AI переписывает экономику разработки лекарств

Отдельный раздел отчёта посвящён тому, как AI меняет экономику drug development. По классической модели: “средняя” разработка лекарства сейчас — ~2,4 млрд долл., 13 лет до рынка, 7,6 неудачных клинических программ на один успех.

10–15 лет от таргета до рынка, несколько миллиардов долларов и множество провалившихся программ на один успешный препарат. Условно, это ставка в казино с очень дорогим входом.

AI‑подход меняет структуру рисков и тайминг. ARK моделирует, что сочетание AI‑дизайна молекул и более таргетных биомаркеров позволяет сократить срок до 8 лет и общую стоимость до ~0,7 млрд, а также сдвинуть кэш‑флоу вперёд и продлить период под патентом.

Если вы сдвигаете качественную селекцию молекул и таргетов на ранние стадии, а дальше сопровождете весь цикл цифровыми биомаркерами и адаптивными дизайн‑трайлами, вы уменьшаете вероятность провала в поздних фазах, а значит, снижаете общий стоимость проекта и сдвигаете выручку ближе к началу.

ARK моделирует, что в такой конфигурации средняя стоимость разработки и время до рынка заметно падают, а кумулятивный денежный поток за жизненный цикл препарата вырастает в несколько раз. В их модели средний AI‑дизайн‑drug генерирует кумулятивный денежный поток ~4 млрд долл. за 30 лет — более чем в 4 раза выше, чем традиционный аналог. Это делает портфели AI‑биотех‑компаний с на первый взгляд «сырым» пайплайном гораздо более интересными с точки зрения экономики.

Но важнее другое: меняется логика портфельного управления. Вместо нескольких очень больших ставок на поздних стадиях возникает возможность вести множество более дешёвых и быстрых экспериментов в начале, убивая слабые проекты до клиники. Это делает drug discovery ближе к венчурной логике, чем к традиционной фарме.

Для экосистемы это шанс: университетские лаборатории и стартапы могут собирались в «виртуальные фармы», где IP, модели и эксперименты работают как связанный конвейер, а не как разрозненные гранты и разовые проекты.

👻 Биомедтех в MAX