niektórych przypadkach także jak jest ona obfita i w jakiej tkance występuje, może pomóc w projektowaniu konkretnych terapii genowych lub spersonalizowanych szczepionek. Następnie AI może przyspieszać każdy etap pipeline'u — od identyfikacji celu i projektowania cząsteczek po optymalizację badań klinicznych i składanie dokumentacji regulacyjnej. Na przykład Moderna twierdzi, że jej Scientific Intelligence Engine łączy dane, AI i uczenie maszynowe, automatyzację oraz robotykę, aby przyspieszać odkrycia w ramach jej platformy mRNA¹⁵, podczas gdy współpraca Alnylam z Inceptive wykorzystuje generatywną AI do przyspieszenia odkrywania nowych terapii opartych na RNA¹⁶.
4. I wtedy cykl się zamyka. Każda terapia, która trafia do pacjentów, generuje nowe dane kliniczne: odpowiedź na leczenie, mechanizmy oporności, dynamikę biomarkerów, długoterminowe wyniki. Dane te wracają do warstwy sekwencjonowania i diagnostyki, trenując lepsze modele, ulepszając przyszłe terapie i uzasadniając inwestycje w następną generację instrumentów do sekwencjonowania. W ten sposób cykl sam się wzmacnia, a koło zamachowe przyspiesza z każdym obrotem.

Ostatecznie to, co zapewnia VanEck Genomics ETF, nie jest zakładem na jakąkolwiek pojedynczą platformę AI, pojedynczą modalność terapeutyczną ani pojedynczy wynik kliniczny. Zamiast tego oferuje zdywersyfikowaną ekspozycję w całym łańcuchu wartości, gdzie AI zarówno zależy od tych spółek, aby funkcjonować, jak i może tworzyć dla nich korzyści komercyjne w tym procesie — jest to relacja dwukierunkowa, która może pozwolić portfelowi uczestniczyć w tworzeniu wartości w różnych częściach cyklu.

Skala możliwości

Na podstawie obecnych szacunków stron trzecich¹⁷, punkt styku rynku AI i ochrony zdrowia opartej na genetyce może znacząco się rozszerzyć, choć są to prognozy i rzeczywisty wzrost może istotnie się różnić. Globalny rynek AI w genomice został wyceniony na 1,2 mld USD w 2025 r. i według prognoz ma osiągnąć 18,8 mld USD do 2033 r., rosnąc przy szacowanej skumulowanej rocznej stopie wzrostu (CAGR) na poziomie 40,3%.

Źródło: grandviewresearch.com/industry-analysis/ai-genomics-market-report. Inwestowanie wiąże się z ryzykiem, w tym z możliwością utraty kapitału.

To tempo wzrostu odzwierciedla te same siły strukturalne, które opisuje koło zamachowe: rozszerzające się zbiory danych genomicznych, przyspieszający rozwój modeli AI oraz rosnący popyt na terapie precyzyjne. Jednak przyszły wzrost będzie zależał od czynników takich jak sukces kliniczny, regulacje, dostępność danych, adopcja przez świadczeniodawców opieki zdrowotnej oraz zdolność spółek do przekształcania postępów naukowych w komercyjnie opłacalne produkty.

Szerzej patrząc, globalny rynek medycyny precyzyjnej został wyceniony na 116,6 mld USD w 2025 r. i według szacunków stron trzecich ma osiągnąć 405,1 mld USD do 2033 r. przy CAGR na poziomie 17,0%¹⁸. Łącznie liczby te mogą sugerować, że AI nie tylko przyspiesza istniejący rynek — tworzy na nim odrębną i szybciej rosnącą warstwę. Niemniej jednak prognozy te nie są gwarantowane i mogą nie zmaterializować się zgodnie z oczekiwaniami, ponieważ czynniki zewnętrzne mogą istotnie wpłynąć na wynik.

Jednocześnie środowisko regulacyjne ewoluuje w sposób, który może wspierać tę trajektorię. Historycznie jedną z największych przeszkód we wprowadzaniu terapii genowych dla pacjentów było obciążenie regulacyjne: od deweloperów wymagano powtarzania kosztownych badań podstawowych od zera dla każdego nowego produktu, nawet gdy podstawowa nauka była dobrze ugruntowana. FDA podjęła zdecydowane działania, aby rozwiązać ten problem w 2026 r., wydając powiązaną serię wytycznych¹⁹ zaprojektowanych w celu usprawnienia rozwoju terapii opartych na edycji genów i RNA. Wytyczne te pozwalają deweloperom opierać się na istniejącej wiedzy naukowej, wykorzystywać dane w pokrewnych programach i unikać niepotrzebnego powtarzania testów bez naruszania standardów bezpieczeństwa. Niezależnie od tego, projekt wytycznych FDA dotyczących sztucznej inteligencji²⁰ zapewnia opartą na ryzyku strukturę oceny wiarygodności informacji lub danych wygenerowanych przez AI, przeznaczonych do wspierania podejmowania decyzji regulacyjnych dotyczących bezpieczeństwa, skuteczności lub jakości leków i produktów biologicznych, wzmacniając bardziej przejrzystą ścieżkę dla rozwoju wspomaganego przez AI w całym cyklu życia nauk o życiu.

Spojrzenie w przyszłość

Jest mało prawdopodobne, aby sztuczna inteligencja z dnia na dzień przekształciła ochronę zdrowia opartą na genetyce, i nie każda inicjatywa AI przełoży się na sukces komercyjny. Historia wdrażania technologii w naukach o życiu pełna jest narzędzi, które przyspieszały badania bez proporcjonalnego przyspieszenia zatwierdzeń — a kliniczne, regulacyjne i produkcyjne wąskie gardła, które zawsze definiowały ten sektor, nie znikają tylko dlatego, że faza odkryć staje się szybsza. Inwestorzy powinni uważać, aby nie utożsamiać wzrostu produktywności badawczej z krótkoterminowymi przychodami.

Mimo to kierunek pozostaje niepewny, chociaż kilka warunków strukturalnych, które mogą wspierać dalszy rozwój, nadal się umacnia. Koszty sekwencjonowania nadal spadają. Zbiory danych biologicznych nadal się rozszerzają. Środowisko regulacyjne ewoluuje. A czterech największych na świecie twórców AI zaangażowało dedykowane platformy i znaczący kapitał w obszar nauk o życiu w ciągu trzech miesięcy — jest to zbieżność odzwierciedlająca rosnące zainteresowanie potencjalnymi zastosowaniami AI w naukach o życiu.