AI moet onderzoekers helpen sneller verbanden te vinden

Het in Nederland gevestigde QIAGEN heeft nieuwe AI-mogelijkheden aangekondigd voor de analyse van biologische gegevens en onderzoek naar geneesmiddelen.

Het bedrijf maakte de uitbreiding op 6 oktober 2026 bekend. De nieuwe toepassingen zijn bedoeld om onderzoekers te helpen complexe biologische en genetische gegevens te analyseren, verbanden te onderzoeken en mogelijke aanknopingspunten voor vervolgonderzoek te vinden.

De aankondiging past binnen een bredere ontwikkeling waarbij AI steeds vaker wordt gebruikt om wetenschappelijke processen te ondersteunen.

Onderzoekers moeten regelmatig grote hoeveelheden informatie combineren uit experimenten, wetenschappelijke publicaties en bestaande databanken. Het vinden van relevante verbanden kan daardoor tijdrovend zijn.

AI kan helpen om deze informatie toegankelijker te maken. De belangrijkste voorwaarde is dat onderzoekers niet alleen een antwoord krijgen, maar ook kunnen controleren op welke wetenschappelijke gegevens dat antwoord gebaseerd is.

Een AI-assistent voor biologische vragen

Een van de nieuwe toepassingen heet IPA Investigator. Deze assistent is geïntegreerd in de onderzoekssoftware Ingenuity Pathway Analysis van QIAGEN.

Onderzoekers kunnen vragen stellen in gewone taal over hun onderzoeksgegevens. De software kan vervolgens relevante biologische verbanden identificeren, mogelijke analyses voorstellen en bepaalde analyses binnen de omgeving uitvoeren.

Het doel is om onderzoekers te helpen beter te begrijpen welke processen mogelijk betrokken zijn bij een ziekte of biologisch verschijnsel.

Een onderzoeker kan bijvoorbeeld gegevens hebben over de activiteit van verschillende genen. AI kan helpen om die gegevens te verbinden met bestaande biologische kennis en mogelijke verklaringen aan te dragen die verder onderzocht kunnen worden.

Dat betekent niet dat een AI-assistent zelfstandig een wetenschappelijk bewezen verklaring levert. De uitkomsten zijn bedoeld als ondersteuning voor onderzoekers, die de resultaten moeten beoordelen en waar nodig met experimenten moeten toetsen.

Nieuwe mogelijkheden voor geneesmiddelenontwikkeling

Naast de onderzoeksassistent heeft QIAGEN het QIAGEN Discovery Platform aangekondigd. Dit platform is gericht op het ondersteunen van onderdelen van het proces waarmee mogelijke nieuwe geneesmiddelen worden onderzocht.

De technologie moet onder meer helpen bij het identificeren van potentiële aangrijpingspunten voor medicijnen, het zoeken naar biomarkers en het formuleren van onderzoekshypothesen. Ook kan AI bepaalde onderdelen van onderzoeksprocessen ondersteunen of automatiseren.

Qiagen

De ontwikkeling van medicijnen blijft complex. Onderzoekers moeten niet alleen een mogelijk werkzaam doelwit vinden, maar ook bepalen of een behandeling veilig is, hoe het lichaam erop reageert en of het middel uiteindelijk effectief blijkt.

AI kan bepaalde onderzoeksstappen ondersteunen, maar vervangt geen laboratoriumonderzoek, klinische studies of medische en wettelijke beoordelingen.

De mogelijke winst ligt vooral in het efficiënter selecteren van onderzoeksvragen en het vinden van verbanden die anders moeilijker zichtbaar zouden zijn.

Waarom controleerbaar bewijs belangrijk is

Een belangrijk aandachtspunt bij AI in de wetenschap is de betrouwbaarheid van de resultaten.

Een model kan een overtuigend antwoord geven zonder dat de onderliggende redenering of bewijsvoering voldoende sterk is. In wetenschappelijk onderzoek kan dat leiden tot verkeerde conclusies of onnodige experimenten.

QIAGEN probeert dit probleem aan te pakken door AI te combineren met gecontroleerde biologische, genetische en klinische kennis.

Volgens het bedrijf bouwen de nieuwe mogelijkheden voort op meer dan 25 jaar aan biomedische kennis. De softwareproducten van QIAGEN Digital Insights worden volgens de onderneming door ongeveer 150.000 gebruikers ingezet. Dit zijn cijfers die door het bedrijf zelf zijn gepubliceerd.

Qiagen

Het voordeel van deze aanpak is dat onderzoekers de wetenschappelijke onderbouwing achter bepaalde resultaten kunnen bekijken. Dat maakt het eenvoudiger om voorspellingen kritisch te beoordelen.

Wat betekent dit voor de Nederlandse biotechsector?

Nederland beschikt over een netwerk van universiteiten, onderzoeksinstellingen, ziekenhuizen en biotechnologiebedrijven. AI kan in dit ecosysteem helpen om biologische gegevens sneller te analyseren en wetenschappelijke samenwerking te ondersteunen.

Voor farmaceutische bedrijven kan de technologie interessant zijn bij het zoeken naar nieuwe aangrijpingspunten voor geneesmiddelen. Onderzoeksinstellingen kunnen AI gebruiken om hypotheses te ontwikkelen en gegevens uit verschillende bronnen te combineren.

De daadwerkelijke meerwaarde zal afhangen van de kwaliteit van de analyses, de bruikbaarheid voor onderzoekers en de mate waarin resultaten in de praktijk kunnen worden bevestigd.

Conclusie: De nieuwe AI-toepassingen van QIAGEN illustreren hoe kunstmatige intelligentie steeds dieper doordringt in wetenschappelijk onderzoek. De belangrijkste belofte is niet dat AI zelfstandig medicijnen ontdekt, maar dat onderzoekers complexe gegevens efficiënter kunnen analyseren en beter onderbouwde vervolgstappen kunnen kiezen.