Искусственный интеллект меняет фармацевтику — но не там, где ожидали

Когда Pfizer объявила о сокращении расходов на миллиарды долларов в феврале 2026 года, генеральный директор Альберт Бурла назвал главный рычаг — искусственный интеллект. Но речь идёт не о создании прорывных лекарств, а о повышении производительности через автоматизацию процессов от исследований до маркетинга. Инвесторы и аналитики больше не воспринимают ИИ как футуристическую идею — они ожидают конкретных результатов здесь и сейчас.

Технология готова к применению, но пока что она меняет фармацевтику не через открытие новой биологии, а через операционную эффективность. Этот сдвиг в фокусе говорит о прагматичной зрелости отрасли — компании сначала используют ИИ там, где можно получить измеримую отдачу быстро, прежде чем решать задачи фундаментального характера.

Операционная эффективность вместо научных прорывов

Pfizer развёртывает ИИ по всем направлениям — от лабораторий до юридических отделов. Компания инвестирует в более 1200 графических процессоров для поддержки новых AI-приложений. Это позволило поглотить несколько компаний через сделки слияний и поглощений, увеличив нагрузку на исследования и разработки, но при этом запланировать $11 млрд на R&D в 2026 году без пропорционального роста расходов.

Главный научный сотрудник Крис Бошофф объясняет это просто: производительность — это скорость и затраты. Встраивая ИИ, компания снижает расходы и ускоряет процессы. Коммерческое подразделение использует ИИ для обучения полевых команд, оптимизации времени с врачами, адаптации маркетинговых материалов под локальные регуляторные требования за считанные минуты вместо недель ручной работы.

Eli Lilly ставит на предиктивные модели

Eli Lilly заключила партнёрство с NVIDIA на сумму до $1 млрд на пять лет для создания совместной лаборатории инноваций на базе платформы BioNeMo и архитектуры Vera Rubin. В январе 2026 года Lilly также объявила о сотрудничестве с Chai Discovery — биотехом, поддержанным OpenAI, для разработки биологических терапевтических средств.

В сентябре 2025 года компания открыла TuneLab — инициативу в рамках программы внешних инноваций Catalyze360. Lilly предоставляет избранным биотехам доступ к своему набору ИИ-инструментов в обмен на данные для обучения моделей. Ализа Эппл, глава TuneLab, отмечает: компания живёт в эпохе predict-first, это больше не амбиция, а операционная реальность.

Мы прогоняем все программы через предиктивные модели малых молекул и антител прежде, чем синтезируем хоть одну молекулу и начинаем эксперименты.— Ализа Эппл, вице-президент Catalyze360 и глобальный руководитель Lilly TuneLab

Эти модели созданы на основе десятилетий исследований Lilly. Программа TuneLab представляет собой инвестиции в R&D около $1 млрд и направлена на ускорение всей биотех-экосистемы, а не только внутренних проектов Lilly.

Большие игроки идут разными путями

Novartis заключила партнёрства с Microsoft, Google Isomorphic Labs и Generate:Biomedicines, но глава биомедицинских исследований Фиона Маршалл настроена реалистично: ИИ не волшебная палочка, он не создаст лекарство завтра. Технология может заменить часть лабораторной работы, но не всю. Компания использует собственную базу данных data42 — крупнейшую корпоративную базу в биофармацевтике — для поиска мишеней и дизайна молекул.

AstraZeneca сообщает о результатах: применение ИИ в ранних стадиях открытия ускоряет дизайн и валидацию целевых препаратов более чем на 50%. В клинических исследованиях компания применяет синтетические контрольные группы на основе реальных данных, чтобы оптимизировать мощность испытаний.

Bristol Myers Squibb сделала ставку на ALS — заболевание, долгое время не поддававшееся разработке препаратов. В октябре 2025 года компания удвоила партнёрство с Insitro, используя ИИ для выявления различий между здоровыми и больными клетками на уровне фенотипа. Цель — обратное сканирование, чтобы найти точки вмешательства.

Первые клинические сигналы и реальность рынка

Takeda сообщила в декабре 2025 года, что AI-разработанная молекула zasocitinib снизила тяжесть бляшечного псориаза в двух поздних клинических испытаниях. Препарат создан в рамках партнёрства с Nimbus Therapeutics. Это один из первых реальных клинических результатов для ИИ-дизайна лекарств.

Однако Эппл из Lilly отмечает: к моменту, когда препарат попадает в клинику, модель, на основе которой он был создан, уже устарела. Модели улучшаются настолько быстро, что текущие клинические программы не являются настоящим тестом потенциала ИИ. Вот почему Lilly встраивает предиктивные технологии в каждый рабочий процесс, а не полагается на единичные проекты.

NVIDIA активно инвестирует в биотех-стартапы, включая участие в раунде серии C ArsenalBio на $325 млн в сентябре 2024 года. Эта компания, оцениваемая в миллиард долларов, работает с Bristol Myers Squibb над CAR-T программами, созданными с помощью ИИ-модели Т-клеток.

Семь биотех-единорогов и сложная инвестиционная среда

Семь биотех-компаний с оценкой свыше $1 млрд продвигают AI-дизайн и разработку лекарств, но сталкиваются со сложной инвестиционной средой. Несмотря на энтузиазм вокруг технологии, инвесторы требуют доказательств клинической эффективности и экономической отдачи, прежде чем увеличивать финансирование.

Джон Ву, управляющий директор BCG в группе здравоохранения, подводит итог: настоящая обещание ИИ — открытие новой биологии и дизайн лекарств, которые люди не смогли бы создать или потратили бы десятилетия. Доказательства этого ещё не появились, но индустрия приближается к этой точке.

Что дальше: практические шаги для лидеров

Для руководителей фармацевтических и биотех-компаний текущий момент требует чёткого понимания границ ИИ. Технология отлично работает для оптимизации существующих процессов — скрининга соединений, предсказания токсичности, управления клиническими испытаниями, автоматизации регуляторной документации. Но открытие принципиально новых мишеней и механизмов действия остаётся редким явлением.

Стратегия встраивания ИИ должна быть поэтапной: начать с операционной эффективности, параллельно инвестировать в инфраструктуру данных и обучение моделей, создавать гибридные команды из AI-инженеров и биологов. Ожидание революции в ближайший год нереалистично, но долгосрочная трансформация неизбежна.

Источники