15 августа 2026 г.
AI в разработке лекарств пока не дошёл до клиники: доказательств эффекта «разочаровывающе мало»
Методов AI для поиска лекарств сделали много, а доказательств клинического эффекта, по обзору в Nature от 07.08, «разочаровывающе мало».
Стартовая модель белка теперь считается за минуты вместо двух часов. Новых лекарств от этого не прибавилось.
Так описывает свою работу структурный биолог из среднего биотеха 15.08 в обсуждении статьи: AlphaFold снимает возню с файлами PDB и CIF, но ничего по-настоящему нового инструменты не придумали. То же самое, только про всю индустрию, написали 16 авторов Perspective в Nature Reviews Drug Discovery 07.08. Методы разработаны и отбенчмаркены, а доказательств клинически значимого эффекта «разочаровывающе мало».
Частный случай поднимается до правила: замеряли модель, а не решения, которые с её помощью принимают.
Четыре причины. Авторы называют: модели строят без прицела на клинику, алгоритмы плохо ложатся на «conditional» биоданные, задачи ставят размыто, отчего модели недоопределены, и технику тащат по принципу technology push вместо science pull.
Мерить надо решения. Главная рекомендация статьи: бенчмарк должен показывать не то, насколько хорошо провалидирована модель, а то, улучшает ли инструмент принятие решений. Фокус авторы предлагают сместить с «делать то, что можно» на «делать то, что нужно», даже если под это придётся генерировать новые данные.
Пишут свои. Среди аффилиаций AstraZeneca R&D IT, EMBL-EBI, Harvard Medical School и ещё несколько центров. Первый автор Andreas Bender декларирует акции, опционы или консалтинг в AstraZeneca, Novartis, Healx и других компаниях.
Полный текст на nature.com платный. Bender 07.08 выложил у себя в блоге бесплатную SharedIt-ссылку на статью.
первоисточник