💊
ИИ в фарме – уже не хайп: на «Технопроме-2026» представили дорожную карту внедрения ИИ в разработку лекарств 27 августа в Новосибирске прошла панельная сессия «ИИ в фармразработке: глобальные тренды и национальный контур». ИЦ «Хелснет» НТИ совместно с «Иннопрактикой», Сеченовским университетом и Институтом AIRI представили результаты
аналитического исследования применения ИИ в drug discovery – и сформулировали шесть конкретных шагов, без которых российская фарма рискует остаться на уровне точечных решений.
🎯 ИИ перестает быть просто модным инструментом и постепенно превращается в часть сквозной архитектуры разработки лекарственных препаратов – от поиска мишени и дизайна молекулы до клинических исследований, фармаконадзора и работы с регулятором.
«Однако ценность использования ИИ нелинейна и связана с объемом данных, которые появляются в течение жизненного цикла лекарственного препарата», – отметил Владимир Андрианов, директор по работе с партнерами АО «Р-Фарм».
С точки зрения технологий сегодня на первый план выходят четыре наиболее заметных направления:💙foundation-модели, обученные на химических, биологических, клинических и других типах данных;
💙мультимодальность – объединение информации о белковых структурах, омиксных исследованиях, химии и клинических наблюдениях;
💙моделирование взаимодействий биомолекул и развитие технологий, подобных AlphaFold;
💙замкнутый цикл design-make-test, при котором система предлагает следующий эксперимент, а не просто анализирует уже полученные результаты.
Данные – главный ресурсОдин из ключевых барьеров для развития ИИ в фарме – фрагментированные и нестандартизированные данные. Проблема особенно заметна в КИ. Биологические датасеты найти относительно легко, а структурированных данных реальной клинической практики по-прежнему мало. При этом именно они необходимы для фармаконадзора, мониторинга безопасности, расширения показаний и формирования синтетических контрольных групп.
Ольга Фёдорова, проректор по научной работе и последипломной подготовке СибГМУ, представила кейс по созданию русскоязычного репозитория открытых клинданных в СибГМУ (Томск). Платформа работает как веб-витрина с поисковым конструктором: пользователь может оставить запрос по коду МКБ, характеристикам клинической выборки и другим параметрам, а при более сложных задачах – получить датасет, сформированный под конкретный проект.
Российская экосистема и пилотные проектыВ России уже формируются альянсы, платформы и пилотные проекты в области AI drug discovery. Среди перспективных направлений – дизайн малых молекул, поиск новых мишеней, разработка антител, количественная фармакология и оптимизация клинических исследований.
Отдельное значение имеют проекты, которые соединяют коммерческие компании и академические организации. Например,
совместный проект AIRI и «Р-Фарм» – первый большой российский открытый проект по дизайну антител с помощью ИИ, нацеленный на терапию болезни Альцгеймера с фокусом на доставку антител через ГЭБ.
Что дальше?
Правила игры формируются прямо у нас на глазах, и важно включиться в этот процесс.
В качестве дорожной карты были предложены шесть шагов:1️⃣
Отраслевые гайды – методические рекомендации по использованию ИИ на разных этапах жизненного цикла препарата.
2️⃣
Рамочное соглашение о принципах – документ, описывающий, что такое ИИ и ML, и как они применяются от идеи до регистрации препарата.
3️⃣
Рабочая группа по национальным гайдам – с участием регуляторов, экспертных организаций и бизнеса.
4️⃣
Пилотные проекты на конкретных кейсах – отработка подходов на реальных задачах, включая проект AIRI × «Р-Фарм».
5️⃣
Тесная работа с регулятором, включая автоматизацию регистрационного досье.
6️⃣
Кадровые программы – подготовка специалистов, способных работать с ИИ-инструментами в фармразработке.
«Очевидно, что есть проблема разрывов на длинном стэке разработки фармпрепаратов и доведения их до рынка. И важно, что наша экосистема это осознает: нельзя быть бойцом-одиночкой – нужны коллаборации», – резюмировала модератор сессии Мария Галямова, руководитель ИЦ «Хелснет» НТИ.
#фарма #ИИ