Ara Darzi: AI could accelerate fight against antibiotic resistance, but market obstacles stand in the way

Британский хирург Ара Дарзи заявил, что искусственный интеллект может заметно ускорить диагностику устойчивых к антибиотикам инфекций и поиск новых препаратов. Но этого недостаточно: если экономика отрасли не изменится, многие разработки так и не дойдут до реальной клиники.

Почему кризис ускоряется

Устойчивость к антибиотикам уже перестала быть узкой проблемой инфекционистов. По словам Дарзи, она ежегодно становится причиной более миллиона смертей по всему миру и ещё почти в пяти миллионах случаев играет важную роль как сопутствующий фактор. Такие инфекции лечить сложнее и дороже, пациенты дольше остаются в стационаре, а больницы несут дополнительные расходы.

Давление на систему усиливают две вещи одновременно: избыточное и неправильное применение антибиотиков, а также слабый приток новых препаратов на рынок. Дарзи назвал 2026 год первой реальной точкой перелома в этой истории, потому что масштаб угрозы уже трудно игнорировать. Прогноз The Lancet, опубликованный в 2024 году, ожидает к 2050-му до 40 миллионов смертей из-за лекарственно-устойчивых инфекций.

При этом в повседневной практике врачи всё ещё часто действуют почти вслепую. Классическая диагностика обычно занимает от двух до трёх дней: нужно вырастить бактерии из образца и проверить, какие препараты сработают. Для состояний вроде сепсиса это слишком долго — каждый час задержки лечения повышает риск смерти на 4–9 процентов.

Где ИИ уже полезен Именно здесь ИИ может дать самый быстрый эффект.

Дарзи говорит, что ИИ-диагностика уже показывает точность выше 99 процентов без дополнительной лабораторной инфраструктуры. Это особенно важно не только для крупных клиник, но и для удалённых регионов, где доступ к быстрым тестам ограничен. По оценкам ВОЗ, в 2023 году самые высокие уровни устойчивости к антибиотикам фиксировались в Юго-Восточной Азии и Восточном Средиземноморье, где устойчивой была каждая третья зарегистрированная инфекция. В Африке — каждая пятая.

• Быстрее отличать устойчивую инфекцию от обычной Подсказывать врачу более точный выбор терапии в первые часы Находить новые механизмы бактериальной устойчивости * Ускорять поиск и дизайн молекул, которых нет в природе Ещё один пример — работа британской NHS с Google DeepMind. В одной демонстрации система за 48 часов выявила неизвестные ранее механизмы устойчивости, на понимание которых исследователи Imperial College London потратили около десяти лет. В связке с автоматизированной лабораторией такие системы уже позволяют запускать сотни параллельных экспериментов круглосуточно. Модели глубокого обучения могут просматривать миллиарды молекулярных структур за считаные дни, а генеративные модели — предлагать новые соединения, которых раньше просто не существовало.

Почему рынок мешает

Главный тормоз, по версии Дарзи, находится не в лаборатории, а в бизнес-модели фармы. Новые антибиотики нельзя продавать как массовый препарат: чем активнее их используют, тем быстрее бактерии учатся обходить защиту. Получается парадокс.

С медицинской точки зрения лучшие новые лекарства нужно беречь и назначать редко, а с коммерческой — компании зарабатывают именно на объёмах продаж. Из-за этого крупные фармкомпании в последние годы сворачивали антибиотические программы, даже если научный прогресс в этой области продолжался. Чтобы разорвать эту логику, нужны другие схемы оплаты.

Дарзи напомнил, что в 2024 году Великобритания запустила пилотную модель в стиле Netflix: государство платит фармкомпании фиксированную ежегодную сумму за доступ к новому антибиотику, а не за количество выписанных доз. Швеция тоже тестирует частично отвязанную от объёма модель. Идея простая: вознаграждать нужно не за массовые продажи, а за сам факт появления жизненно важного инструмента в системе здравоохранения.

«У нас уже есть инструменты.

Вопрос в том, хватит ли нам характера всерьёз отнестись к тому, что мы видим».

Что это значит

История с антибиотикорезистентностью показывает важную вещь: для медицинского ИИ узким местом становится не только качество моделей, но и способность системы здравоохранения встроить их в практику. Если диагностика действительно сократится с нескольких дней до часов, а поиск новых антибиотиков ускорится в разы, выиграют не только врачи, но и пациенты. Но без новых правил закупок и стимулов ИИ рискует остаться красивой демонстрацией на конференциях, а не рабочим инструментом в больницах.