Искусственный интеллект в фармацевтике: спасительный круг или дорогая игрушка? Глубокий анализ реального положения дел в использовании ИИ в исследованиях и разработках лекарств
Здравствуйте, я ваш финансовый журналист. Сегодня мы поговорим о теме, которая звучит очень серьезно, но напрямую касается здоровья каждого из нас: может ли искусственный интеллект помочь нам быстрее и дешевле создавать хорошие лекарства?
Недавно на конференции 2026 Zhangjiang药谷 произошло важное событие: первый в мире лекарственный препарат, полностью разработанный с использованием ИИ и достигший последней стадии клинических испытаний (третьей фазы) – Rentosertib – получил своего первого пациента. Это звучит как сцена из научно-фантастического фильма, но за этим стоит множество тревог, споров и рациональных размышлений.
Короче говоря, ИИ действительно ускоряет и снижает затраты на поиск лекарственных средств, но сама процедура их проверки остается крайне сложной. Далее я разберу эту сложную индустриальную новость на пять аспектов, чтобы объяснить вам суть этого „праздника“ и реальности использования ИИ в фармацевтике.
---
1. Современное положение дел: ИИ в фармацевтике вступает в „глубоководную зону“; даже лауреаты Нобелевской премии встревожены
Раньше мы считали, что использование ИИ в фармацевтике еще находится на начальном этапе, но теперь это уже близко к реальному результату.
Основной факт: Лекарство от фиброза легких, разработанное компанией Insilico Medicine, уже находится на третьей стадии клинических испытаний. Это первый в мире препарат, полностью созданный с помощью генеративных технологий ИИ.
Почему все встревожены? Даже лауреат Нобелевской премии по химии 2013 года Майкл Левитт признался: „Все в компании немного напряжены“. Почему? Потому что третья фаза клинических испытаний – это самый сложный этап в разработке лекарственных средств.
- Первые два этапа (обнаружение лекарства): ИИ работает очень эффективно, как своего рода мощный „фильтр“.
- Последний этап (проверка эффективности лекарства): Это крайне дорогостоящий и рискованный процесс. Если третья фаза провалится, все сэкономленные ранее средства могут не окупить убытки.
Простое объяснение: ИИ позволяет быстро и экономично находить потенциальные лекарственные средства, но проверка их эффективности остается сложной задачей.
---
2. Преимущества: ИИ значительно сокращает время и затраты на поиск лекарственных средств
Хотя последний этап очень сложен, ИИ демонстрирует поразительную эффективность на ранних этапах разработки.
Сравнение данных (традиционные методы vs ИИ):
- Обнаружение молекул-мишеней: традиционные методы занимают 1 год и стоят 94 миллионов долларов; ИИ – 2 месяца и 2 миллиона долларов.
- Предварительный отбор потенциальных лекарственных соединений: традиционные методы занимают 1,5 года и стоят 166 миллионов долларов; ИИ – 4 месяца и 4 миллиона долларов.
- Оптимизация лекарственных формул: традиционные методы занимают 2 года и стоят 414 миллионов долларов; ИИ – 11 месяцев и 2 миллиона долларов.
Вывод: На ранних этапах разработки ИИ снижает затраты более чем на 90% и значительно ускоряет процесс.
Простое объяснение: Традиционные методы разработки лекарств похожи на поиски иглы в огромном море – медленные и дорогостоящие. ИИ, напротив, использует современные технологии для быстрого и точного определения потенциальных кандидатов на лекарственные средства.
---
3. Проблемы: огромный разрыв между „атомами“ и „людьми“
Если ИИ так эффективен, почему он не может предсказать результаты клинических испытаний и избавить от необходимости дорогих исследований? В этом кроется основной технический барьер.
Противоречие: У нас есть хорошие модели для моделирования атомов, электронов и белков, но нет подходящих моделей для понимания поведения людей.
- Молекулы в компьютерах представлены в упрощенном виде.
- Реальные пациенты различаются по генетике, физическим характеристикам и условиям жизни.
Споры в индустрии: Действительно ли ИИ полезен на клиническом уровне?
- Пессимисты: считают, что ИИ бесполезен из-за сложности человеческого поведения.
- Рационалисты (Хуан Сяолу): ИИ не бесполезен, просто его использование требует дополнительных усилий для перевода технических данных в понятный для врачей язык.
Простое объяснение: ИИ может эффективно разрабатывать молекулярные структуры, но его способность предсказать реакцию людей на лекарства ограничена из-за сложности человеческого поведения.
---
4. Риски: вторая фаза клинических испытаний – критический момент для фармацевтических компаний
На этапе разработки лекарств существует критический момент, когда риск потерь значительно возрастает.
Статистика: Успешность перехода с второй на третью фазу клинических испытаний составляет всего 28,9%.
- Стоимость одних только клинических испытаний второй фазы – от 19 до 127 миллионов долларов.
- Если испытания провалятся, все предыдущие инвестиции могут пойти впустую.
Новая роль ИИ: ИИ может помочь фармацевтическим компаниям принимать решения на этом этапе.
Хуан Сяолу из компании Wuxi Natural Constant Technology предлагает использовать ИИ для анализа данных и предсказания вероятности успеха лекарства. Это позволит компаниям сэкономить миллиарды долларов.
Простое объяснение: ИИ может помочь компаниям оценить перспективы проекта на основе анализа данных, предсказав вероятность его успеха или неудачи. Это важный шаг для принятия решений о дальнейших инвестициях.
---
5. Будущее: преодоление барьеров в обмене данными
В будущем ключевым фактором будет способность компаний преодолевать барьеры в обмене данными.
- Многие фармацевтические компании используют одни и те же открытые ИИ-алгоритмы, что приводит к одинаковым результатам в исследованиях.
- Самые ценные данные (о неудачах) обычно скрываются из-за коммерческих соображений.
Кто станет победителем? Компания, которая сможет создать собственный массив данных, включающий как успешные, так и неудачные результаты исследований, и использовать его для совершенствования алгоритмов ИИ, получит непревзойденное преимущество.
Простое объяснение: Современные ИИ-технологии позволяют быстро находить потенциальные лекарственные средства, но для дальнейшего успеха необходимы детальные и разнообразные данные. Только компании, обладающие такими данными, смогут создавать более эффективные лекарства.
---
Вывод
Искусственный интеллект меняет подходы к разработке лекарств, но это не чудо, а мощный инструмент.
- Он эффективен на ранних этапах разработки, снижая затраты и время.
- Однако он не может точно предсказать реакцию людей на лекарства и не может заменить врачей в принятии решений на клиническом уровне.
- Ключевые проблемы: преодоление разрыва между техническими и клиническими данными, а также обмен информацией о неудачах.
Для обычных людей это означает, что в будущем новые лекарства могут появляться дешевле. Для инвесторов и специалистов важно не слепо верить в ИИ, а оценивать, кто действительно сможет решить проблемы, связанные с обработкой данных. „Первая половина“ пути использования ИИ в фармацевтике уже пройдена; теперь начинается „вторая половина“ – повышение точности прогнозов и эффективности разработки лекарств.