Перейти до вмісту
База знань: довголіття

AI-пошук ліків (докладно) — як штучний інтелект відкриває препарати

B2bТехнології та генна терапіяоновлено 23 липня 2026 р.

Категорія B (технології). Створено: 23 липня 2026. Розширює короткий док B2 (AI-пошук геропротекторів) до повної картини AI-фарми: стадії, гравці, реальні віхи 2025–2026 і чесний реаліті-чек. Прямий місток до кар’єрного треку (bio-AI).

TL;DR

Section titled “TL;DR”
  • Проблема, яку розв’язує AI: класична розробка ліків — це ~10–15 років, $1–2 млрд і провал ~90% кандидатів у клініці. AI намагається зробити ранні етапи швидшими, дешевшими й влучнішими.
  • Головний доказ, що це не хайп: рентосертиб (Insilico Medicine) — перший препарат, у якого AI знайшов і мішень, і саму молекулу. Фаза IIa проти легеневого фіброзу (IPF) опублікована в Nature Medicine (2025), результати позитивні; у 2025–2026 стартувала фаза III.
  • Але: жоден повністю «AI-препарат» ще не схвалений регуляторами, і гучні провали теж були. AI прискорює переважно ранні стадії; клініка досі впирається у складну біологію людини.
  • Навіщо тобі: це і є ядро домену «AI для здоров’я/довголіття». Інструменти (foundation-моделі білків, генеративна хімія, MAMMAL) — відкриті або відтворювані; екосистема стартапів активно наймає.

Що це таке (просто)

Section titled “Що це таке (просто)”

«AI-пошук ліків» — це набір моделей, що допомагають на кожному кроці шляху «від ідеї до таблетки». Замість перебирати мільйони молекул руками в лабораторії роками, AI звужує пошук до найкращих кандидатів за дні-тижні, а хімік/біолог їх перевіряє. Аналогія: рекомендаційна система, але замість фільмів вона радить мішені, молекули й пацієнтів.

Де саме AI втручається (5 стадій)

Section titled “Де саме AI втручається (5 стадій)”
  1. Вибір мішені (target ID). AI аналізує геном, білки, дані пацієнтів і «омікси», щоб знайти білок/ген, вплив на який лікуватиме хворобу. Тут працюють genomic LMs (Evo, AlphaGenome) і графові моделі на біомедичних знаннях.
  2. Генерація молекул (generative chemistry). Замість скринінгу готових бібліотек генеративні моделі (дифузійні, VAE, RL, трансформери) придумують нові молекули під задану мішень і властивості. Це серце «AI-дизайну».
  3. Передбачення структури й зв’язування. Foundation-моделі білків — AlphaFold 3, Boltz-2, ESM — передбачають 3D-форму мішені й наскільки міцно молекула до неї «прилипне» (affinity). Форма = функція, тож це різко скорочує здогадки.
  4. Оптимізація (lead optimization / ADMET). AI прогнозує токсичність, розчинність, метаболізм, побічки (ADMET) — щоб відсіяти безнадійні молекули до дорогих експериментів. Часто в циклі «lab-in-the-loop»: модель пропонує → робот синтезує/тестує → дані повертаються в модель (active learning).
  5. Клініка. AI допомагає обирати правильних пацієнтів (біомаркери), дизайнувати випробування й аналізувати результати. Це найслабше місце: тут біологія людини найнепередбачуваніша.

Флагманський доказ: рентосертиб (Insilico Medicine)

Section titled “Флагманський доказ: рентосертиб (Insilico Medicine)”
  • Що це: інгібітор білка TNIK проти ідіопатичного легеневого фіброзу (IPF) — важкої хвороби з рубцюванням легень. Кодові назви: ISM001-055 / INS018_055.
  • Чому історичний: AI-платформа Insilico (PandaOmics для мішені + Chemistry42 для дизайну молекул) знайшла і мішень, і молекулу. Від старту до преклінічного кандидата — приблизно 18 місяців і ~$3 млн замість типових років і десятків мільйонів.
  • Статус: фаза IIa (плацебо-контрольована, Китай) показала сигнали покращення функції легень; результати опубліковані в Nature Medicine (2025) — рідкість для «AI-препарату». У 2025–2026 Insilico ініціювала фазу III; є також інгаляційна форма (IND clearance).
  • Чесно: фаза IIa мала невелику вибірку й коротку тривалість; головний тест — фаза III на більшій популяції. Але сам факт публікації в Nature Medicine і переходу у фазу III — найсильніший наявний аргумент, що підхід працює.

Хто ще формує поле (2025–2026)

Section titled “Хто ще формує поле (2025–2026)”
  • Isomorphic Labs (спінаут DeepMind, на базі AlphaFold): у 2026 готує/запускає перші випробування на людях для AI-спроєктованих онкопрепаратів; має великі угоди з Eli Lilly та Novartis. Ставка — «розв’язати дизайн ліків» обчислювально.
  • Recursion + Exscientia: дві піонерські компанії злилися (2025) — символ хвилі консолідації/M&A в AI-фармі після того, як ринок охолов до чистого хайпу.
  • Xaira Therapeutics: стартап-«важковаговик» із рекордним фінансуванням, будує foundation-моделі для біології (навколо роботи Девіда Бейкера з дизайну білків).
  • Інші: Generate:Biomedicines (генеративний дизайн білкових ліків), Iambic, Genesis Therapeutics, а також інфраструктура — NVIDIA BioNeMo (платформа для біо-foundation-моделей) та IBM (MAMMAL).

Що під капотом (технології)

Section titled “Що під капотом (технології)”
  • Генеративні моделі молекул: дифузійні моделі, RL, автоенкодери — «малюють» нові хімічні структури під ціль.
  • Foundation-моделі білків/структур: AlphaFold 3, Boltz-2, ESM — структура й зв’язування.
  • Мультимодальність: моделі, що поєднують ДНК + білки + хімію (напр. MAMMAL IBM) — одна мережа під різні задачі.
  • Active learning / lab-in-the-loop: цикл «передбачення → експеримент → донавчання», що робить кожен раунд розумнішим.

Чесний реаліті-чек (важливо)

Section titled “Чесний реаліті-чек (важливо)”
  • Жоден повністю AI-відкритий препарат ще не схвалено до продажу — рентосертиб у фазі III, Isomorphic лише входить у клініку.
  • Провали були: ранні AI-кандидати (напр., у Exscientia, BenevolentAI) зупинялись у клініці; частина ажіотажу 2021–2023 не виправдалась, звідси хвиля злиттів і закриттів.
  • Де AI реально виграє вже зараз: ранні стадії — мішень, генерація й оптимізація молекул, передбачення структур. Тут швидкість і вартість справді падають.
  • Де ще ні: клінічна ефективність у людей. Модель не «знає» всієї біології організму; фаза II/III досі вирішує долю препарату.
  • Висновок: AI — прискорювач ранньої розробки, не «кнопка створення ліків». Реальні докази ростуть (рентосертиб), але обіцянки «ліки за місяці для всього» — перебільшення.

Зв’язок зі старінням

Section titled “Зв’язок зі старінням”
  • Пошук геропротекторів: та сама технологія, спрямована на вікові мішені й молекули, що впливають на ознаки старіння (докладніше — док B2). Insilico має окрему програму довголіття.
  • Нові мішені проти вікових хвороб: фіброз, фіброз легень/нирок, нейродегенерація — багато «хвороб старіння» стають полігоном для AI-фарми.

Зв’язок із кар’єрою

Section titled “Зв’язок із кар’єрою”
  • Це і є твій цільовий домен. Foundation-Model / ML Scientist у такій компанії працює саме з цими моделями (структура, генеративна хімія, мультимодальність).
  • Інструменти відкриті/відтворювані: ESM, Boltz-2, MAMMAL, BioNeMo — матеріал для портфоліо (див. Проєкт #1).
  • Ринок праці: Insilico, Isomorphic, Recursion, Xaira, Generate, NVIDIA BioNeMo, IBM Research — активні роботодавці.

Джерела

Section titled “Джерела”

Матеріали сайту мають освітній характер і не є медичною порадою. Рішення про будь-які втручання ухвалюйте разом із лікарем.