Пока одни разбираются, как удержать AI под контролем, китайская Insilico Medicine показывает, что происходит, когда контроль работает. Компания сократила время создания кандидата в лекарства до девяти-тринадцати месяцев вместо привычных четырёх с половиной лет — и это не рекламный слоган, а рабочий процесс, подтверждённый реальными препаратами в клинических испытаниях.
Схема проста: генеративный AI находит биологическую мишень, придумывает молекулу-кандидата и отбирает соединения, которые стоит тестировать в лаборатории. Обычно для выхода на стадию кандидата синтезируют и проверяют от 60 до 200 молекул — и именно здесь AI экономит годы, отсеивая бесперспективные варианты до пробирки.
Самый показательный пример — рентосертиб, препарат против идиопатического лёгочного фиброза (болезни, которая превращает лёгкие в рубцовую ткань). Он вышел на III фазу испытаний с участием 320 пациентов в 47 центрах Китая. Компания получила 13 разрешений на клинические испытания из 31 найденного кандидата с 2021 года.
Важно не путать скорость поиска кандидата со скоростью вывода лекарства на рынок — это разные стадии. Клинические испытания, производство и регуляторное согласование остаются такими же долгими. Неизвестно, повышает ли AI-дизайн шансы препарата успешно пройти поздние фазы: по данным одного из отраслевых анализов, показатели успеха на II фазе у AI-разработанных препаратов совпадают с историческими — выборка слишком мала для выводов.
Зато географию влияния AI на биотех видно отчётливо. По словам главы Insilico Алекса Жаворонкова, работа в Китае экономит компании около двух лет за счёт инфраструктуры, стоимости и ускоренной регуляторики — с 2025 года там действует 30-дневный срок рассмотрения заявок для инновационных препаратов. При этом более 90% выручки компании приходит от западных фармкомпаний вроде Eli Lilly и Takeda — китайская система страхования хуже возмещает стоимость новых лекарств.
Во что углубиться:
- Идиопатический лёгочный фиброз: что это за болезнь и почему её сложно лечить
- Генеративный AI в дизайне молекул: как работают модели вроде AlphaFold в фармацевтике
- Регуляторная реформа Китая 2025 года для клинических испытаний