Стэнфорд и Chan Zuckerberg Biohub запустили команду ИИ‑агентов, которые проектируют и проверяют биомедицинские открытия.

Первый результат — 92 дизайна нанотел против COVID‑19, два из которых реально связались с новыми вариантами вируса.

Люди вмешивались лишь в 1% случаев, всё остальное делали агенты, подключая AlphaFold и другие инструменты.

Это не единичный кейс. MIT‑Jameel Clinic уже открыл с помощью ИИ антибиотик абаацин против смертельно опасной супербактерии Acinetobacter baumannii. Google DeepMind через платформу GNoME нашёл 2,2 млн новых материалов — десятки тысяч уже подтвердили стабильность.

А стартап Recursion вывел восемь ИИ‑препаратов на клинические испытания, сокращая цикл R&D с 10 лет до пары лет.

И что?

Бизнес: стоимость вывода лекарства на рынок может упасть с $1–2 млрд и 10 лет работы до ~$250–300 млн и 1–2 лет. Это делает рынок быстрее и доступнее для новых игроков.

Инвесторы: AI‑биоинновации оцениваются в $50–100 млрд ближайших лет; early‑VC, которые заходят сейчас, могут поймать мультипликаторы ×10–20.

Люди: новые антибиотики остановят устойчивые инфекции, быстрее появятся лекарства от рака и редких болезней, а диагностика и терапия станут доступнее даже в странах с ограниченными ресурсами.

🚨Нам пиz#ец

Big Pharma — 9/10. Не потому что ИИ клепает молекулы пачками, а потому что регуляторы и бизнес-модель фармы не рассчитаны на такой темп. Сейчас FDA и EMA одобряют в среднем ~50 новых препаратов в год (50 в 2024 году, десятилетний скользящий ­средний — ~46.5)  .

Разработка одного лекарства занимает 10‑15 лет и стоит $1.5–2.6 млрд (включая неудачи)  . При этом только ~12 % кандидатов, вступивших в клинические испытания, получают одобрение 
Если ИИ начнёт генерировать сотни перспективных кандидатов в месяц, узким местом станет регуляторный процесс: FDA/EMA рассчитаны на десятки NDA в год, и штат CDER — около 1 300 человек, бюджет $290 млн, причём большая часть вендорских сборов покрывается фармой  .

Они просто не могут обработать поток сотен заявок ежемесячно.

Это означает:

Big Pharma теряет контроль над входом на рынок: их годовые R&D‑затраты и планы базируются на текущих темпах. А тут вдруг куча стартапов и вузов запускают десятки кандидатов каждый месяц.

Затраты на испытания обесцениваются: если используется цепочка валидации ИИ‑лаборатории, компании могут не оправдать вложений в традиционные trial-фазы.

Регуляторное сопротивление: ожидать лоббирование замедлений, отказа от fast-track, ужесточения требований, чтобы сохранить статус-кво.

Как результат: инвестиции Big Pharma — десятки миллиардов в pipeline проектов — рискуют оказаться бесполезными. Их модель становится нежизнеспособной, а регуляторы — либо меняют правила, либо остаются узким горлом.

Big Pharma — 9/10 по «пи**ецу» из-за угрозы обесценения их не только R&D-инфраструктуры, но и бизнес-модели в целом.