ИИ и фармацевтика: от открытия мишени к клинике за 18 месяцев

Трансформация фарминдустрии: что произошло в 2025

Фармацевтическое открытие лекарств прошло рубеж, который казался недостижимым ещё пять лет назад. Не это теория — это данные клинических испытаний. В 2024-2025 годах компании, использующие искусственный интеллект для открытия лекарств, достигли реальных результатов на пациентах. Это означает, что ИИ перемещается из лабораторий стартапов в портфели Big Pharma.

Масштаб инвестиций говорит сам за себя. В 2024 году венчурный капитал вложил 3,3 млрд долларов в ИИ-подходы к открытию лекарств. Крупные фарма-компании, включая Novartis и Isomorphic Labs (подразделение Google DeepMind), заключили партнёрства на сумму более 1 млрд долларов каждое. Generate:Biomedicines получила $65 млн от Novartis только в виде авансового платежа за разработку протеиновых лекарств с использованием генеративного ИИ.

Но почему инвесторы так активны? Потому что, впервые в истории, компании показали, что ИИ может одновременно открыть биологическую мишень и спроектировать молекулу, которая работает на людях, не требуя традиционного скрининга тысяч соединений.

Под капотом: как на самом деле работает ИИ в фармацевтике

Декодирование сложных биологических систем. Традиционная фармацевтика тратит годы на то, чтобы понять, какой белок вызывает болезнь. ИИ-платформы анализируют миллионы геномных записей, протеомику и клинические данные одновременно, связывая нити, которые раньше требовали ручного анализа недель или месяцев.

Например, исследователи Оксфордского института открытия лекарств использовали ИИ для оценки 54 иммунных генов как потенциальных мишеней при болезни Альцгеймера. Процесс, который традиционно занял бы недели, был завершён за дни. Deep learning модели теперь выявляют биомаркеры, которые предсказывают прогрессирование болезни или терапевтический ответ — критически важный для таких категорий, как болезнь Альцгеймера, онкология и аутоиммунные расстройства.

De novo синтез молекул с нуля. Если найти мишень — первая задача, то вторая — спроектировать молекулу, которая её заблокирует. Здесь на сцену выходят генеративные модели: вариационные автокодировщики (VAE) и генеративные состязательные сети (GAN).

AlphaFold 3 (DeepMind, 2024) произвёл революцию, предоставив высокоточные предсказания структур белков. Но это — инструмент. Компании вроде Insilico, Generate и Isomorphic используют AlphaFold не просто для предсказания, а встраивают его в end-to-end pipeline: выявляют мишень → синтезируют молекулу с оптимизированными свойствами → предсказывают её эффективность. Вся циклы занимает месяцы, не годы.

In silico токсикология предотвращает неудачи. Одна из причин, почему традиционная разработка медленная — компании инвестируют в молекулы, которые оказываются ядовитыми на поздних стадиях. ИИ-модели ADMET (абсорбция, распределение, метаболизм, выведение, токсичность) теперь предсказывают эти свойства в силико, экономя гораздо больше животных тестов и сокращая цикл разработки. Стартап Ignota Labs использует ИИ для переоткрытия старых лекарств в новых показаниях, сокращая цикл переоценки до менее чем двух лет и стоимость до $1 млн (против $5-10 млн в традиционном пути).

Для бизнеса: кто выигрывает, кто проигрывает?

Стратегическая переоценка биотехноло́гии. Компании, которые ускоряют открытие лекарств с 10 лет до 2-3, имеют огромное преимущество в привлечении венчурного капитала, партнёрств и клинических данных. Insilico Medicine переходит от стартапа с опасными деньгами в компанию, которая может показать фазу IIa данные — это переводит компанию в совершенно другую категорию финансируемости.

Партнёрства и консолидация. Big Pharma, напуганная потерей pipeline, платят премии за ИИ-компании. Novartis платит Isomorphic Labs (DeepMind) $600+ млн, чтобы встроить AlphaFold в свой процесс открытия. Это не единовременная сделка — это переоснащение всей фарма-модели. CRO (контрактные исследовательские организации) и CDMO (контрактные производители) начинают предлагать ИИ-обогащённые услуги, чтобы остаться релевантными.

Игры регуляции и цена входа. FDA выпустила draft guideline в январе 2025 года: "Considerations for the Use of Artificial Intelligence to Support Regulatory Decision-Making for Drug and Biological Products". Она устанавливает framework оценки credibility AI-моделей, требует валидации данных, оценки bias и планов управления изменениями (PCCP — Predetermined Change Control Plans). Это благоприятно: это не запретное регулирование, а скорее профессионализация использования ИИ. Но это также означает, что компании должны инвестировать в governance и quality assurance, повышая цену входа в рынок.

Цена лекарств: опасное снижение? Если ИИ снизит себестоимость открытия лекарств с $2,6 млрд до $600 млн за одно лекарство, что случится с ценами? Парадокс: компании потратят сэкономленные деньги на разработку более целевых (и нишевых) лекарств, не обязательно снижая цены конечного продукта. Однако, долгосрочно, более быстрая разработка означает больше конкуренции и больше генериков раньше.

На горизонте: 1-3 года ключевых событий

2025-2026: Клинические вехи. Rentosertib (Insilico) должен перейти в фазу III испытаний. Generate/Novartis должны опубликовать первые данные из своей платформы. Несколько других ИИ-компаний (Recursion, Schrödinger, Relation Therapeutics) планируют перемещение своих кандидатов в клинику.

2026-2027: Регуляторная кристаллизация. FDA превратит draft guidance в финальные требования. Первое ИИ-открытое лекарство, вероятно, получит одобрение FDA (Rentosertib имеет хороший шанс). Это установит прецедент и откроет флудгейты для большего количества ИИ-кандидатов в clinical trials.

2028-2030: Индустриальная норма. К концу десятилетия компании без ИИ в pipeline будут конкурентно невыгодны. Это подобно цифровизации в 2010-х — первоначально дифференциатор, затем requirement for playing at scale.

Узнать больше

Источники информации