Yapay zeka veri talebini 100 kata çıkararak laboratuvarı destekliyor

Bernstein, 16 Ekim tarihli araştırma raporunda, yapay zekanın ilaç keşfinde deneysel veri talebini raporda dönem belirtilmeden bazı vakalarda 10 kat, bazı vakalarda 100 kat artırdığını söyledi.

Investing.com Türkiye’nin 18 Ekim tarihli haberine göre bu ölçek, 10 katlık artış ile 100 katlık uç vakalar arasında değişen bir talep sıçraması yaratırken, veri noktası başına maliyetlerin düşmesi gelir etkisini sınırlayabilir.

Bernstein’ın değerlendirmesi, otomatik laboratuvar hizmetleri sağlayıcısı Arctoris’in kurucu ortağı ve eski CEO’su Tom Fleming’in katıldığı bir webinara dayanıyor. Fleming’e göre yapay zeka eğitim verisi talebi, risk sermayesi destekli biyoteknoloji şirketlerinin ötesine geçti.

Fleming, belirli ortaklıklar hariç tutulduğunda büyük ilaç gruplarının Arctoris’in veri üretim işinin çoğunu oluşturduğunu söyledi. Raporda aktarılan görüşüyle Fleming, uzun vadeli değerin kaynağını şöyle tarif etti: “En büyük uzun vadeli değer klinik deneme başarı oranlarını iyileştirmekten gelecek. Sadece ilaç adayı sayısını artırmaktan değil.”

Veri noktası, bir deneyden çıkan tekil ölçüm anlamına geliyor. 100 katlık artış, basit bir ölçekle aynı tür iş akışında 1 ölçüm yerine 100 ölçüm ihtiyacı doğması demek; rapora göre bu hacim artışı, birim maliyetteki düşüşle kısmen dengelenebilir.

Klinik öncesi araştırma, bir ilaç adayının insanlarda denenmeden önce laboratuvar ve diğer deneysel yöntemlerle sınandığı aşama. Bernstein’ın çerçevesinde yapay zeka bu aşamayı yalnızca yazılım modeliyle değil, modeli eğitmek ve sonuçları doğrulamak için daha fazla fiziksel deneyle etkiliyor.

Raporda en fazla yarar görebilecek alanın, büyük ölçekte karmaşık ve yüksek değerli veri üreten cihazlar olduğu belirtildi. Fleming, Revvity’nin Opera Phenix yüksek içerikli görüntüleme platformunu olası faydalanıcılardan biri olarak gösterdi ve Arctoris’in artan talebi karşılamak için ek üniteler aldığını söyledi.

Bernstein’ın aktardığı değerlendirmede 10x Genomics için de fırsat alanı bulunduğu ifade edildi. Gerekçe, şirketin teknolojilerinin ayrıntılı hücresel veri üretmesi. Illumina için ise daha yüksek dizileme hacimlerinin destekleyici olabileceği, ancak fiyat düşüşlerinin gelir artışını sınırlayabileceği belirtildi.

Bu ayrım yatırımcılar için önemli. Yapay zeka daha fazla molekül ve protein tasarladıkça fiziksel test ve doğrulama ihtiyacı artabilir; buna karşılık tahmine dayalı modeller bazı rutin deneyleri ortadan kaldırabilir. Bernstein’ın raporu, toplam etkinin laboratuvar reaktif tüketimini azaltmaktan çok artırmasının beklendiğini aktardı.

Risk, talep artışının her tedarikçiye aynı şekilde yansımaması. Daha emtia niteliğindeki veri üretim hizmetlerinde fiyat baskısı oluşabilirken, gelişmiş deneysel teknoloji tedarikçileri daha avantajlı konumlanabilir.

Raporun en büyük belirsizliği zamanlama. Investing.com Türkiye’nin aktardığı habere göre klinik geliştirme süreçleri uzun ve başarısızlık oranları yüksek olduğu için, yapay zekanın klinik deneme başarı oranlarını anlamlı biçimde iyileştirip iyileştirmediğini göstermek yıllar alabilir.

Source: araştırma raporu, Bernstein, 16 Ekim 2026; haber, Investing.com Türkiye, 18 Ekim 2026