ИИ уже стал ключевым инструментом для фармацевтических и биотехнологических компаний: алгоритмы машинного и глубокого обучения применяются на всех этапах – от анализа биологических мишеней и виртуального скрининга соединений до моделирования токсичности и прогнозирования успешности клинических исследований (КИ). По данным научной онлайн-платформы ScienceDirect, успешность перехода ИИ-созданных молекул в I фазу КИ достигает 80–90%, что существенно выше средних традиционных показателей.
По мере увеличения объемов данных и усложнения исследований быстрее всего растет сегмент программного обеспечения – на него приходится около двух третей рынка. Такие решения используются для анализа молекулярных структур, прогнозирования свойств лекарств и обработки клинических данных. Одновременно развиваются облачные платформы, которые позволяют компаниям пользоваться вычислительными ресурсами и инструментами ИИ без необходимости создавать собственные центры обработки данных. Растет и спрос на сервисы – консалтинг, интеграцию и сопровождение цифровых решений, которые делают применение ИИ удобнее и эффективнее.
Основными областями применения технологий остаются онкология, нейродегенеративные и воспалительные заболевания. Именно здесь наиболее востребованы точные прогнозные модели и персонализированные подходы, основанные на генетических и клинических данных. Развитие мультиомных баз, объединяющих данные генома, протеома и метаболома, позволяет исследователям создавать более точные модели биологических процессов и прогнозировать реакцию пациента на терапию.
Среди ведущих игроков рынка Global Market Insights называет NVIDIA, Insilico Medicine, Exscientia, BenevolentAI и Google DeepMind. NVIDIA усилила позиции за счет платформ BioNeMo и Clara Discovery, которые обеспечивают вычислительную основу для анализа белков и моделирования новых молекул. В партнерстве с американской фармкомпанией Eli Lilly компания также создала один из самых мощных профильных суперкомпьютеров – NVIDIA DGX SuperPOD с более чем тысячей процессоров B300. Он будет использоваться для обучения моделей ИИ, анализа биомедицинских данных и ускоренного тестирования потенциальных лекарств. Проект призван сократить цикл разработки и повысить точность прогнозов эффективности препаратов.
Insilico Medicine развивает экосистему Pharma.AI, объединяющую инструменты для поиска терапевтических мишеней и прогнозирования клинических исходов. Exscientia фокусируется на персонализированных решениях и автоматизации исследовательских процессов, а DeepMind с технологией AlphaFold изменила подход к изучению структуры белков, что открыло новые возможности для ускорения разработки лекарств. Разработка AlphaFold стала одним из достижений, за которые Демис Хассабис и Джон Джампер совместно с профессором Дэвидом Бэйкером были удостоены Нобелевской премии по химии в 2024 году.
Региональным лидером остается Северная Америка, где сосредоточены крупнейшие технологические и фармацевтические компании, а также развитая регуляторная и научная база. Однако максимальные темпы роста демонстрирует Азиатско-Тихоокеанский регион, прежде всего Китай и Индия, где активно развиваются национальные программы цифровизации здравоохранения и государственно-частные инициативы по внедрению ИИ в биотехнологии. Китай, по данным DrugPatentWatch, уже лидирует по числу патентов, связанных с ИИ-разработкой лекарств, особенно в области генеративных технологий.
По прогнозу Global Market Insights, в ближайшие годы отрасль будет трансформироваться за счет интеграции генеративных алгоритмов, мультиомных данных и технологий объяснимого ИИ. Эти решения позволят объединить клинические и реальные данные, повысить точность прогнозов и сократить цикл разработки лекарств. В результате фармацевтическая индустрия будет постепенно переходить к новой модели – персонализированной медицине, где препараты создаются под индивидуальные генетические профили пациентов.
Тренд на применение ИИ в фармацевтике поддерживают и регуляторы. Как отмечает Reuters, Управление по контролю за продуктами и лекарствами США (FDA) планирует в ближайшие годы отказаться от обязательного тестирования лекарств на животных, заменив его цифровыми и клеточными моделями. По оценке аналитиков TD Cowen и Jefferies, использование ИИ позволит сократить сроки вывода препаратов на рынок с 10–15 до 5–7 лет и снизить затраты более чем вдвое – с нынешних $2 млрд на один препарат. По мнению экспертов, такие технологии способны сделать разработку безопаснее, быстрее и доступнее для пациентов.
