Dit doet Novo Nordisk met agentische AI in medicijnonderzoek

Sophie Jansen · 2026-08-11

Novo Nordisk gooit het roer om in de wereld van medicijnontwikkeling. Het Deense farmabedrijf gaat namelijk vol inzetten op kunstmatige intelligentie, en wel in samenwerking met AWS. Denk hierbij aan AI-agenten die helpen bij het identificeren van medicijndoelen, het ontwerpen van behandelingen en het stroomlijnen van onderzoeksprocessen. Klinkt futuristisch? Dat is het ook, maar het gebeurt nu al. ### De kern van de samenwerking Onlangs maakten de twee bedrijven bekend dat AWS de voorkeurs-cloudprovider en strategische AI-partner van Novo Nordisk wordt. Samen hebben ze bovendien een co-innovatiehub geopend in het bestaande Londense kantoor van Novo Nordisk. Daar werken AWS-engineers zij aan zij met wetenschappers van het farmabedrijf, direct met de data en onderzoeksinzichten van Novo Nordisk. Het idee achter die hub is simpel maar krachtig: de afstand tussen computationele analyse en laboratoriumonderzoek verkleinen. Want laten we eerlijk zijn, in de farmacie is tijd letterlijk geld – en voor patiënten kan elke dag vertraging het verschil maken. Thilde Hummel Bøgebjerg, executive vice president van Enterprise IT & Quality bij Novo Nordisk, verwoordt het treffend: "AI heeft de potentie om te veranderen hoe we medicijnen ontdekken, ontwikkelen en leveren, maar echte impact komt voort uit het combineren van geavanceerde technologie met diepgaande wetenschappelijke expertise en een duidelijke focus op de patiënt." ### AI in meer onderzoeksworkflows Dit is niet het eerste AI-avontuur van Novo Nordisk. Sterker nog, het bedrijf gebruikt al behoorlijk wat AWS-technologie intern. Volgens een case study van AWS hebben meer dan 25.000 medewerkers gebruikgemaakt van een generatief AI-platform dat draait op Amazon Bedrock. Daarmee hebben ze chatbots gebouwd voor meer dan 2.500 verschillende toepassingen. Die toepassingen variëren van het opzoeken van informatie tot het opstellen van documenten in niet-gereguleerde processen. Eén van de grotere systemen verwerkt maandelijks zo'n 26.000 prompts, op basis van een verzameling van ongeveer 140.000 documenten. Indrukwekkende cijfers, zeker als je bedenkt dat dit allemaal draait om interne efficiëntie. Maar het gaat verder dan alleen interne processen. Zo heeft Novo Nordisk generatieve AI ook ingezet voor documentatie rondom klinische studies. Een systeem dat gebruikmaakt van Anthropic's Claude 3.5 via Amazon Bedrock wist de tijd voor het genereren van bepaalde klinische documentatie met meer dan 90% te verminderen. Werk dat voorheen 40 tot 50 mensen en soms wel 15 weken kostte, wordt nu in minuten gedaan door een team van drie. Artsen blijven het gegenereerde materiaal overigens wel beoordelen en valideren – AI vervangt dus niet de menselijke controle. ### De volgende stap: AI-agenten in medicijnonderzoek De nieuwe overeenkomst brengt dat gebruik van generatieve AI een stap verder, richting het daadwerkelijke medicijnonderzoek. Eén van de technologieën die daarbij komt kijken is Amazon Bio Discovery, een platform dat computationele biologie en medicijnontwikkeling ondersteunt met AI-modellen en -agenten. AWS geeft aan dat Bio Discovery onderzoekers toegang biedt tot meer dan 40 biologische AI-modellen. AI-agenten kunnen die modellen selecteren en coördineren voor verschillende onderzoekstaken. Organisaties kunnen daarnaast AWS-modellen combineren met hun eigen propriëtaire modellen in meerstaps-workflows. Novo Nordisk wil de dienst onder meer inzetten voor: - Het identificeren van potentiële medicijndoelen - Het ontwerpen van therapieën - Het analyseren van biologische informatie - Het genereren en rangschikken van kandidaat-medicijnen Geselecteerde kandidaten gaan vervolgens naar het laboratorium voor synthese en testen. De resultaten uit die experimenten kunnen dan weer terugvloeien naar de computationele workflow voor verdere analyse en verfijning van de modellen. Zo ontstaat een gesloten cirkel tussen computationeel ontwerp en fysieke tests. Daarnaast gaat Novo Nordisk Amazon Bedrock gebruiken om AI-toepassingen te bouwen die kunnen werken met klinische, genomische en beeldvormingsdata. Door die databronnen met elkaar te verbinden, kunnen bevindingen uit vroeg onderzoek direct worden gebruikt bij het ontwerpen van klinische trials. En dat is precies waar de echte vooruitgang zit: niet in losse AI-tools, maar in een systeem dat alles met elkaar verbindt.