Insilico Medicine grundades 2014 och har byggt Pharma.AI, en av branschens mest omfattande generativa AI-plattformar för läkemedelsutveckling. Plattformen kombinerar målidentifiering (PandaOmics), molekyldesign (Chemistry42) och klinisk prediktion i ett heltäckande arbetsflöde. Pipelinen omfattar nu mer än 40 program. Sedan 2021 har 30 prekliniska kandidater nominerats och det 13:e IND-godkännandet nåddes i april 2026 – inhalationsversionen av Rentosertib mot idiopatisk lungfibros.
Tempot är anmärkningsvärt: i genomsnitt 12–18 månader från projektstart till nominering av preklinisk kandidat, jämfört med traditionella fyra och ett halvt år.
Den tekniska utvecklingstakten höjdes ytterligare under 2026. I april lanserades TargetPro 2.0 och TargetBench 2.0, vilket utökade AI-systemets sjukdomstäckning från 38 till 100 indikationer inom tio terapiområden – däribland nya satsningar inom kardiovaskulära, oftalmologiska och psykiatriska sjukdomar. Parallellt har Insilico inlett ett samarbete med Liquid AI för att träna en lättviktig foundation model (LFM2-2.6B-MMAI) som enligt bolaget överträffar generella AI-modeller i 75–95 procent av specialiserade uppgifter inom läkemedelsupptäckt.
Automationslabb och AI-fabrik på tre kontinenter
En annan pusselbit i Insilicos globala positionering är fysisk: bolagets helautomatiserade labb, LifeStar2, i Shanghai. Här arbetar sex automatiserade enheter med olika funktioner autonomt dygnet runt och utför labbexperiment för att validera molekyler som föreslagits av Insilicos AI-plattform, och återför resultaten till plattformen. Det skapar ett slutet kretslopp som integrerar AI-generering och experimentell validering. Kombinerat med Pharma.AI-mjukvaran och den specialiserade generativa AI som utvecklas i Montreal i Kanada, samt forskningen om kvantdatorer vid bolagets centrum i Abu Dhabi, kan Insilico inte längre beskrivas som enbart ett mjukvarubolag. Bolaget håller på att bli en infrastrukturleverantör för nästa generations läkemedelsutveckling.
Bara två veckor före Lund-konferensen, den 6 maj, presenterade Insilico LabClaw – ett intelligent operativsystem för laboratorier byggt på en multiagentarkitektur som bolaget menar utvidgar dess ”pharmaceutical superintelligence” från den digitala världen till den fysiska och förvandlar LifeStar2 från ett automatiserat labb till en samtalsbaserad, AI-orkestrerad plattform.
Hongkong-noteringen växlade upp tempot
Noteringen på Hongkongbörsen i december 2025 utgjorde en milstolpe. Med tunga investerare som Eli Lilly och Tencent bland ägarna och en kassa förstärkt med 293 miljoner USD har Insilico skalat upp sitt partnernätverk i hög takt. Räkenskapsåret 2025 landade på 56,24 miljoner USD i intäkter, men den mer talande siffran finns i partnerboken: 1,3 miljarder USD i nytecknade avtal under året och ett ackumulerat samarbetsvärde på 4,6 miljarder USD.
Sanofi, Menarini, Servier, Qilu Pharmaceutical, Tenacia, Exelixis och Fosun Pharma återfinns alla i partnerregistret. Eli Lillys avtal på 2,75 miljarder USD i april signalerar dessutom en framgångsrik affärsmodell – från mjukvarulicensiering till renodlad pipeline-licensiering, där Lilly förvärvar exklusiva rättigheter till flera AI-genererade perorala kandidater i preklinisk utveckling.
Sverigesatsningen och keynoten i Lund
För Aisyah Sjöholm, som är verksam i Sverige och själv är läkare med specialistkompetens inom global hälsa, är BioStock Global Forum något av en hemmaplan. I rollen som Associate Director, Global Business Development & Licensing och Strategic Partnerships, AI Platforms, har hon representerat Insilico vid flera nordiska och europeiska forum under det senaste året. Att hennes keynote i Lund äger rum bara veckor efter Eli Lilly-tillkännagivandet ger sessionen extra tyngd.
I sin keynote kommer Sjöholm att fördjupa sig i övergången från fragmenterade beräkningsverktyg till helt autonoma prompt-to-drug-arbetsflöden, där generativ AI, automationslabb och specialiserade foundation models ritar om hela utvecklingskedjan. Insilico är hittills det enda bolaget som drivit ett AI-genererat läkemedel hela vägen till klinisk validering i fas IIa, vilket gör att Sjöholm kan diskutera dessa frågor utifrån ett förstahandsperspektiv som få andra i branschen har.
Frågor till Aisyah Sjöholm
Inför hennes presentation – Strategic Blueprints for AI-Driven R&D: Navigating the Era of Pharmaceutical Superintelligence – bad BioStock Sjöholm utveckla resonemanget kring Insilicos snabba utveckling och vad branschen kan vänta sig härnäst.
The Lilly deal looks like a shift from software licensing to pipeline licensing. What is Insilico becoming?
– We are currently moving beyond our roots as a generative AI pioneer toward a new era of ’Pharmaceutical Superintelligence’ (PSI). Insilico’s founder, Dr. Alex Zhavoronkov, has a vision to automate the entire drug discovery pipeline to the point where a single prompt can generate a clinical-ready drug.
– The beauty of our BD strategy is our flexibility to find the best partnering fit, whether we are working with big pharma, biotechs, academia, or non-profits. While the Lilly deal shows that asset out-licensing is our core engine, software and research collaborations remain crucial. The faster we partner, the faster we bring medicines to patients, which ultimately supports our core mission of addressing aging-associated diseases and extending healthy human life.
What does pharmaceutical superintelligence actually mean – and how far are we from it?
– Pharmaceutical superintelligence represents an era where AI agents progress far beyond simply streamlining existing workflows to a point where they actually make autonomous decisions and design complex experiments. It is the realization of the ”prompt-to-drug” architecture. We are no longer far from it; we are actively operating within it.
– Our CEO often notes that ”once AI starts managing AI, everything changes,” and we are seeing this firsthand. With our new multi-agent systems coordinating with automation laboratories, we can translate a natural language prompt about a disease directly into a generative molecular design and physical wet-lab execution.
With 100 indications now covered, how do you decide where to go deep versus broad?
– Going broad across our 100 covered indications allows us to generate a massive stream of highly validated, de-risked targets for strategic out-licensing, providing immediate non-dilutive revenue and expanding our ”shots on goal”.
– However, deciding where to go deep, advancing an asset internally through the high-risk phases of clinical trials, is about establishing unassailable platform credibility. When selecting these deep ”moonshot” programs, we lean heavily into Insilico Medicine’s core scientific mission: longevity. We look for dual-purpose biological targets that sit directly at the intersection of fundamental human aging processes and highly destructive diseases, such as systemic fibrosis. If we can hit a systemic biological driver of disease, a single successful molecule can be rapidly deployed not only against disease but also for anti-aging applications once human safety is firmly established.
The Nordics have a strong pharma heritage, but some would argue that we lag in AI-driven biotech. What is missing?
– The Nordics possess an incredible legacy of medical innovation, but what is currently missing in the highly regulated biotech space is executive-level risk appetite. AI adoption frequently stalls in the pilot phase because leadership teams have not defined the risks they are willing to take. My objective is to demonstrate that generative AI is no longer just a theoretical possibility, but the actual engine driving next-generation treatments.
– We must reassure our workforce that AI is about empowerment, so they can focus on scientific breakthroughs. Embracing this change is the only way to stay competitive on a global stage, and the only way we can translate our scientific strength into rapid, predictable development of novel therapeutics.
What is the single biggest lesson from rentosertib’s journey from algorithm to phase IIa?
– The most critical lesson is that ”clinical proof” serves as the ultimate valuation metric for our entire AI architectural framework. When our Phase IIa trials demonstrated that rentosertib provided a profound, dose-dependent improvement in lung function compared to a placebo in patients with Idiopathic Pulmonary Fibrosis, it didn’t just validate one novel molecule. It unequivocally proved to the market that our underlying AI platform, from target discovery to generative chemistry, is fundamentally and scientifically sound. The asset ceases to be an isolated experiment and instead becomes a validated data node within a continuous learning architecture, which heavily de-risks our entire pipeline moving forward. Notably, with the support of our AI platform, we have also been nominating preclinical candidates at scale, 13 of which have successfully advanced to clinical validation, further demonstrating the reliability of our AI platform.
Finally, without giving too much away and spoiling the keynote – what should the Lund audience be most prepared to rethink?
– Generative AI is no longer a theoretical possibility for the future; it is the actual, proven engine driving the development of next-generation treatments today. The audience should be prepared to realize that the ’future’ of medicine is already fully operational, and the only question left is how quickly we choose to adopt it.
– I want the Lund audience to rethink their relationship with risk. The Nordics have incredible digital maturity and a rich pharma legacy, but we often get stuck in endless pilot phases. Be prepared to rethink how we transition AI from a peripheral IT experiment into the core engine of R&D, and why playing it ’safe’ is actually the biggest risk to our regional competitiveness.
