ИИ в фарме — золотая лихорадка

Как и свойственно визионерам, он несколько преувеличивает. ИИ в фарме — золотая лихорадка: много шума, надежд, но богачами станут единицы. И, как правило, в «сервисах обслуживания старателей» — а не на лотке в ручье. Начнём с цифр. Первые блины постигла участь всех первых блинов. IBM Watson for Drug Discovery, запущенный в 2013 г. с обещанием изменить отрасль, закрыт в 2019-м. Deep Genomics привлекла $238 млн, объявила о создании «первого терапевтического кандидата, открытого ИИ» в 2019 г. , и к 2024-му не имела ни одного препарата в испытаниях. BenevolentAI потеряла 90% капитализации после провала препарата BEN-2293 в КИ. Молекула от продвинутого ИИ не показала преимуществ перед плацебо. Exscientia, первой выведшая ИИ-препарат в клинику, была поглощена Recursion после серии неудач. Единственный громкий успех Insilico Medicine нуждается в контексте. Да, компания сократила ранние этапы с 4. 5 лет до 18 месяцев. Но молекула INS018_055 всё ещё в фазе I КИ. До регистрации препарата — минимум 5-7 лет и сотни миллионов $. Вероятность успеха? Ок. 10% для среднего кандидата. ИИ ускорил самую дешёвую часть процесса, но не решил (и не мог решить) главную проблему — непредсказуемость КИ и усложненность процесса регистрации. Брендан Фрей, пионер ИИ и основатель Deep Genomics, в 2024 г. : «ИИ действительно подвёл всех нас в последнее десятилетие, когда дело касается открытия лекарств. Мы видели провал за провалом». Фундаментальная биология сложнее, чем кажется. ИИ превосходно предсказывает свойства молекул, если есть хорошие данные для обучения. Современные модели достигают 75-90% точности в прогнозировании ADMET-параметров (как молекула усваивается, распределяется, выводится). Но это работает только для хорошо изученных молекул. Когда дело доходит до принципиально новых соединений, точность падает катастрофически. ИИ не понимает биологию — он находит статистические корреляции. Дерек Лоу из Novartis: «Проблемы, которые индустрия хочет решить, почти обратно пропорциональны способности ИИ их решать». Более того, 70-80% провалов препаратов в КИ происходят из-за недостаточной эффективности именно на людях (а не на животных моделях) — того, что ИИ не может предсказать без данных человеческих испытаний. Эффект плацебо, индивидуальная вариабельность, сложность заболеваний — всё это за пределами возможностей алгоритмов. Результат? Почти все ИИ-стартапы в фармацевтике отказались от мечты создавать собственные лекарства и превратились в платформы, продающие инструменты крупным компаниям. Atomwise, BenevolentAI, даже Recursion — все следуют этой модели. Потому что разработка платформы приносит предсказуемый доход здесь и сейчас, а не через 10-15 лет с 10% вероятностью. Это не означает, что ИИ бесполезен. У него есть чёткие области применения, где он реально помогает:

— Виртуальный скрининг миллионов молекул вместо дорогих лабораторных экспериментов. — Предсказание токсичности на ранних стадиях. — Перепрофилирование существующих препаратов для новых показаний. — Оптимизация известных молекул. Но революции не происходит. ИИ — мощный инструмент оптимизации существующих процессов, а не замена им. Это помощник химика. Ускоритель определённых этапов, а не волшебная палочка. Реалистичный прогноз? В следующие 5-10 лет ИИ сократит стоимость ранних этапов разработки на 30-40% и ускорит их в 2-3 раза. Фармацевтические компании будут использовать ИИ как стандартный инструмент, как сегодня используют высокопроизводительный скрининг. Некоторые препараты, созданные с помощью ИИ, выйдут на рынок и будут успешными. Но большинство стартапов, обещающих революцию, обанкротятся. Это — реализм. Понимание реальных возможностей и ограничений технологии позволяет использовать её эффективно, не растрачивая ресурсы на недостижимые обещания. ИИ в фармацевтике — это эволюция, а не революция. Будущее ИИ в медицине реально, достижимо и ценно. Просто оно выглядит иначе, чем в презентациях стартапов. Глеб Кузнецов, политолог.