Все новости крипты
в одном месте!
Больше не нужно искать — необходимые
обучающие материалы и подсказки всегда под рукой
Больше не нужно искать — необходимые
обучающие материалы и подсказки всегда под рукой
Вот перефразированный текст новости на русском языке:
Искусственный интеллект в медицине: ускорение разработки лекарств, точная диагностика и новые риски
Несмотря на ажиотаж, слухи и тревожные прогнозы, эксперты сходятся во мнении, что искусственный интеллект (ИИ) действительно изменит мир. Однако кто выиграет от этих перемен и какую цену придется за них заплатить, пока остается неясным.
История учит, что технологические прорывы почти всегда сопровождаются кризисами, заставляя общество искать новый баланс. Но есть область, где польза прогресса десятилетиями кажется почти неоспоримой, — это медицина.
Материал ForkLog рассказывает, как ИИ уже сегодня ускоряет создание новых лекарств, оптимизирует лабораторные процессы, повышает точность диагностики и меняет подходы к лечению.
Разработка лекарств
Большинство препаратов действуют, взаимодействуя с белками-рецепторами — молекулярными структурами, регулирующими работу клеток. Системы ИИ способны анализировать структуру этих белков и предсказывать, какие соединения будут наиболее эффективными и вызовут минимум побочных эффектов. Благодаря этому задачи, на которые раньше уходили годы, теперь решаются за месяцы.
По оценкам Всемирной организации здравоохранения (ВОЗ), в ближайшие годы большинство новых лекарств будет разрабатываться с использованием ИИ.
AlphaFold и Isomorphic Labs
В 2024 году Нобелевскую премию по химии получили Дэвид Бейкер, Демис Хассабис и Джон Джампер за разработку методов предсказания структуры белков, включая систему AlphaFold, основанную на машинном обучении. AlphaFold заняла первое место в конкурсе CASP в 2018 году, а ее обновленная версия победила в 2020-м.
В 2021 году Google DeepMind открыла код AlphaFold2 и базу предсказанных белковых структур. Примерно тогда же Хассабис основал Isomorphic Labs — дочернюю компанию Alphabet, развивающую ИИ для создания лекарств. В 2024 году Isomorphic Labs заключила партнерства с Eli Lilly и Novartis на сумму до $1,7 млрд и $1,2 млрд соответственно, а в 2026 году — с Johnson & Johnson.
В феврале 2026 года компания представила универсальную среду разработки лекарств Drug Design Engine (IsoDDE) на базе технологий AlphaFold. Сейчас Isomorphic Labs работает над решениями в онкологии и иммунологии, но проекты пока находятся на стадии доклинических исследований. Первые испытания на людях планируются в ближайшие годы.
Exscientia и Recursion Pharmaceuticals
Exscientia, основанная в 2012 году, стала одной из первых компаний, системно применивших машинное обучение для разработки лекарств. В 2020 году препарат DSP-1181 для лечения ОКР стал первым созданным с помощью ИИ продуктом, вышедшим на клинические испытания. К 2023 году у компании было 8 молекул-кандидатов, разработанных значительно быстрее среднего по отрасли.
В 2024 году Recursion Pharmaceuticals выкупила Exscientia за $688 млн. Часть программ закрыли, но несколько препаратов дошли до второй стадии клинических испытаний. Слияние позволило объединить ИИ-системы Exscientia с автоматизированной лабораторией Recursion. Компания также построила суперкомпьютер BioHive-2 на базе NVIDIA H100.
К 2025 году Recursion сосредоточилась на четырех онкологических программах и двух, связанных с редкими заболеваниями. Несколько препаратов находятся на переходном этапе между первой и второй фазами испытаний, включая REC-4881 для лечения врожденного аденоматозного полипоза, REC-617 для рака яичников и REC-1245 для лимфомы. Препарат REC-3565 для хронического лимфолейкоза проходит первую фазу.
Insilico Medicine
Insilico Medicine, основанная в 2014 году, использует ИИ на всех этапах разработки: система PandaOmics ищет биологические цели, Chemistry42 генерирует подходящие соединения, а InClinico оптимизирует прогнозирование клинических испытаний.
Одно из ранних достижений — препарат Rentosertib (ISM001-055) для лечения фиброза, на разработку которого ушло 18 месяцев. К 2025 году он проходит вторую фазу клинических испытаний. В 2024 году разработанный ИИ препарат ISM3312 для COVID-19 прошел первую фазу, а ISM3091 для терапии рака допущен к тестам на пациентах.
Диагностика и исследования
Около 90% медицинской информации представлено изображениями (рентген, томограммы). Методы машинного обучения, особенно сверточные нейросети, хорошо распознают сложные визуальные паттерны, позволяя выявлять опухоли и аномалии с высокой точностью.
В 2024 году исследователи из Гарварда представили модель Chief, выявляющую несколько форм рака с точностью 94%. В 2025 году FDA присвоило статус «прорывного устройства» модели Damo Panda от Alibaba, способной распознавать рак поджелудочной железы до появления симптомов. В 2026 году система REDMOD от Mayo Clinic обошла специалистов в диагностике рака поджелудочной железы на ранних стадиях, находя изменения в среднем за 475 дней до постановки диагноза.
Инициативы Google
Google предлагает открытые модели MedGemma для анализа медицинских данных. В 2019 году компания представила модель для выявления рака легких, показавшую результаты на уровне радиологов. В 2020 году система для анализа маммограмм также продемонстрировала точность профильного специалиста. В 2024 году Google Cloud и Bayer запустили платформу для скрининга рентгенограмм.
Роботы-рентгенологи NVIDIA и GE HealthCare
NVIDIA и GE HealthCare разрабатывают ИИ-систему для автономного получения изображений (рентген и УЗИ), которая должна снизить нагрузку на специалистов и стандартизировать диагностику. GE HealthCare также планирует использовать платформу NVIDIA Isaac for Healthcare для создания хирургических роботов.
Диагностическая платформа PathAI
Компания PathAI разработала платформу AISight Dx для первичной диагностики, поддерживающую сторонние алгоритмы. В 2022 году решение получило одобрение FDA и европейский сертификат качества. В 2025 году PathAI объявила о партнерстве с онкологическим центром Мофитт, а в 2026 году — с университетом Цюриха. В мае 2026 года швейцарская Roche объявила о покупке PathAI за более чем $750 млн.
Проблемы и ограничения
Применение ИИ в медицине обостряет системные проблемы. ИИ-ассистенты подвержены галлюцинациям. Например, модель Med-Gemini от Google «выдумала» несуществующую область мозга — базилярные ядра. Исследователи из Стэнфорда обнаружили, что ИИ-модели могут «диагностировать» заболевания по снимкам, не имея к ним доступа.
Согласно исследованию, 7,1% ответов GPT-4 на вопросы пациентов были некорректны и могли причинить вред, а в одном случае ошибка угрожала жизни. Инструменты для автоматического составления документации ошибались в 70% клинических заметок.
Кроме того, ИИ страдает от непрозрачности логики, нехватки репрезентативных данных, что ведет к предубеждениям, а также от проблем с приватностью и когнитивной зависимостью пользователей.
ВОЗ относит применение ИИ в медицине к области высокого риска. В рамках европейского AI Act с августа 2026 года такие системы должны соответствовать строгим требованиям по управлению рисками и контролю.
Популярные лонгриды:
