ИИ способен обработать 15 млн молекул за день, но так и не вылечил Альцгеймер

В апреле 2026 года издание The Next Web (TNW) опубликовало материал, ставящий под сомнение шумиху вокруг ИИ в фармацевтике: технология действительно ускоряет отдельные этапы разработки лекарств, но революция в области drug discovery, по оценке издания, радикально преувеличена, чат-боты для здоровья представляют документированную опасность, а самые тяжёлые заболевания — включая болезнь Альцгеймера — остаются нерешёнными, несмотря на впечатляющие цифры вычислительной мощности.

Показательный пример: 15 миллионов молекул для одной болезни

Ключевой пример, который приводит TNW, — работа фармацевтической компании Novartis. В конце 2025 года команда исследователей, работавшая над болезнью Хантингтона, с помощью генеративного ИИ вычислительно спроектировала 15 миллионов потенциальных соединений для определённого типа молекул. Это гигантский объём — на несколько порядков больше, чем способна перебрать традиционная лаборатория за сопоставимое время вручную или даже с помощью классического высокопроизводительного скрининга.

Именно такие цифры — миллионы сгенерированных ИИ молекул-кандидатов — обычно и приводятся как доказательство революции в фармацевтике. TNW не отрицает, что генеративные модели действительно умеют перебирать химическое пространство в масштабах, недоступных человеку. Проблема, по мнению издания, в другом: масштаб генерации кандидатов — это не то же самое, что масштаб реальных клинических успехов. Между «спроектировать 15 миллионов молекул» и «получить работающее лекарство, прошедшее клинические испытания» лежит долгий путь, на котором подавляющее большинство кандидатов отсеивается.

Почему самые тяжёлые болезни остаются нерешёнными

Основной тезис материала TNW: там, где нужны настоящие прорывы — при нейродегенеративных заболеваниях вроде болезни Альцгеймера, при болезни Хантингтона и других сложных, плохо изученных на молекулярном уровне патологиях, — ИИ пока не переломил ситуацию. Причина не в недостатке вычислительной мощности, а в том, что для таких болезней плохо понят сам биологический механизм: модель может сгенерировать миллионы правдоподобных молекул-кандидатов, но если наука до конца не знает, какую именно мишень нужно поразить, чтобы остановить развитие болезни Альцгеймера, даже самая мощная генеративная система будет оптимизировать не ту задачу.

Ключевые тезисы материала TNW:

• Революция ИИ в drug discovery реальна, но, по оценке TNW, радикально переоценена
• Медицинские чат-боты для здоровья — задокументированный источник рисков, а не только удобства
• Самые тяжёлые заболевания остаются нерешёнными, несмотря на прогресс ИИ
• Пример: команда Novartis в конце 2025 года сгенерировала 15 млн потенциальных соединений для терапии болезни Хантингтона

Показательно, что в качестве примера TNW выбрало не стартап, обещающий революцию, а крупную, консервативную фармацевтическую компанию с многолетней историей — Novartis. Это важная деталь: речь идёт не о маркетинговом заявлении небольшой AI-компании, которой нужно привлечь инвестиции, а о рабочем процессе внутри организации, которая по определению осторожно относится к громким обещаниям в области разработки лекарств и обязана подтверждать любые результаты долгими и дорогими клиническими испытаниями.

Что это означает для индустрии биотеха

Материал TNW работает как противовес волне восторженных заголовков об «ИИ, который решит рак и болезнь Альцгеймера за несколько лет». На практике генеративный ИИ в фармацевтике сегодня лучше всего справляется с той частью процесса, которая поддаётся формализации, — генерацией и первичным отсевом химических структур, предсказанием их свойств, оптимизацией уже известных молекулярных каркасов. А вот там, где нужно фундаментальное понимание биологии болезни, как в случае с Альцгеймером и другими нейродегенеративными расстройствами, вычислительная мощь сама по себе не заменяет десятилетия недостающих научных знаний.

Для инвесторов и фармкомпаний это означает необходимость трезвее оценивать, какие именно этапы разработки лекарств ИИ действительно ускоряет, а какие остаются такими же долгими и неопределёнными, как и до появления генеративных моделей — и не путать впечатляющие цифры сгенерированных соединений с гарантией клинического успеха.

Отдельного внимания заслуживает и вторая часть тезиса TNW — про чат-боты для здоровья как задокументированный источник риска. В отличие от лабораторного применения ИИ, где ошибочный кандидат просто отсеивается на следующем этапе тестирования, ошибка чат-бота, дающего медицинские советы напрямую пользователю, может привести к реальному вреду без какого-либо промежуточного контроля со стороны специалиста — и именно это различие в уровне риска, по мнению издания, заслуживает куда больше общественного внимания, чем сейчас получает.