Kısaca Anthropic’in açıklamasına göre BigHat Biosciences, Claude’u antikor adaylarını geliştirmede; Enveda ise ilaç üretim belgelerindeki olası sorunları belirlemede kullanıyor.

Anthropic’in aktardığı BigHat Biosciences ve Enveda çalışmaları, ilaç geliştirmede yapay zekânın farklı kullanım alanlarını gösteriyor. BigHat’ın teknik raporunda Claude, molekül önerileri üretmenin yanında deney ölçümlerinin hedeflenen özelliği gerçekten temsil edip etmediğini araştıran ekibe katılıyor. Enveda’nın çalışmasında ise Claude tabanlı belge inceleme sistemi, üretim kayıtlarını onaylı talimatlarla karşılaştırıp insan değerlendiricilere yorum sunuyor. Şirketlerin bildirdiği sonuçlar laboratuvar özelliklerinde iyileşmeye ve belge incelemesinde zaman kazancına işaret ediyor. Bulguların kapsamı belirli deneyler ve kayıtlarla sınırlı; uzman değerlendirmesi her iki uygulamanın da parçası.

Sorun

Anthropic’in açıklamasına göre ilaç geliştirmedeki darboğazlar yalnızca yeni molekül bulma aşamasında ortaya çıkmıyor. Adayın üretilebilirliği, saklama koşullarındaki dayanıklılığı ve klinik çalışmaya geçiş için gereken belgeler de sürecin parçaları. BigHat ve Enveda örnekleri, bu işlerin farklı nedenlerle uzman emeği gerektirdiğini gösteriyor.

BigHat’ın teknik raporuna göre laboratuvarda kullanılan bir ölçüm, ilaç adayında aranan özelliği yeterince temsil etmeyebiliyor. Böyle bir durumda aynı ölçüte göre daha fazla aday üretmek temel sorunu çözmüyor. Enveda’nın raporunda ise uzun, taranmış ve çoğunlukla el yazısıyla doldurulmuş üretim kayıtlarının incelenmesi öne çıkıyor. İnceleyenin her sayfayı hesaba katması ve kayıtları geçerli talimatlarla karşılaştırması gerekiyor.

Yapay zekâ nasıl kullanılıyor

BigHat’ın raporuna göre çalışma, aday moleküllerin tasarlanması, laboratuvarda üretilmesi ve özelliklerinin ölçülmesi etrafında ilerliyor. Araştırmacılar ile Claude, antikorların yapısı ve fiziksel özelliklerinden yararlanarak karşılaştırılabilir tasarımlar oluşturuyor. Ardından ham ölçüm eğrilerine dönerek kullanılan sıcaklık göstergelerinin neyi anlattığını sorguluyorlar.

Aynı rapora göre ekip, eğrileri açıklamak için fiziksel bir model kuruyor; uygun ölçütleri seçiyor ve protein yoğunluğu ile ısıtma hızını değiştirerek öngörüleri sınayacak deneyler hazırlıyor. Anthropic’in anlatımında BigHat araştırmacıları önerilen deney düzenini geliştirip uyguluyor.

Enveda’nın raporunda belge akışı farklı: Sistem, üretim kaydıyla birlikte onaylı ana talimatları ve ilgili başvuru belgelerini alıyor. Kaydı ardışık sayfa grupları hâlinde modele iletiyor. Bulgular dosyaya danışma niteliğinde yorum olarak ekleniyor; değerlendirilmeyen sayfalar ayrıca belirtiliyor. Hangi yorumun işlem gerektirdiğini insan inceleyiciler kararlaştırıyor.

Araçlar ve modeller

Anthropic’in açıklamasına göre BigHat çalışmasında Claude, şirketin laboratuvar veri sistemi Reccy’ye bağlanıyor. BigHat’ın teknik raporu deneylerin Milliner platformunda yürütüldüğünü belirtiyor. Bu örnekte modelin rolü, laboratuvar sonuçlarına erişerek tasarım ve ölçüm değerlendirmesine katkı vermek.

Enveda’nın geliştirdiği CMC Document Processor, kısaca CDP, şirketin raporuna göre Anthropic’in Claude modellerini kullanıyor. Raporda Claude Opus 4.7 ile yapılan çalıştırmalar da belirtiliyor. CDP, belge toplama, sayfaları düzenli biçimde işleme ve yorumları inceleyiciye sunma adımlarını bir araya getiriyor. Dolayısıyla Enveda’nın sunduğu uygulama, modelin çevresinde kurulmuş bir belge inceleme düzenini de içeriyor.

Sonuçlar

Anthropic’in açıklamasına göre BigHat laboratuvarı yaklaşık 1,010 varyantı yaklaşık 10 haftada üretip test etti. Aynı açıklamada, en iyi adayların başlangıç moleküllerine kıyasla hedeflerine daha güçlü bağlandığı, sıcaklığa dayanıklılık ve kümelenme davranışında iyileşmeler sağlandığı bildiriliyor. BigHat’ın teknik raporu da her iki adayda bağlanma, sıcaklık kararlılığı ve kümelenme açısından ilerleme aktarırken üretim verimi ile saflığın korunduğunu veya iyileştiğini belirtiyor.

Enveda’nın raporuna göre değerlendirme 1,061 taranmış sayfayı kapsadı. İnsanların belirlediği 11 işlem gerektiren sorunun tamamı, CDP’nin çalıştırmalarından en az birinde yakalandı. Rapora göre Claude Opus 4.7 kullanan tekil çalıştırmalar, insanların işaretlemediği 7 ek işlem gerektiren yorum üretti. Anthropic, insan inceleme süresindeki azalmayı 89% olarak bildirdi. Enveda’nın değerlendirmesi tek bir klinik çalışma kapsamındaki kayıtlarla sınırlı olduğundan, bu sonuçlar bütün üretim belgelerine genellenmiş bir başarı ölçüsü olarak okunmamalı.

Türkiye'deki bir KOBİ nasıl uygulayabilir

  • Başlangıç için dar bir iş seçin: Örneğin belirli bir üretim kaydını onaylı talimatıyla karşılaştırın. Hangi belgelerin gerekli olduğunu ve hangi kararın uzman sorumluluğunda kalacağını önceden yazın.
  • Veriyi hazırlayın: Taranmış sayfaları, ekleri ve geçerli belge sürümlerini birlikte düzenleyin. KVKK açısından kişisel veri içerip içermediğini değerlendirin; pilotta paylaşılacak içeriği ihtiyaca göre sınırlandırın.
  • Hazır bir yapay zekâ aracıyla küçük pilot kurun. Enveda örneğindeki gibi değerlendirilen sayfaları izleyin, atlanan sayfaları görünür kılın ve her bulgunun dayandığı belge bölümünü inceleyiciye sunun.
  • Sonuçları uzman incelemesiyle karşılaştırın. Yalnızca süreyi değil, kaçırılan sorunları, gereksiz yorumları ve düzeltme yükünü de kaydedin. Laboratuvar uygulamasında ise BigHat örneğinden hareketle, iyileştirdiğiniz ölçütün gerçek hedefi temsil edip etmediğini sorgulayın.

Riskler ve maliyet

Enveda’nın raporu, dil modellerinin belgede karşılığı olmayan ifadeler üretebildiğini ve uzun girdilerin incelemeyi zorlaştırdığını belirtiyor. Bu nedenle önerilen uygulamada her yorumun belgeyle denetlenmesi, okunmayan sayfaların gösterilmesi ve nihai değerlendirmenin insanda kalması gerekir. Şirketin deneyinde kayıtta bulunmayan içeriğe dayanan yorum görülmemesi, gelecekteki tüm kullanımlar için güvence sayılmamalı.

BigHat’ın raporundaki ölçüm sorunu da ayrı bir risk gösteriyor: Yanlış seçilmiş bir göstergeyi iyileştirmek, hedeflenen molekül özelliğini geliştirmekle aynı anlama gelmeyebilir. Uygulama bütçesinde model kullanımı kadar belge hazırlama, veri sistemi bağlantıları, uzman kontrolü ve laboratuvar doğrulaması için gereken emeği de değerlendirin. Türkiye’deki pilotta veri gizliliği, erişim yetkileri ve KVKK değerlendirmesini başlangıç kapsamına alın. Kaynaklar bu uygulamalar için parasal maliyet paylaşmıyor.