Фармацевтическая отрасль известна длительными циклами разработки и высокой ценой ошибки. Путь от молекулы до препарата занимает в среднем 10–15 лет и обходится в 1–2 млрд долларов, при этом девять из десяти кандидатов, дошедших до клинических исследований, не получают регистрацию. В таких условиях даже небольшое ускорение на ранних этапах может сэкономить годы и сотни миллионов.
Компания AstraZeneca активно внедряет искусственный интеллект в процессы R&D. Один из показательных примеров — партнёрство с BenevolentAI. Уже в январе 2021 года в портфель компании вошла первая мишень, найденная с помощью ИИ, — для лечения хронической болезни почек. Позже из этой же коллаборации добавились и другие ИИ-таргеты. Это не просто эксперимент: мишени, обнаруженные алгоритмами, проходят ту же цепочку проверок, что и найденные традиционными методами.
Ключевая технология, которую использует AstraZeneca, — knowledge graphs, объединяющие геномные, клинические, молекулярные и данные о безопасности. Поверх этих графов работают графовые нейросети (Graph Neural Networks), которые выявляют неочевидные связи между биологическими объектами. Такой подход позволяет оценивать не одну «лучшую» молекулу, а вероятность успеха для множества кандидатов, отсеивая слабые гипотезы на ранних стадиях. Это сокращает число дорогостоящих экспериментов.
Наиболее впечатляющий кейс — разработка кандидата для лечения идиопатического лёгочного фиброза. Мишень TNIK была найдена с помощью ИИ, молекулу также сгенерировали алгоритмы. От идентификации мишени до преклинического кандидата прошло всего 18 месяцев, а синтезировать пришлось менее 80 соединений. Для сравнения: обычно на этом этапе перебирают тысячи молекул в течение нескольких лет. Правда, это единичный случай, а не отраслевая норма, но он демонстрирует потенциал подхода.
ИИ применяется не только на ранних этапах, но и в клинических исследованиях. FDA прорабатывает подходы к использованию ИИ для ускорения решений go/no-go и мониторинга испытаний в реальном времени. Один из пилотов идёт с участием AstraZeneca и Amgen. Речь не о замене классических процедур, а о повышении их точности и скорости. Пока это не массовая практика, но вектор понятен.
В России AstraZeneca также запустила пилотные проекты по применению ИИ в диагностике. В Санкт-Петербурге и Нижнем Новгороде ИИ используется как вспомогательный инструмент анализа КТ-снимков. Это не замена врача: модель помогает обрабатывать изображения, а окончательное решение остаётся за специалистом.
Важный вывод из опыта AstraZeneca: конкурентное преимущество в таких проектах — не сами модели, а данные. Не сырые датасеты, которые есть у всех, а данные, прошедшие несколько циклов очистки, валидации и обогащения. Именно этот слой делает данные уникальными и воспроизводимыми, позволяя превращать их в новые научные знания. Развитие data science и ИИ становится фактором, ускоряющим R&D и повышающим его эффективность.
