Исторически разработка новых лекарств напоминала поиск иголки в огромном стоге сена, причем часто в полной темноте. Знаменитый пенициллин был открыт благодаря случайности, а большинство современных препаратов десятилетиями перебирались вручную в лабораториях. Сегодня этот процесс радикально меняется. Искусственный интеллект взял на себя роль архитектора, способного анализировать миллионы вариантов и "рисовать" идеальную молекулу под конкретную болезнь за считанные месяцы. Однако между компьютерным чудом и реальной аптекой всё еще стоит суровая физиология человека.
Конец эры случайных открытий
Чтобы понять масштаб изменений, нужно взглянуть на то, как работала фармацевтика раньше. Традиционный путь молекулы от лаборатории до первых тестов на людях занимал от четырех до шести лет. Компании тратили сотни миллионов долларов, просто чтобы найти биологическую "мишень" — например, белок, который вызывает неконтролируемое деление раковых клеток — и затем подобрать химическое соединение, способное эту мишень отключить.
Искусственный интеллект работает иначе. Используя генеративный дизайн, алгоритмы не просто перебирают известные химические соединения, они буквально рисуют новые молекулы с нуля, задавая им нужные свойства. Если раньше ученые действовали методом проб и ошибок, то сейчас компьютерные модели анализируют огромные массивы генетических данных и медицинских статей, находя неочевидные связи.
Благодаря этому время на доклиническом этапе сократилось до 12–18 месяцев, а затраты упали в десятки раз. Например, компания Insilico Medicine заявляет, что разработка одного из их перспективных кандидатов на раннем этапе обошлась всего в шесть миллионов долларов, что по меркам традиционной Большой фармы — сущие копейки.
Переход индустрии на нейросети означает отказ от метода слепого перебора. Мы учимся инженерии молекул с предсказуемыми свойствами, где алгоритм заранее понимает, как препарат поведет себя на уровне клеток.
Как работают нейросети-фармацевты
Ключевая задача в разработке лекарства — это задача замка и ключа. Белок, вызывающий болезнь — это замок сложной трехмерной формы. Лекарство (лиганд) — это ключ, который должен идеально подойти к замочной скважине, чтобы заблокировать вредный процесс.
Проблема в том, что белки постоянно извиваются и меняют форму. В 2024 году научный мир потряс выход системы AlphaFold 3 от Google DeepMind, которая научилась с высокой точностью предсказывать структуру того, как молекулы связываются с белками и нуклеиновыми кислотами. Но технологии развиваются стремительно.
Уже в феврале 2026 года дочерняя компания Alphabet — Isomorphic Labs — представила платформу нового поколения под названием IsoDDE. По внутренним тестам компании, этот алгоритм предсказывает взаимодействие сложных белков с точностью до 50%. Для сравнения, показатель AlphaFold 3 на аналогичных сложных задачах составлял около 23%. Это значит, что ученые теперь могут с гораздо большей уверенностью сказать, "прилипнет" ли виртуальное лекарство к вирусу или больной клетке в реальной жизни.
Первые позитивные сигналы у пациентов
Очевидно, что красивая модель на мониторе компьютера ничего не значит, если она не работает в организме человека. На начало 2026 года фармацевтическая отрасль наконец получила первые доказательства того, что ИИ способен не только ускорять процессы, но и создавать рабочие решения для реальных больных.
Весной 2026 года компания Insilico Medicine представила результаты Фазы IIa испытаний своего препарата Rentosertib, созданного полностью с участием искусственного интеллекта для лечения идиопатического легочного фиброза. Это тяжелое заболевание, при котором ткань легких покрывается рубцами, и пациенту становится все труднее дышать. В испытании участвовал 71 пациент.
Результаты оказались обнадеживающими: у пациентов, получавших самую высокую дозу препарата, зафиксировали среднее улучшение объема легких на 98,4 миллилитра, тогда как в группе, принимавшей плацебо-пустышку, наблюдалось падение показателей на 62,3 миллилитра. Это стало первым в истории клиническим подтверждением того, что молекула, задуманная машиной с нуля, действительно способна останавливать развитие болезни у людей. Вслед за этим успехом, в апреле 2026 года регулятор США (FDA) одобрил начало испытаний этого же лекарства в виде ингалятора.
Параллельно развиваются и другие направления: в январе того же года FDA дало зеленый свет на старт клинических испытаний препарата ISM8969, направленного на борьбу с болезнью Паркинсона. Особенность этой ИИ-молекулы в том, что она спроектирована специально для преодоления гематоэнцефалического барьера — естественной защиты мозга, которая обычно не пропускает многие лекарства.
Кто делит новый рынок
На фоне таких новостей неудивительно, что в отрасль вливаются гигантские деньги. Технологические корпорации видят в медицине следующий крупный рынок, а классические фармацевтические гиганты боятся отстать от прогресса.
В мае 2026 года Isomorphic Labs закрыла инвестиционный раунд на сумму в 2,1 миллиарда долларов, заручившись поддержкой своей материнской компании Alphabet и крупных венчурных фондов. Эти деньги нужны им для перехода от продажи алгоритмов к созданию собственных лекарств. Классическая "Биг Фарма" действует иначе: корпорации вроде Eli Lilly, Sanofi и AstraZeneca предпочитают покупать готовые инновации. Так, в начале года Eli Lilly заключила сделку с Insilico Medicine на астрономическую сумму в 2,75 миллиарда долларов.
| Компания | Специализация и статус | Ключевые продукты / Достижения |
|---|---|---|
| Isomorphic Labs (дочка Alphabet) | Технологический лидер, переход к созданию собственных лекарств | Платформы AlphaFold 3 и IsoDDE, $2,1 млрд инвестиций |
| Insilico Medicine | Лидер по клиническим испытаниям ИИ-препаратов | Rentosertib (Фаза II), сделка с Eli Lilly на $2,75 млрд |
| Exscientia / Recursion | Первопроходцы отрасли генеративной химии | Первыми вывели ИИ-препарат в клинику (2020 год) |
Главное: Искусственный интеллект повышает безопасность на самом старте. Статистика показывает, что ИИ-препараты успешно проходят начальную проверку на безопасность у людей (Фаза I) в 80-90% случаев, тогда как исторически этот показатель колебался в районе 40-60%. Алгоритмы научились отлично отсеивать заведомо токсичные для человека молекулы еще на стадии компьютерной симуляции.
Парадокс клинических испытаний: где тормозит прогресс
При всех достижениях, в индустрии есть серьезное "узкое горлышко", которое технологии пока не могут обойти. Мы научились создавать лекарства на компьютерах за секунды, но мы вынуждены годами проверять их на живых людях. Компьютер не может ускорить биологическое старение пациента в клинике или заставить опухоль реагировать быстрее.
Клинические проверки остаются многолетним процессом. Искусственный интеллект может идеально смоделировать связывание молекулы с рецептором в печени, но он всё еще плохо предсказывает системную токсичность — то, как эта же молекула повлияет на сложнейшие каскады иммунной системы или почки конкретного пациента.
Главное заблуждение вокруг использования нейросетей в медицине заключается в том, что алгоритмы вскоре позволят полностью отказаться от испытаний на лабораторных животных или людях. Виртуальные симуляции пациентов пока остаются лишь концептом, а регулирующие органы жестко требуют проведения многолетних клинических тестов. Кроме того, сохраняется проблема качества исходных данных: если алгоритм обучается на предвзятых или неполных базах геномов, он неизбежно найдет ложные биологические мишени.
Что пока остается экспериментом и хайпом
Несмотря на наличие около 170 ИИ-препаратов в клинической разработке, реальность такова: на май 2026 года ни одно полностью разработанное искусственным интеллектом лекарство еще не получило окончательного одобрения для массовой продажи в аптеках.
Более того, алгоритмы не дают гарантии успеха на самых сложных этапах. Вторая фаза клинических испытаний (Фаза II), где проверяется именно эффективность препарата против болезни, традиционно является "кладбищем" для новых лекарств. Около 60% препаратов проваливаются на этом этапе, и применение ИИ пока не смогло радикально снизить этот процент неудач. Биология живого человека часто оказывается гораздо сложнее, чем может просчитать самая мощная математическая модель.
Что будет дальше
Отрасль находится в ожидании исторического события — первого одобрения ИИ-препарата регуляторами. Наиболее реалистичные сроки появления таких лекарств в широком доступе оцениваются экспертами как 2027–2028 годы.
Важно понимать, что даже без гарантии 100-процентного успеха на поздних стадиях, технология уже совершила революцию. Сокращение времени разработки на три-четыре года на старте конвертируется в миллионы сэкономленных долларов. Эти деньги фармацевтические компании могут направить на проверку большего количества гипотез. ИИ не заменил врачей и биологов, но он подарил им самый мощный микроскоп в истории, позволяющий заглянуть в суть болезней и быстрее находить против них надежное оружие.