Представьте себе замок невероятно сложной формы и ключ, который должен к нему подойти. В традиционной фармацевтике поиск этого ключа занимал годы: ученые перебирали тысячи вариантов в лабораториях. Современный искусственный интеллект справляется с этой задачей за секунды — он рисует в виртуальном пространстве идеальный ключ, который теоретически должен открыть любую дверь. Однако в 2025 и 2026 годах индустрия столкнулась с жесткой реальностью: когда этот «идеальный» ключ вставляют в реальный человеческий организм, замок внезапно меняет форму или оказывается забитым песком. Оказывается, ИИ блестяще решает проблемы химии, но все еще пасует перед хаосом живой биологии.
Проблема химии против проблемы биологии
К середине 2026 года в фарминдустрии сложилось четкое разделение. Существует «проблема химии» — поиск молекулы, которая физически сможет соединиться с белком-мишенью в организме. С этим ИИ справляется великолепно. Статистика показывает, что препараты, созданные нейросетями, проходят первые тесты на безопасность (фаза 1) почти в два раза лучше традиционных. Алгоритмы научились эффективно отсеивать токсичные соединения, которые могли бы навредить человеку.
Но затем наступает «проблема биологии», или фаза 2, где лекарство должно доказать свою эффективность на реальных пациентах. И здесь магия исчезает. По данным аналитиков Boston Consulting Group за 2025 год, процент успеха ИИ-препаратов на этом этапе падает до стандартных 40%. Это означает, что ИИ не сделал лекарства более «умными» или гарантированно работающими — он просто сделал процесс их создания быстрее и дешевле. Мы научились быстрее ошибаться, но не стали чаще выигрывать.
ИИ не снизил общую смертность лекарств в клинике, которая по-прежнему составляет около 90%, он лишь превратил разработку в самый быстрый способ узнать, что ваша идея не работает.
Успехи и провалы: реальные кейсы
Чтобы понять, где проходит граница возможностей технологий, стоит взглянуть на конкретные примеры последних лет. Самым ярким успехом стала компания Insilico Medicine. В июне 2025 года они опубликовали данные испытаний препарата рентосертиб, предназначенного для лечения тяжелого заболевания легких — идиопатического легочного фиброза. Это был первый случай в истории, когда молекула, полностью спроектированная ИИ, показала реальный клинический эффект на людях.
Однако на каждый такой успех приходится серия болезненных отступлений. Компания Recursion Pharmaceuticals, один из гигантов рынка, в мае 2025 года признала результаты испытаний своего препарата REC-994 неубедительными. Несмотря на то что лекарство было признано безопасным, данные о его эффективности не подтвердили ожиданий ученых. Программа была деприоритизирована, что стало сигналом для всего рынка: безопасность не гарантирует результат.
| Препарат | Разработчик | Статус (на 2026 г.) | Итог испытаний |
|---|---|---|---|
| Rentosertib | Insilico Medicine | Успех фазы 2a | Значимое улучшение функции легких |
| REC-994 | Recursion | Провал/Пересмотр | Безопасен, но неэффективен |
| BEN-2293 | BenevolentAI | Провал | Не эффективнее плацебо |
Почему модели ошибаются: эффект «памяти»
Одной из главных причин неудач эксперты называют проблему «меморизации» или переобучения моделей. Исследования ограничений популярной системы AlphaFold 3, опубликованные в конце 2025 года, показали любопытный дефект. Выяснилось, что нейросеть часто не вычисляет поведение молекулы по законам физики, а просто «вспоминает» похожие случаи из своей обучающей выборки.
Когда ИИ сталкивается с принципиально новым классом химических соединений, его предсказательная сила падает. Модель ведет себя как отличник, который вызубрил ответы к тестам, но теряется, когда условия задачи немного меняются. Кроме того, ИИ часто воспринимает белки как статичные фотографии, в то время как в живой клетке они постоянно движутся, меняют форму и взаимодействуют с тысячами других элементов. Этот «биологический хаос» пока остается за пределами понимания большинства алгоритмов.
Главное: Современный ИИ — это мощный статистический инструмент, а не цифровой биолог. Он находит закономерности в данных прошлых лет, но не может предсказать эволюцию болезни или индивидуальную реакцию сложной живой системы.
Экономика «быстрых ошибок»
Несмотря на клинические неудачи, бизнес-модель ИИ-фармацевтики продолжает трансформироваться. Отчеты начала 2026 года показывают, что использование автоматизации позволяет компаниям вроде Recursion сокращать расходы на исследования и разработки (R&D) почти на 30%. Даже если лекарство проваливается, компания узнает об этом гораздо раньше и тратит на этот путь меньше ресурсов.
Это привело к консолидации рынка: крупные игроки поглощают более мелких (как в случае слияния Recursion и Exscientia), пытаясь объединить базы данных. Идея состоит в том, чтобы превратить биологию в поток данных (концепция TechBio). Однако отраслевые эксперты предупреждают о риске «мусора на входе»: если ИИ обучается на ошибочных научных статьях двадцатилетней давности, он будет выдавать столь же ошибочные прогнозы, только быстрее.
Важно понимать, что технологии цифровых двойников пациентов, которые могли бы заменить испытания на людях виртуальными симуляциями, в 2026 году все еще остаются экспериментальными и не приняты регуляторами как замена реальным тестам.
Границы возможного и что будет дальше
Сегодня индустрия отходит от романтических ожиданий «универсальной таблетки от всего», созданной нажатием одной кнопки. На первый план выходят более прагматичные подходы. Например, физико-ориентированный ИИ, который пытается учитывать законы квантовой химии, а не только статистические совпадения. Также активно развивается причинно-следственный ИИ (Causal AI), задача которого — понять, почему именно происходит поломка в клетке, а не просто найти способ с ней связаться.
Для обычного человека это означает, что ИИ действительно ускоряет появление новых препаратов, особенно для редких заболеваний, где раньше разработка была экономически невыгодна. Но контроль со стороны врачей-клиницистов и жесткие требования FDA к биологической обоснованности моделей остаются критически важными. ИИ в 2026 году — это не замена ученому, а невероятно быстрый, но иногда склонный к иллюзиям ассистент.