Использование искусственного интеллекта уже может ускорить отдельные этапы разработки лекарств, прежде всего поиск и отбор перспективных молекул. При этом сокращение сроков разработки не означает автоматического снижения стоимости препаратов для пациентов, рассказал Павел Карасев, основатель профессионального клуба «Фармакод».
По его словам, потенциал ИИ сейчас наиболее заметен на ранних стадиях: при поиске биологических мишеней, виртуальном скрининге, генерации и отборе молекул-кандидатов и прогнозировании их свойств. Технология помогает обработать большое число вариантов и сократить количество гипотез, которые затем приходится проверять в лаборатории.
«Главное изменение, которое приносит ИИ, я бы сформулировал так: он позволяет быстрее понять, какие гипотезы не стоит проверять дальше. А в фармразработке умение раньше отказаться от плохого кандидата зачастую не менее ценно, чем быстрее найти хороший», — отметил Карасев.
При этом полный цикл создания лекарства остается длительным из-за необходимости проводить доклинические и клинические исследования. По оценке Карасева, отдельный этап разработки можно сократить в разы, однако речь не идет о сокращении многолетнего цикла до нескольких месяцев. В проекте «Р-Фарм», на который ссылается эксперт, говорится примерно о сокращении полного цикла на 10–15%. Эту оценку Карасев считает реалистичной для текущего уровня технологии.
«Потенциально да, но прямой зависимости здесь нет. Стоимость R&D является лишь одной из составляющих экономики препарата», — отметил Карасев, отвечая на вопрос о возможном снижении стоимости лекарств для пациентов.
По словам эксперта, ИИ может снизить затраты за счет сокращения числа неудачных экспериментов, более точного отбора кандидатов и более раннего прекращения бесперспективных проектов. При этом конечная цена зависит также от производства, размера рынка, патентной модели, конкуренции, системы закупок и возмещения стоимости терапии. Поэтому первым экономическим эффектом технологии Карасев считает скорее возможность проверять больше гипотез при том же объеме ресурсов, чем снижение цены конкретной упаковки.
В российской фармотрасли ИИ уже используют достаточно широко, однако наиболее распространенные сценарии пока не связаны непосредственно с разработкой новых молекул. В исследовании «Фармакода», в котором участвовали 64 компании, об использовании генеративного ИИ сообщили 71,9% участников, AI-ассистентов — 43,8%, машинного обучения и предиктивной аналитики — 26,6%. При этом утвержденная AI-стратегия есть у 21,9% компаний, еще у 29,7% идут пилоты без стратегии.
«ИИ может ускорить формирование научной гипотезы, но не может отменить необходимость её доказать», — отметил Карасев.
По его словам, результат работы алгоритма необходимо подтверждать другими вычислительными методами, лабораторными исследованиями, а затем доклиническими и клиническими исследованиями. Ответственность за решение при этом остается у человека.
Первые заметные результаты применения ИИ Карасев ожидает в ближайшие 3–5 лет в виде отдельных препаратов, при создании которых технология сыграла существенную роль. Системный эффект для пациентов — более широкий ассортимент новых терапий и более быстрое появление препаратов — эксперт связывает с горизонтом 5–10 лет. Главным результатом применения ИИ он считает возможность одновременно исследовать больше гипотез и повышать вероятность того, что перспективная молекула дойдет до пациента.