Крупные игроки фармрынка и небольшие биотехнологические компании все чаще обращаются к искусственному интеллекту, но делают это с разной скоростью. Руководитель направления здравоохранения китайского технологического гиганта Tencent Алекс Нг заявил, что небольшие биофирмы обычно быстрее «подхватывают» ИИ-подходы, тогда как для крупных корпораций внедрение может идти сложнее из‑за особенностей внутренних процессов.
Почему небольшим компаниям проще быстрее внедрять ИИ
Логика, по словам Алекса Нг, проста: чем меньше команда, тем выше давление на эффективность. В таких условиях компании вынуждены быстрее искать новые способы работы, чтобы делать больше при ограниченных ресурсах.
Кроме того, маленьким организациям зачастую легче перестраивать процессы — у них меньше формальных согласований и проще экспериментировать. Руководитель Tencent Healthcare подчеркнул, что ИИ в такой среде действительно воспринимается быстро и без лишних «барьеров».
Крупным фармкомпаниям ИИ не всегда «достаточно просто добавить»
Алекс Нг отметил, что для очень больших фармацевтических компаний ситуация может быть иной. У таких корпораций, как правило, выстроена сложная структура управления и существуют строго определенные рабочие процедуры — от постановки задач до контроля качества данных и результата. В этих условиях внедрение ИИ только как отдельного инструмента иногда не дает ожидаемого эффекта.
Иными словами, проблема может быть не в технологии, а в том, как именно она встраивается в существующие процессы и кто отвечает за изменение цепочек работы. Если workflow (цепочка операций) рассчитан на ручные или традиционные методы, ИИ требует адаптации под конкретные этапы исследований и производства.
ИИ в разработке лекарств: ставка на моделирование и автоматизацию
Интерес фармпроизводителей к ИИ объясняется тем, что технологии машинного обучения (machine learning) способны ускорять ключевые стадии разработки препаратов. В отрасли ожидают, что ИИ поможет:
- оптимизировать поиск «мишеней» (target discovery) — то есть объектов в организме, на которые должно воздействовать лекарство;
- проектировать молекулы (design molecules) с учетом требуемых свойств;
- упрощать и ускорять планирование клинических испытаний (clinical trial planning).
По отраслевым прогнозам, использование машинного обучения для этих задач может сократить сроки ранней стадии разработки вдвое и снизить затраты в горизонте ближайших трех–пяти лет. Речь идет именно о ранних этапах, где особенно важны скорость выбора перспективных направлений и снижение стоимости ошибок.
Партнерства и примеры сотрудничества
Тренд подтверждается и конкретными решениями компаний. Так, производители лекарств, включая Novo Nordisk и Eli Lilly, объявляли о сотрудничествах, связанных с ИИ, с технологическими партнерами. Подобные альянсы обычно означают совместную работу по моделированию, анализу данных и созданию инструментов для ускорения исследований.
Меняется отношение к ИИ: от осторожности к более позитивной позиции
Отдельный фактор, который выделил Алекс Нг, — отношение сотрудников и самой индустрии к искусственному интеллекту. По его словам, по мере развития технологий и появления практических результатов заметно выросла готовность воспринимать ИИ как полезный инструмент, а не как абстрактный эксперимент.
Он также подчеркнул, что изменились культурные установки и общий фон обсуждений внутри компаний: в результате многие сотрудники стали относиться к ИИ более позитивно и воспринимать его возможности реалистичнее.
Контекст: что именно подразумевается под «ИИ» в фарме
В данном случае под ИИ и машинным обучением обычно понимают алгоритмы, которые анализируют большие массивы данных — от биологических исследований и химических структур до результатов экспериментов и параметров клинических планов. Это позволяет быстрее находить закономерности, предсказывать поведение молекул и оптимизировать организацию работ, снижая вероятность дорогостоящих тупиковых решений.
Таким образом, обсуждение вокруг ИИ в здравоохранении — это не просто внедрение «модной» технологии. Это попытка перепроектировать процесс разработки лекарств так, чтобы он стал быстрее, дешевле и более управляемым.
