Разработка лекарства обычно занимает годы и съедает бюджеты, сравнимые с состоянием небольшой страны. Novo Nordisk и AWS решили сократить этот путь, объединив вычислительное проектирование и лабораторные испытания в одном непрерывном процессе — буквально под одной крышей.
В лондонском офисе компании открылся совместный хаб, где инженеры AWS и учёные Novo Nordisk работают напрямую с данными и наработками фармкомпании. AWS становится предпочтительным облачным провайдером и стратегическим партнёром по ИИ. Ключевой инструмент — Amazon Bio Discovery, дающий доступ более чем к 40 биологическим ИИ-моделям. Агенты будут подбирать и комбинировать эти модели для конкретных задач: поиска мишеней для лечения, проектирования терапий, анализа биологических данных и ранжирования кандидатов в лекарства перед отправкой на синтез и тестирование в лаборатории. Результаты экспериментов возвращаются обратно в вычислительный цикл — система учится на реальных данных, а не только на симуляциях.
Более 25 тысяч сотрудников Novo Nordisk уже пользуются генеративной платформой на базе Amazon Bedrock для чат-ботов, покрывающих свыше 2500 сценариев применения. А система на основе Claude 3.5 сократила подготовку документации по клиническим исследованиям более чем на 90%: работу, которую раньше делали 40–50 человек за 15 недель, теперь три человека выполняют за считаные минуты, хотя финальную проверку всё равно делают медицинские специалисты.
Novo Nordisk параллельно сотрудничает с OpenAI и использует датский суперкомпьютер Gefion — компания явно не ставит все фишки на одного партнёра. Цель одна: сократить путь от идеи лекарства до первой дозы для человека. Если хаб оправдает ожидания, модель наверняка растиражируют другие крупные фармкомпании — AWS уже анонсировала похожие проекты с Flagship Pioneering и Johnson & Johnson.
Во что углубиться:
- Amazon Bio Discovery: как устроена платформа AWS для вычислительной биологии
- Agentic AI в фармацевтике: чем ИИ-агенты отличаются от обычных моделей машинного обучения
- Сроки и стоимость разработки новых лекарств: почему процесс традиционно занимает 10+ лет