После пандемии, которая дала всей отрасли краткосрочный финансовый всплеск из-за массовой вакцинации и высоких продаж противовирусных препаратов, рынок начал откатываться: спрос упал, а внимание регуляторов, наоборот, усилилось. В такой обстановке любые преимущества в скорости, точности и гибкости разработки приобретают стратегическое значение. И именно искусственный интеллект (ИИ) стал тем самым фактором ускорения и оптимизации. Редакция GxP News проанализировала, как ведущие мировые фармацевтические компании интегрируют цифровые технологии в свои стратегии.
Пятилетки сотрудничества
Сотрудничество американского фармгиганта Pfizer и биотехнологического стартапа PostEra стало одним из самых заметных примеров системной интеграции искусственного интеллекта в разработку лекарств за последние 5 лет. Их совместная работа началась еще в декабре 2020 года. Компании объединились вокруг задач генеративной химии: технологии, при которой ИИ не просто анализирует, а сам предлагает новые молекулярные структуры. И уже в январе 2022 года партнеры запустили совместную лабораторию AI Lab стоимостью $260 млн, основой которой стала разработанная PostEra платформа Proton. Она помогает находить соединения, которые не только теоретически активны, но и технологически реализуемы в синтезе. В первые 2 года работы лаборатории Pfizer и PostEra сосредоточились на онкологии и противовирусных препаратах, включая постпандемийные инициативы. В 2024 году PostEra сообщила, что один из их совместных проектов достиг научного этапа на 40% быстрее запланированного срока.
Но уже в 2025 году партнерство получило новое развитие: компании объявили о запуске программ в области антитело-лекарственных конъюгатов (ADC). Это направление считается одним из наиболее перспективных в онкологии. ИИ-платформа Proton будет применяться для оптимизации свойств лекарственной нагрузки в составе ADC, включая повышение селективности и снижение токсичности. Стоимость этого партнерства оценивается в $610 млн.
Отдельно стоит отметить, что все алгоритмы, разработанные в рамках совместных проектов, остаются в собственности PostEra, что позволяет стартапу масштабировать технологии и за пределами Pfizer.
В число фармкомпаний, последовательно интегрирующих искусственный интеллект в научно-исследовательскую деятельность, входит и британско-шведский производитель AstraZeneca. С 2019 года компания сотрудничает с лондонским биотехнологическим стартапом BenevolentAI, который разрабатывает собственную ИИ-платформу для поиска новых терапевтических мишеней и молекул.
Изначально партнерство охватывало только два направления: идиопатический легочный фиброз и хроническую болезнь почек. Однако в январе 2022 года компании объявили о расширении сотрудничества: к исследуемым областям добавились сердечная недостаточность и системная красная волчанка. В рамках расширенного соглашения BenevolentAI предоставляет доступ к своей платформе Benevolent Platform, которая использует машинное обучение и биомедицинские данные для выявления новых молекулярных целей. AstraZeneca, в свою очередь, отвечает за лабораторную проверку этих гипотез и их развитие до стадии доклинических или клинических исследований.
В мае 2024 года AstraZeneca включила в свой исследовательский портфель новую цель для лечения сердечной недостаточности, которая была найдена с помощью ИИ-платформы партнера. А уже в июне стало известно, что аналогичным образом был обнаружен еще один таргет — для терапии волчанки. Вскоре оба направления прошли начальную лабораторную валидацию и были признаны перспективными для дальнейшего развития.
По словам представителей AstraZeneca, особенно ценным является то, что ИИ помогает находить цели, которые было бы сложно выявить традиционными методами. И при этом делает это быстрее.
Сделки на миллиарды
В 2024 году швейцарская Novartis заключила стратегическое соглашение с американской компанией Generate:Biomedicines, которая занимается разработкой белков с помощью генеративного искусственного интеллекта. Сумма сделки составила $1 млрд.
Суть партнерства заключается в объединении компетенций. Так, Novartis передает Generate приоритетные исследовательские цели, а стартап, используя свою ИИ-платформу, создает белковые молекулы с заданными свойствами. Это могут быть, например, антитела, ферменты или пептиды. Novartis, в свою очередь, берет на себя доклиническую и клиническую разработку, а также возможное выведение препаратов на рынок.
В феврале 2024 года еще одна швейцарская компания, Roche, объявила о партнерстве с другим американским стартапом, PathAI, специализирующимся на алгоритмах компьютерного зрения для анализа гистологических препаратов. Сотрудничество охватывает разработку ИИ-моделей для системы Navify Digital Pathology, через которую Roche строит экосистему решений для цифровой диагностики опухолей. PathAI стала эксклюзивным партнером по созданию диагностических алгоритмов для этой платформы. Основная задача — повысить точность анализа биомаркеров и стандартизировать интерпретацию результатов, которые в традиционном методе выявления патологий часто зависят от человеческого фактора.
К 2025 году эта работа уже дала первые практические результаты. В апреле компания получила от FDA статус Breakthrough Device — ускоренной регуляторной процедуры — для своего сопутствующего диагностического теста на немелкоклеточный рак легких, совмещающий традиционную иммуногистохимию с алгоритмом искусственного интеллекта, автоматически оценивающим экспрессию белка TROP2. Вместе с PathAI Roche рассчитывает масштабировать подобные решения и на другие типы опухолей, включая рак молочной железы и мочевого пузыря (так как для производителя это не просто внедрение технологий, а снижение уровня неопределенности при принятии клинических решений).
В декабре 2024 года британский производитель GSK объявил о сотрудничестве с лондонским стартапом Relation Therapeutics, который использует ИИ и данные от пациентов для точного определения новых биологических мишеней. Основной задачей Relation является сбор данных прямо из тканей пациентов. Технология применяет многоуровневый анализ (генетика, single-cell, тесты) и машинное обучение, чтобы выделить ключевые белки, связанные с такими болезнями, как остеоартрит и фиброз печени или легких. По словам руководителя GSK, проект с Relation «позволяет глубже понять биологию болезни и выбрать правильные цели для лекарств».
Для компании это не разовый эксперимент. С 2020 года GSK активно инвестирует в развитие ИИ-технологий: открыла AI‑центр в Лондоне и подключилась к суперкомпьютеру Cambridge‑1 от NVIDIA, чтобы использовать мощные вычисления для обработки больших биомедицинских данных. Менее чем за год компания наняла десятки специалистов по машинному обучению.
AbbVie также выстраивает системную работу с ИИ через партнерские соглашения. В последние годы компания заключила несколько крупных сделок с биотехнологическими стартапами, специализирующимися на машинном обучении и ускоренной генерации лекарственных кандидатов.
Так, в декабре 2023 года AbbVie объявила о сотрудничестве с американской компанией BigHat Biosciences. Эта компания использует собственную платформу Milliner, которая сочетает ИИ‑модели и лабораторную проверку для быстрого проектирования и оценки антител. Алгоритмы предлагают новые варианты молекул, а биологи сразу же тестируют их в лаборатории. Такой подход позволяет ускорить ранние этапы разработки и сосредоточиться на наиболее перспективных вариантах. Основной фокус на тех антителах, которые трудно создать традиционными способами, например, из-за нестабильности молекулы или сложности взаимодействия с мишенью.
Уже в январе 2025 года компания пошла еще дальше и заключила сделку с Neomorph — стартапом, который использует машинное обучение для разработки так называемых molecular glue degraders. Эти «молекулярные клеи» помогают разрушать белки, которые не удается «выключить» обычными методами. В отличие от классических ингибиторов, такие молекулы не просто блокируют работу белка, а запускают его целенаправленное удаление из клетки. Сумма потенциальных выплат в рамках сделки составляет $1,64 млрд, включая лицензионные опции, поэтапные платежи и роялти.
В мае 2024 года французская компания Sanofi объявила о стратегическом партнерстве с OpenAI и стартапом Formation Bio. Суть проекта заключается в разработке кастомных ИИ-моделей, которые будут обучаться на внутренних данных Sanofi и использоваться для ускорения всех этапов разработки препаратов: от подбора молекул и анализа биомаркеров до планирования клинических исследований. В пресс-релизе компания подчеркивала, что это не просто покупка технологий, а развитие «нового R&D-подхода на базе искусственного интеллекта» с максимально гибкими и адаптивными решениями для научной и операционной деятельности.
Но ИИ у Sanofi — это не только про науку. Компания активно внедряет алгоритмы и в производственные цепочки. Еще в 2023 году она запустила цифровую платформу Plai, созданную совместно с Aily Labs. Система собирает и анализирует данные со всех подразделений (от R&D до логистики) и помогает менеджерам оперативно принимать решения. В частности, Plai позволяет на 60% быстрее анализировать причины производственных отклонений и прогнозировать риски нехватки препаратов в цепочке поставок. За счет этого Sanofi смогла сократить простой на ключевых участках и улучшить точность планирования выпуска продукции.
Научный блок ИИ-решений тоже получил развитие. Sanofi активно тестирует машинное обучение при подборе липидных наночастиц для платформы mRNA, а также использует алгоритмы для оптимизации составов и дозировок. Кроме того, компания применяет ИИ для анализа реальной клинической практики и выявления перспективных терапевтических мишеней.
И это, конечно, далеко не все примеры того, как крупные фармкомпании внедряют искусственный интеллект в свою повседневную работу. Если еще несколько лет назад искусственный интеллект в фармацевтической отрасли вызывал ассоциации с перспективными, но «сырыми» технологиями и вспомогательными инструментами на периферии R&D, то уже сегодня он стал критически важной частью бизнес-процессов.
В условиях жесткой рыночной конкуренции, когда разработка новых препаратов становится все более дорогой и сложной, ИИ не просто «помогает» в мелких задачах, а обеспечивает выживание и позволяет фармкомпаниям быстрее и точнее проектировать молекулы, прогнозировать клинические исходы и минимизировать провалы на поздних стадиях исследований. Это уже не высокотехнологичная роскошь — это стандарт отрасли и часть общей технологической инфраструктуры отрасли.