Биология против алгоритмов

Фарминдустрия последние 100 лет работала примерно так. Десятки тысяч химиков перебирали молекулы одну за другой, проверяя, не станет ли какая-нибудь лекарством. За год – миллионы вариантов. Большинство оказываются тупиковыми, некоторые токсичными, и лишь единицы перспективны. До аптечной полки доберется одна из десяти тысяч. Теперь на каждого химика миллион ИИ-агентов, работающих одновременно, 24/7, а их зарплату переложили в счет за электричество и аренду серверных кластеров Nvidia. Это и есть революция?

Сложить белок

В 2020 году DeepMind решила задачу, над которой молекулярные биологи бились полвека. Белки сворачиваются в трехмерные структуры, и именно форма определяет их функцию. AlphaFold предсказал структуры 200 миллионов белков и открыл базу бесплатно для всех исследователей мира. Так появилась возможность предсказать статическую структуру белка. Но это динамические машины, меняющие форму в зависимости от микроокружения клетки, соседей, эпигенетического контекста ткани. Онкология, нейродегенерация, аутоиммунные болезни определяются не одним белком, а взаимодействием миллионов молекул, клеточных сигналов, тканевой среды. Предсказать идеальное связывание одной молекулы с одним белком – это решить уравнение с двумя неизвестными, когда реальная система содержит их десятки тысяч. Ведь GPS-навигация не заменит дорогу, по которой машина катится.

Прорыв

Александр Жаворонков, основатель Insilico Medicine, вывел в клинику первый препарат против фиброза легких, полностью спроектированный ИИ. Не in vitro – в чипе, поэтому разработка молекулы заняла восемнадцать месяцев вместо пяти лет. Что именно ускорилось?

Разработка лекарства делится на два больших этапа. Первый – Discovery: найти мишень, придумать молекулу, проверить на клетках и животных. Именно здесь ИИ произвел революцию, этап сжался с трех-пяти лет до одного года или меньше.

Второй этап – клинические испытания на живых людях: три фазы, семь-десять лет, миллиарды долларов. Здесь ИИ пока бессилен – биологические часы нельзя ускорить. Или можно?

Между этими двумя этапами CMC – Chemistry, Manufacturing and Controls. Нарисовать молекулу на экране и синтезировать ее тоннами на заводе с сохранением стабильности и биодоступности – принципиально разные задачи. ИИ-молекула может быть химически красивой, но технологически несинтезируемой в промышленных масштабах.

Есть еще одна ловушка. ИИ генерирует молекулярных кандидатов в тысячи раз быстрее, чем раньше. Но лабораторная проверка на живых клетках и животных не ускорилась. То есть появилось новое узкое горлышко: не дефицит идей, а дефицит рук и пробирок.

Препарат Insilico сейчас проходит вторую фазу испытаний, но статистика такова: 90% препаратов, входящих в клинику, в итоге проваливаются.

Старое на новое?

В 2020 г. британский стартап BenevolentAI путем анализа биомедицинской литературы обнаружил, что существующее лекарство от артрита баританиб может лечить COVID-19. Препарат получил одобрение FDA и снизил смертность госпитализированных пациентов на 38%. Прорыв? Но затем собственная разработка провалилась в клинике. Компания сократила более 180 сотрудников, закрыла американский офис, капитализация упала в 10 раз. Найти хорошую молекулу и довести ее до рынка – две принципиально разные задачи. Уже одобренных уникальных молекул всего несколько тысяч. А строить бизнес на перестановке известных соединений невозможно. Есть еще и качество данных, ведь, к примеру, до половины онкологических публикаций воспроизвести не удается. Когда ИИ обучается на "загряненных" данных, он генерирует мусор с невероятной скоростью и уверенностью. Ускоренный генератор плохих гипотез – это немного не та революция.

Новый игрок

Дарио Амодеи в сентябре 2026 года предсказал, что ИИ упакует пятьдесят лет медицинского прогресса в пять-десять лет, Anthropic объявил о создании биомедицинского подразделения. Это не означает, что Anthropic уничтожит Pfizer, типа "как тебе такое, Илон Маск?". Чтобы стать фармкомпанией полного цикла, нужна инфраструктура клинических испытаний в десятках стран, производства, тысячи врачей. Ни Google, ни Microsoft этого пути не осилили. Но и простое лицензирование молекул – тоже не бизнес. Фармгиганты не платят дорого за компьютерный файл с цифрами. Чтобы молекула имела рыночную цену, нужны данные доклинических испытаний на животных, подтвержденный механизм действия, тесты на людях. Поэтому Anthropic придется строить собственные "мокрые" лаборатории, где будут работать ученые с пробирками, а не только Claude.

Есть и правовая проблема. USPTO и Верховный суд США последовательно отказывают в патентах на изобретения, созданные ИИ без участия человека. Значит компания, вложившая миллиарды в ИИ-молекулу, не сможет защитить ее патентом. Этот вопрос пока не решен ни в США, ни в Европе. И есть регуляторный барьер: FDA и EMA оценивают препараты, а не алгоритмы, и пока не имеют стандартных протоколов для аудита генеративных биологических пайплайнов. ИИ-молекула столкнется с более долгой и строгой проверкой именно потому, что ее структурная логика вышла из "черного ящика". А ИИ, как когда-то Галилео Галилее, склонился перед этой инквизицией?

Без аптечной полки

Таблетка – это продукт массового производства: десять миллионов идентичных пилюль по 500 мг, синтезированных на заводе и развезенных по тысячам аптек, где болезни лечили одинаково для всех. ИИ меняет такую логистику. Его главная ценность не в том, чтобы найти лучшую универсальную таблетку, а в том, что появляется возможность персонализации, при которой "таблетка для всех" становится анахронизмом. Есть три пути.

– Точечное производство. Вместо заводов, рассылающих готовые препараты в аптеки, ИИ выдает формульный код непосредственно в региональные клиники, где микрофлюидные принтеры строят таблетку под конкретного пациента с учетом его генома, функции почек и текущих биомаркеров. Аптека превратится в локальный биопроизводственный узел. Средневековый аптекарь смешивал порошки по астрологическому календарю пациента. Теперь молекулы будут смешиваться по лекалам генома.

– Программируемый генетический код mRNA и CRISPR-платформы заменят малые молекулы. "Препарат" – это не физическое вещество на складе, а зашифрованная цифровая последовательность, которую ИИ проектирует под конкретную мутацию опухоли конкретного пациента, упаковывает в липидные наночастицы и доставляет за 48-72 часа. Актив нематериален до момента производства.

– Непрерывная алгоритмическая терапия. Подкожные сенсоры смогут отслеживать биомаркеры в реальном времени. Встроенный или облачный алгоритм рассчитает микродозу и введет ее когда нужно. Не "принять таблетку утром и вечером" – а непрерывный биологический гомеостаз.

Симптоматично, что Владимир Путин направил миллиарды долларов на программу собственного геномного долголетия. Не для граждан, а для одного любимого пациента. Это и есть персонализированная медицина, доступная тем, у кого есть государственная казна. Примерно тем же занимаются миллиардеры по всему миру: вкладываются в долгоживущего себя. Скоро будет ясно, какая модель даст результат: концентрация госресурсов – или конкуренция тысяч лабораторий. История уже отвечала на этот вопрос. СССР первым вышел в космос. Китай доминирует в солнечной энергетике. Северная Корея сделала атомную бомбу в условиях голода. Государство умеет побеждать в одной точке – ценой всего остального. И посмотрим, что для Путина важнее – война или бессмертие. На то и другое денег может не хватить.

Но персонализированная медицина не должна быть привилегией диктаторов и миллиардеров. Именно поэтому важный предел использования ИИ в медицине – не научный, а инфраструктурный. Ведь сначала необходимо построить регуляторную, производственную и этическую инфраструктуру для мира, где нет аптечных полок и где каждый человек становится отдельным клиническим случаем с препаратом, напечатанным или синтезированным под него лично.

Первые элементы этой системы уже существуют. Вопрос в том, кто построит эту инфраструктуру – и кто будет ее контролировать. Впрочем, настоящий ответ биологии даст не чип и не цифровой двойник. ИИ перестанет имитировать человеческое тело и начнет моделировать его целиком – каждую клетку, каждый сигнальный путь (их описано более 300, но кто знает...), каждое иммунное взаимодействие – в реальном времени, под конкретного пациента. Не эксперимент на модели человека, а симуляция человека. Значит, клинические испытания будут происходить in silico. И биология перестает быть препятствием – она превратится в код.

Это и есть анти-Пелевин – не реальность как симуляция, а симуляция как реальность.

Что на самом деле будет – крайне интересно. Главное – дожить. Запасаемся попкорном.

Аарон Леа, Борух Таскин