Anthropic запустила программы разработки лекарств для болезней, которые Big Pharma считает убыточными
Anthropic объявила о запуске собственных программ разработки лекарств на ранних, доклинических этапах для заболеваний, которые традиционная фармацевтика и биотех не считают прибыльными. Компания позиционирует это как соответствие своей некоммерческой миссии и способ улучшить AI-модели через прямой опыт в медицине. Инициатива охватит исследование лечения редких и забытых болезней.
Компания продемонстрировала потенциал AI в медицинских исследованиях. Исследователь из UCSF использовал Claude Science, чтобы выявить вирусное загрязнение образцов всего за несколько минут, то, что его команда пропускала целый год. Claude также проанализировал 100 редких генетических заболеваний менее чем за час и определил 32 кандидата для дальнейшего компьютерного анализа.
Новартис CEO Вас Нарасимхан оценил влияние AI на фарминдустрию: разработка готового препарата занимает примерно 12 лет, из которых около 40% составляют информационная и операционная задержки, остальное, биологическая задержка (тестирование на животных, клинические испытания). Информационные и операционные задержки могут быть резко сокращены, что ускорит разработку до 7-8 лет. Кроме того, есть возможность удвоить процент успеха с 8% до 16% благодаря лучшим прогнозам безопасности и оптимизированным молекулярным свойствам.
Другие AI-компании также входят на рынок медицины: Deepmind запустил Isomorphic Labs, OpenAI запустила ChatGPT Health. Однако эксперты призывают к осторожности, особенно когда AI применяется в клинических условиях для диагностики и планирования лечения.
Ключевые факты
- Anthropic начала разработку лекарств для забытых болезней, которые Big Pharma игнорирует как убыточные
- Claude выявляет вирусное загрязнение за минуты (вместо года) и анализирует редкие генетические болезни в масштабе сотен за часы
- AI может сократить разработку лекарства с 12 лет до 7-8 лет и удвоить процент успеха (8% → 16%)
- Другие AI-компании (Google Deepmind, OpenAI) тоже вкладываются в медицину, но эксперты советуют скепсис в отношении клинического применения
Почему это важно
Фармацевтическая индустрия тратит 150-200 млрд долларов в год на R&D, но за 120 лет разработала только 800-1000 препаратов. Большинство редких болезней остаются без лечения, потому что коммерческая прибыль невелика. AI способен радикально ускорить поиск и отсечь два из трёх источников задержек (информационную и операционную), сэкономив 40% времени разработки. Для индустрии, где каждый год стоит миллиарды и успех редок, это означает потенциально десятки или сотни новых лекарств.
Кому это важно
Пациентам с редкими и забытыми заболеваниями, которые сейчас остаются без лечения. Фармацевтическим и биотех-компаниям, которые смогут ускорить разработку и повысить вероятность успеха. Anthropic и другим AI-компаниям, которые получают новый рынок приложений и опыт для улучшения своих моделей. Инвесторам в фарм-венчур, которым AI предоставляет новый путь к профитабельности.
Как это применить
Для фарм-компаний: использовать AI-модели вроде Claude на ранних этапах разработки, для анализа биомедицинских данных, скрининга молекулярных свойств, поиска лекарственных мишеней и интерпретации результатов экспериментов. Для исследовательских групп: интегрировать AI в лаборатории для ускорения анализа данных и выявления паттернов, которые человек пропускает. Для компаний Anthropic и OpenAI: строить специализированные модели и интерфейсы для медицины (как «Claude Science» и «ChatGPT Health»).
Можно ли доверять
Anthropic приводит конкретные примеры (UCSF, 100 редких болезней за час) и ссылается на утверждения CEO Novartis, одной из крупнейших фарм-компаний. Это указывает на реальную тестировку, а не только на маркетинговые обещания. Однако эксперты, такие как Кэтрин Поуп из Оксфорда, подчёркивают, что текущие результаты, это «частица, отделённая от запутанного, сложного человеческого мира реальной медицины». AI ещё не доказал, что может полностью справиться с непредсказуемостью биологии.
Риски и подводные камни
AI хорош в анализе текстуры данных, но медицина требует понимания глубоких причинно-следственных связей. Биологическая задержка (животные модели, клинические испытания) не сжимается, остаток 60% времени разработки остаётся неизменным. Успех зависит от правильного выбора мишени, который AI не гарантирует. Есть риск переоценить AI-помощь и недостаточно проверить результаты. Регуляторные органы (FDA) требуют доказательств безопасности, которые AI ускоряет, но не обходит. Этика использования AI в клинике и проблемы ответственности остаются открытыми.
«Получение готового кандидата препарата от разработки до утверждения занимает примерно двенадцать лет. Новые инструменты и модели могли бы резко сократить первые две категории задержек, которые составляют примерно 40 процентов от общего времени разработки. Это могло бы сократить сроки разработки до семи или восьми лет.»
— Вас Нарасимхан, CEO Novartis