ИИ в фармацевтике: AstraZeneca сокращает время разработки и выходит на «неизлечимые» мишени

Разработка нового лекарства — дорогой и рискованный процесс, особенно для биологических препаратов на основе инженерных белков. Учёные перебирают огромное количество молекул, чтобы найти те, которые свяжутся с нужной мишенью, останутся стабильными в организме и будут пригодны для массового производства. Сегодня ИИ стал ключевой частью этой инфраструктуры, ускоряя перебор и предсказывая успешные кандидаты.

В AstraZeneca используют цикл «создай-измерь-обучи»: ИИ генерирует или ранжирует молекулы, предсказывая их шансы на успех. Учёные направляют лабораторные ресурсы только на лучшие варианты. Это уменьшает количество тупиковых ветвей, ускоряет итерации и позволяет атаковать цели, которые раньше считались «недружественными» для лекарств. «Циклы становятся короче, а производительность и инновации растут», — говорит Пуя Сапра, старший вице-президент по R&D biologics engineering.

ИИ помогает и в создании принципиально новых классов препаратов. Следующее поколение биологических лекарств может одновременно воздействовать на несколько мишеней или доставлять терапевтическую нагрузку строго в определённые клетки. Такие многопараметрические задачи требуют одновременной оптимизации действенности, стабильности, технологичности и безопасности — и ИИ-модели уже справляются с этим. «Дружить недоступное становится реальностью», — отмечает Сапра.

Ключевой актив — качественные данные. McKinsey оценивает, что генеративный ИИ в сочетании с другими инструментами может сократить время открытия лекарств вдвое. AstraZeneca накапливает собственные проприетарные мультимодальные наборы данных (структуры молекул, измерения связывания, профили безопасности). «Данные — наше преимущество, — говорит Сапра. — Мы инвестируем в глубокое скринирование, чтобы постоянно уточнять и валидировать модели». Компания строит всё более автономный «движок открытий».