AI в разработке лекарств до клиники не доехал: вердикт 16 авторов Nature

Так это формулирует Perspective в Nature Reviews Drug Discovery от 07.08.2026: подходы разработаны и измерены, а доказательств клинически значимого влияния «disappointingly limited». Вес текста виден по аппарату: 16 авторов и 221 ссылка. Критика идёт изнутри отрасли: среди аффилиаций AstraZeneca, Harvard Medical School и Cambridge, остальные из биотеха и фарм-сервисов.

Четыре причины разрыва. Модели делают без прицела на клиническую трансляцию. Данные лайф-сайенс «conditional» и плохо ложатся под алгоритмы. Задача ставится слабо, поэтому модель недоспецифицирована под реальный кейс. Сверху перекос: technology push вместо science pull.

Мерить решения, а не модель. Главная рекомендация авторов: бенчмарки AI-инструментов должны уйти от валидации модели и мерить способность улучшать принятие решений. Рядом стоит центральный технический аргумент, отдельная фигура про низкую предсказательность прокси-данных, доступных сегодня в drug discovery. Модель учится на суррогатных метриках, а не на клиническом исходе.

Раньше спор об AI в фарме держался на точности предсказаний. Здесь его ведут в деньгах: первая же фигура статьи меряет влияние параметров разработки на стоимость одного успешно выведенного препарата. Среди соавторов Jack W. Scannell из University of Edinburgh, Science Technology and Innovation Studies.

Как прочитать целиком. Разовая покупка статьи стоит 39,95 €, Nature+ 27,99 € за 30 дней, годовая подписка 261,46 €. Первый автор Andreas Bender выложил бесплатную SharedIt-ссылку на полный текст в своём блоге DrugDiscovery.NET.