Я не медик и не фармацевт. Я всю жизнь работаю с бизнесом и технологиями. А это значит, что я целыми днями отделяю то, что технологии реально умеют, от того, что нам про них продают.

#заметки

И сильнее всего этот рефлекс спотыкается на медицине.

Мне стало интересно копнуть, что происходит в разработке лекарств и в фарме. Копнул, разобрался и решил разложить по-простому. Думаю, тема многим интересна, но времени вчитываться нет, а пару промптов всерьёз «разобрался» считать не будем. Погнали по шагам.

Разработка нового лекарства, наверное, один из самых долгих и мучительных процессов, которые вообще придумало человечество. От первой идеи до аптечной полки проходит 10-15 лет и уходит порядка двух миллиардов долларов. Почти всё по дороге идёт в мусорку: из тысячи лекарств-кандидатов до пациента добирается меньше одного.

Путь примерно такой. Сначала надо понять, на что в организме воздействовать: какой белок или ген виноват в болезни. Потом найти или придумать молекулу, которая на него подействует. Проверить её в пробирке и на животных. Потом идут долгие испытания на людях. И только затем одобрение и выход на рынок, после которого ещё годами следят за побочными эффектами.

Каждый из этих шагов ручной, медленный и дорогой. Очевидно, что сюда пытаются встроить AI. Вот что получается.

Первое. Научились понимать форму молекул. Чтобы лекарство сработало, нужно знать точную трёхмерную форму белка, а вычислить её десятилетиями было адски сложно. Есть софтина AlphaFold от DeepMind, она предсказала формы почти всех известных белков и сдвинула с мёртвой точки задачу, над которой бились полвека. В 2024-м за это дали Нобеля по химии.

Второе. Научились придумывать сами молекулы. Раньше их искали перебором из миллионов вариантов, теперь AI проектирует их сразу под нужный белок. Первые полностью придуманные AI лекарства уже дошли до испытаний на людях. Компания Insilico довела своё соединение против идиопатического лёгочного фиброза до третьей, финальной фазы испытаний, на 320 пациентов. Это пока самый продвинутый препарат из тех, что придумал AI от начала до конца.

Третье. AI учат искать новое применение старым, давно проверенным лекарствам. В Penn Medicine модель перебрала около четырёх тысяч уже одобренных препаратов, чтобы помочь пациенту с редкой и смертельной болезнью Кастлемана. Она указала на адалимумаб, обычное лекарство от артрита. Пациент собирался в хоспис. После лечения он почти два года в ремиссии.

Четвёртое. AI разгружает самую нудную часть фармы: слежку за побочками уже одобренных лекарств. Тут рутина в огромном объёме. Одна база VigiBase от ВОЗ накопила больше 40 миллионов отчётов о побочках, у американской FAERS ещё порядка 31 миллиона своих. На ручной разбор этого массива уходит от 40 до 85% бюджета фармаконадзора.

Pfizer с 2022 года подключился к платформе Truveta: она собирает обезличенные данные из сети клиник, покрывающих около 16% медицинской активности в США, и ловит сигналы о побочках почти в реальном времени.

Куда всё это ведёт. Медицина потихоньку разворачивается от «лекарства для среднего пациента» к «лекарству под конкретного тебя»: AI читает опухоль и генетику и помогает подобрать то, что сработает именно у него.

При этом что имеем сейчас. Ни одного лекарства, которое AI придумал от начала до конца, пока не одобрено. Даже соединение Insilico, которое зашло дальше всех, всё ещё идёт через испытания.

Быстро стало на входе: придумать, посчитать, перебрать. Дальше по-прежнему сложно: доказать на людях, что лекарство лечит и не калечит, занимает годы, и там гибнет большинство кандидатов.

Если коротко, по цифрам. AI уже предсказал структуру почти всех белков и довёл первое собственное лекарство до третьей фазы. Но узкое место процесса: 9 из 10 кандидатов гибнут на испытаниях, и там AI пока не доказал, что реально экономит время или деньги.

Там ещё есть пласт про то, как технологии используют в пост-контроле лекарств. Если интересно, дайте знать в комментах, напишу отдельно.