Onderzoekers in Europa en de VS gebruiken generatieve AI om nieuwe virale varianten te ontwerpen in gecontroleerde laboratoria. De aanpak moet vaccins, gentherapie en virusonderzoek versnellen en goedkoper maken. Tegelijk groeit de zorg over misbruik en veiligheid. Daardoor worden de Europese AI-verordening (AI Act) en nationale biosecurityregels direct relevant voor universiteiten, ziekenhuizen en overheden.
AI versnelt virusontwerp
Generatieve AI is software die patronen leert uit bestaande data en daaruit nieuwe voorstellen maakt. In het biomedisch veld gaat het om datamodellen die DNA- of eiwitsequenties kunnen bedenken. Voorbeelden zijn ESM-3 van EvolutionaryScale en RFdiffusion van de University of Washington, die eerder al nieuwe eiwitten ontwierpen. DeepMind’s AlphaFold, dat eiwitstructuren voorspelt, helpt onderzoekers daarbij om te beoordelen of een ontwerp kan werken.
Met deze systemen verkennen teams sneller veel meer opties dan met handmatig ontwerp. Dat gebeurt bijvoorbeeld bij virale eiwitten die dienen als antigeen voor vaccins, of bij onschuldige virale vectoren voor gentherapie. Bedrijven als Dyno Therapeutics gebruiken algoritmen om AAV-capsiden te optimaliseren, bedoeld om therapieën veiliger en gerichter te bezorgen. Dit zijn medische toepassingen en geen ziekteverwekkende virussen, maar ze delen wel technieken met virusontwerp.
Resultaten blijven voorlopig vooral experimenteel en beperkt tot laboratoriumtests. Onderzoekers valideren alleen kleine aantallen AI-voorstellen, omdat natte-lab proeven tijd en geld kosten. Ook blijken veel gegenereerde sequenties niet stabiel of niet functioneel. De winst zit dus vooral in het sneller vinden van kansrijke kandidaten, niet in een automatische “virusbouwer”.
Onderzoek blijft risicovol werk
Virusonderzoek is per definitie dual-use: de kennis kan nuttig zijn, maar ook misbruikt worden. Daarom gelden bioveiligheidsniveaus (van BSL-1 tot BSL-4) en streng toezicht. In België (bijvoorbeeld het Rega Instituut van KU Leuven) en Nederland (zoals Erasmus MC) werken labs onder vaste protocollen en vergunningen. AI verandert die spelregels niet, maar kan het tempo en de schaal van ontwerpworkflows wel verhogen.
Cruciaal is dat AI-output zonder laboratorium en expertise weinig betekent. Er zijn materialen, bioveiligheidsfaciliteiten en ethische goedkeuring nodig om iets te testen. Toch zien toezichthouders een reëel risico als toegang tot krachtige modellen en DNA-synthese te makkelijk wordt. Daarom kijken instellingen opnieuw naar wie toegang krijgt en met welk doel.
Historische discussies over risicovol grieponderzoek tonen hoe scherp de afweging kan zijn. De les daaruit: publicaties en datasets vragen soms om zorgvuldige redactie, zonder wetenschap te blokkeren. AI voegt hier een extra laag aan toe, omdat het systeem ontwerprichtingen kan voorstellen die een mens nog niet bedacht. Dat vergroot zowel het potentiële nut als de noodzaak van veiligheidskaders.
Dual-use betekent dat dezelfde techniek zowel nuttige als schadelijke doelen kan dienen. Dat vraagt om ontwerpkeuzes, controles en grenzen die misbruik ontmoedigen.
Europese regels gelden al mee
De Europese AI-verordening (AI Act) legt plichten op aan aanbieders van algemene AI-modellen, vooral bij “systemische risico’s”. Leveranciers van zulke modellen moeten risico’s identificeren en beperken, inclusief mogelijke biologische misbruikscenario’s. Transparantie-eisen, zoals technische documentatie en evaluaties, maken hergebruik door onderzoeksinstellingen beter toetsbaar. Dit raakt direct universiteiten en ziekenhuizen die met generatieve systemen experimenteren.
Daarnaast speelt Europese exportcontrole op dual-use technologie (Verordening 2021/821) een rol. Software en cloudtoegang die het ontwerpen van biologische agentia wezenlijk vergemakkelijken, kunnen onder vergunningplicht vallen. Overheidsinstellingen en leveranciers moeten daarom herkomst, gebruikers en doelen controleren. Voor Nederlandse instellingen betekent dit extra administratieve stappen en dossiervorming.
De AVG is minder centraal, omdat sequentiedata meestal geen persoonsgegevens zijn. Maar als klinische metadata, biobankgegevens of patiëntinformatie meedoen, gelden strikte privacyregels. Dan zijn beginselen als dataminimalisatie, versleuteling en strikte doelbinding verplicht. Onderzoeks-ethische commissies en functionarissen gegevensbescherming krijgen zo een grotere rol.
Toegang wordt strenger afgeschermd
Modelontwikkelaars bouwen veiligheidslagen in voordat ze tools breed vrijgeven. EvolutionaryScale beperkte de toegang tot ESM-3 en voegde veiligheidsreviews toe, juist vanwege biosecurity. Grote AI-aanbieders zoals OpenAI en Anthropic hanteren expliciete verboden voor biologische toepassingen in hun gebruiksvoorwaarden. Ook cloudplatforms loggen en beperken gevoelige prompts en functies.
DNA-synthesebedrijven in Europa screenen bestellingen standaard op risicovolle sequenties. De International Gene Synthesis Consortium (IGSC) stelt normen en deelt waarschuwingslijsten. Dit maakt het lastiger om zonder legitieme reden gevaarlijke stukken DNA te verkrijgen. Universiteiten en bedrijven worden geacht alleen met aanbieders te werken die zulke controles toepassen.
Nederland heeft een Biosecurity Office bij het RIVM dat richtlijnen en trainingen aanbiedt. Instellingen gebruiken checklists voor risicovol onderzoek en wijzen interne contactpunten aan. Ook dataprocedures, zoals beperking van gevoelige referenties in publicaties of code, krijgen meer aandacht. Zo ontstaat een ketenbenadering: van modeltoegang tot lab en publicatie.
Nederland scherpt toezicht aan
Voor Nederlandse overheden heeft de Europese AI-verordening praktische gevolgen. Toezichthouders moeten expertise opbouwen over algoritmen die bio-risico’s kunnen vergroten. Dat vraagt om samenwerking tussen de Autoriteit Persoonsgegevens, de NVWA, het RIVM en academische commissies. Heldere loketten en richtsnoeren helpen onderzoekers sneller te weten wat mag en wat niet.
Onderwijsinstellingen passen curricula aan met modules over AI-ethiek en bioveiligheid. Studenten leren waarom openbare code, datasets en notebooks soms niet volledig deelbaar zijn. Ook wordt gewezen op vergunningen en exportregels bij internationale samenwerking. Dat maakt onderzoek voorspelbaarder en verkleint vertraging door ontbrekende toestemmingen.
Voor bedrijven betekent dit vroegtijdig juridisch en ethisch meedenken. Contracten met model- en datasuppliers bevatten vaker clausules over toegestane doelen. Interne registers van hoge-risico projecten worden gebruikelijk, net als audittrail en incidentmelding. Zo groeit een praktijk waarin innovatie mogelijk blijft, maar binnen duidelijke grenzen.
Belofte en grenzen tegelijk
De medische belofte is groot: sneller vaccinontwerp, betere virale vectoren en nauwkeuriger voorspellingen van virus-evolutie. Maar die winst telt alleen als veiligheidsmaatregelen gelijke tred houden. Daarom verschuift de aandacht van “kan het?” naar “mag het, en hoe dan wel?”. Die verschuiving is zichtbaar in beleid, toegangsbeheer en onderzoekspraktijk.
Voor het publiek is transparantie belangrijk om vertrouwen te behouden. Duidelijke uitleg over doelen, risico’s en controles helpt daarbij. Publicatie met verantwoorde details in plaats van volledige recepten is een logisch compromis. Open wetenschap en veilige wetenschap hoeven elkaar niet uit te sluiten.
De komende jaren worden bepalend voor de norm. Europese regels treden gefaseerd in werking en instellingen bouwen hun governance op. Als dat lukt, kan AI in de virologie vooral publieke waarde toevoegen. Dan blijft de “gevaarlijke kant” afgebakend, en staat de gezondheidszorg centraal.