Waarom Bristol Myers Squibb een Nvidia AI-systeem van miljoenen koopt voor medicijnontdekking

Sophie Jansen · 2026-07-21

Farmaceut gigant Bristol Myers Squibb (BMS) heeft een enorme investering gedaan in AI. Het bedrijf koopt een Nvidia DGX SuperPOD, gebaseerd op de gloednieuwe Vera Rubin architectuur. Dit systeem moet de ontdekking en ontwikkeling van nieuwe medicijnen een flinke boost geven. BMS is de eerste life sciences organisatie ter wereld die zo'n systeem in handen krijgt. Nvidia introduceerde de Vera Rubin architectuur pas eerder dit jaar als de opvolger van hun huidige AI-systemen. Het belooft een enorme sprong voorwaarts in rekenkracht. ### Wat gaat BMS precies doen met deze AI? Het nieuwe cluster bestaat uit acht DGX Vera Rubin NVL72 systemen. Elk systeem combineert Nvidia Vera central processing units (CPU's) met Rubin graphics processing units (GPU's). Samen vormen ze een rekenmonster dat BMS gaat inzetten voor: - Het trainen van eigen AI-modellen - Het uitvoeren van voorspellingen voor onderzoeksprogramma's - Het analyseren van chemische verbindingen, eiwitten en andere wetenschappelijke data Het mooie is dat dit systeem niet alleen voor een selecte groep onderzoekers beschikbaar komt. BMS wil het toegankelijk maken voor de hele onderzoeksorganisatie, zonder de wachttijden en beperkingen van de huidige infrastructuur. ### Een flinke upgrade BMS heeft al zo'n drie jaar een oudere versie van de DGX SuperPOD in gebruik. Die werd door eigen directeuren omschreven als "twee tot drie generaties achter" op de Vera Rubin. Het bedrijf gaat de oude en nieuwe systemen combineren in een gedeelde rekenomgeving die wereldwijd toegankelijk is. Greg Meyers, chief digital and technology officer bij BMS, legt uit waarom deze upgrade nodig was: "De rekenvereisten zijn enorm toegenomen nu we steeds grotere AI-modellen inzetten in ons onderzoek." Erin Davis, vice president of research business insights and technology, vult aan dat de bestaande infrastructuur op volle capaciteit draait. De vraag komt vooral van grootschalige voorspellingen met grote moleculen en de ontwikkeling van interne basismodellen. ### AI versnelt medicijnontdekking BMS gebruikt AI nu al bij het ontwerp van elk klein-molecuulprogramma en de meeste groot-molecuulprogramma's. De technologie wordt ingezet voor: - Doelwitidentificatie - Lead optimalisatie - Voorspellingen met grote moleculen - Interne modelontwikkeling Het bedrijf zegt dat AI-ondersteunde doelwitidentificatie sommige handmatige onderzoekswerkzaamheden met weken heeft verkort. De voorspellingen met grote moleculen zorgen ook voor een toenemende vraag naar extra grafische verwerkingscapaciteit. Robert Plenge, chief research officer bij BMS, is enthousiast: "Misschien konden we eerder 10 kandidaten evalueren, nu kunnen we er tientallen doen." ### Predict First: slimmer werken BMS past een methode toe die ze 'Predict First' noemen. Het gebruikt modelgeneraties om moleculen uit te sluiten die niet aan de vereiste eigenschappen voldoen, voordat kandidaten worden geselecteerd voor synthese. Dit bespaart enorm veel tijd en middelen. Payal Sheth, senior vice president of therapeutic discovery sciences, legt uit: "We gebruiken voorspellingen om de synthese van moleculen te prioriteren met multi-parameter optimalisatie. Dit zorgt ervoor dat kostbare laboratoriumexperimenten worden ingezet voor moleculen met de hoogste kans op succes." De aanpak vermindert het aantal verbindingen dat naar het laboratorium gaat, waardoor onderzoekers zich kunnen concentreren op moleculen die voldoen aan de voorspelde vereisten van een programma. ### Wat betekent dit voor de toekomst? Deze investering laat zien dat AI een steeds belangrijkere rol speelt in de farmaceutische industrie. BMS loopt voorop met het omarmen van deze technologie om sneller en efficiënter medicijnen te ontwikkelen. Het is een trend die we de komende jaren ongetwijfeld vaker gaan zien. Hoewel de financiële details niet bekend zijn gemaakt, is het duidelijk dat BMS serieus inzet op AI. Het bedrijf breidt zijn bestaande Nvidia-infrastructuur uit en creëert een gedeelde rekenomgeving die toegankelijk is vanuit onderzoekslocaties wereldwijd. Voor onderzoekers betekent dit dat ze sneller en beter kunnen bepalen welke medicijnkandidaten het meest kansrijk zijn. En dat is uiteindelijk goed nieuws voor patiënten die wachten op nieuwe behandelingen.