Все Insights

ИИ в фармацевтике на Давосе: ускорение разработки лекарств, кейсы Novartis и Roche

Фармацевтические гиганты представили на WEF Davos 2026 результаты применения ИИ в разработке лекарств. Сроки вывода препаратов на рынок сокращаются, но путь от молекулы до пациента по-прежнему непрост.

Aravana··9 мин

Тип материала: Анализ

Поделиться:TelegramXLinkedIn
\xD0\x9A\xD0\xB0\xD0\xBA \xD0\xB2\xD0\xB0\xD0\xBC \xD0\xBC\xD0\xB0\xD1\x82\xD0\xB5\xD1\x80\xD0\xB8\xD0\xB0\xD0\xBB?

Фармацевтическая индустрия стала одной из ключевых тем на Всемирном экономическом форуме в Давосе 2026 года в контексте искусственного интеллекта. Novartis, Roche и ряд других компаний представили конкретные результаты использования ИИ в разработке лекарств. Дискуссия сместилась от теоретических обещаний к измеримым результатам и системным ограничениям.

Novartis, базирующийся в Швейцарии, рассказал о своей платформе AI-driven drug discovery. Компания использует ИИ на всех этапах: от идентификации мишеней и дизайна молекул до оптимизации клинических испытаний. По данным Novartis, время от идентификации мишени до выхода в клинические испытания сократилось в среднем на 18 месяцев для проектов с AI-компонентом. Это существенная экономия для индустрии, где разработка одного препарата занимает 10-15 лет.

Roche представил результаты партнерства с несколькими AI-стартапами, включая Recursion Pharmaceuticals и Isomorphic Labs. Подход Roche отличается от Novartis: швейцарский фармгигант предпочитает работать с внешними технологическими партнерами, а не строить все внутри. Genentech, дочерняя компания Roche, использует ИИ для анализа биомаркеров и стратификации пациентов в клинических испытаниях, что повышает вероятность успеха на поздних фазах.

Отдельная сессия была посвящена AlphaFold и его влиянию на биологические исследования. Предсказание структуры белков, которое раньше занимало месяцы экспериментальной работы, теперь выполняется за минуты. Это фундаментально изменило ранние стадии разработки лекарств, позволив исследователям оценивать тысячи потенциальных мишеней. Несколько выступающих назвали AlphaFold самым значимым применением ИИ в науке за последнее десятилетие.

Однако участники форума подчеркивали, что ИИ не решает главных проблем фармацевтики. Клинические испытания остаются дорогими, регуляторные процессы -- длительными, а биология -- непредсказуемой. ИИ может предложить тысячи потенциальных молекул-кандидатов, но каждая из них должна пройти через жесткую систему доклинических и клинических испытаний. Процент успеха на поздних фазах пока не вырос существенно.

Интересной оказалась дискуссия о данных. Фармацевтические компании обладают огромными массивами клинических данных, но они фрагментированы, разнородны и часто несовместимы между организациями. Несколько выступающих в Давосе призвали к созданию международных стандартов обмена медицинскими данными для обучения ИИ-моделей. Без решения проблемы данных потенциал ИИ в фарме останется реализованным лишь частично.

AI-стартапы в области drug discovery привлекли значительное внимание на полях форума. Компании вроде Insilico Medicine, Recursion и Generate Biomedicines уже довели несколько AI-разработанных молекул до клинических испытаний. Первые результаты неоднозначны: некоторые кандидаты показали обнадеживающие данные по эффективности, другие не прошли фазу II. Индустрия учится калибровать ожидания.

Экономический аспект обсуждался отдельно. Средняя стоимость вывода нового препарата на рынок превышает 2 миллиарда долларов. Если ИИ сократит этот показатель хотя бы на 20-30%, совокупная экономия для индустрии составит десятки миллиардов долларов ежегодно. McKinsey оценивает потенциал ИИ в фармацевтике в 100 миллиардов долларов добавленной стоимости к 2030 году.

Регуляторы тоже присутствовали на дискуссиях. FDA и EMA начинают разрабатывать рамки для оценки препаратов, разработанных с использованием ИИ. Вопросы валидации моделей, воспроизводимости результатов и прозрачности алгоритмов становятся критически важными. Компании, которые раньше других выстроят диалог с регуляторами по этим вопросам, получат преимущество.

Давос 2026 показал, что ИИ в фармацевтике перешел из стадии экспериментов в стадию масштабирования. Результаты есть, но они скромнее, чем обещали энтузиасты пять лет назад. Путь от молекулы до пациента по-прежнему долог и сложен. ИИ делает его короче и эффективнее, но не превращает разработку лекарств в конвейер. Реалистичные ожидания -- главный итог фармацевтических дискуссий на форуме.

Связанные темы:Strategy & Adaptation

Хотите получать подобные материалы раньше?

Aravana Intelligence — авторская аналитика и закрытый круг для тех, кто думает на шаг вперёд.

Узнать про Intelligence

Не пропускайте важное

Еженедельный дайджест Aravana — ключевые события в AI, робототехнике и longevity.

Похожие материалы

NVIDIA GTC 2026: от кремния до орбиты за одну презентацию

Jensen Huang представил платформу Vera Rubin, настольный суперкомпьютер на 20 петафлопс и план по размещению AI-дата-центров в космосе. ABB, Universal Robots и KUKA интегрируют Physical AI -- и робототехника перестаёт быть отдельной индустрией.

·8 мин·Выбор редакции

Безос собирает $100 млрд на AI-перестройку промышленности. Что это значит

Джефф Безос привлекает крупнейший в истории частный фонд, чтобы скупать и трансформировать производственные компании с помощью AI. Цели -- чипы, оборона, аэрокосмическая отрасль.

·7 мин·Выбор редакции

Пентагон ответил Anthropic: что стоит за судебным спором об AI в оборонке

Министерство обороны США подало встречный ответ на иск Anthropic. Этот конфликт выходит далеко за рамки одного контракта и задаёт тон отношениям между AI-компаниями и государством на годы вперёд.

·7 мин·Выбор редакции