Несмотря на хайп, спекуляции и пугающие прогнозы, мало кто из специалистов сомневается: искусственный интеллект действительно изменит мир. А вот кто выиграет от перемен и какую цену придется за них заплатить — пока открытые вопросы.
История показывает, что технологические прорывы вместе с возможностями почти всегда приносят кризисы, заставляя общество заново искать баланс. Но есть сфера, в которой польза технологического прогресса на протяжении десятилетий выглядит почти бесспорной. Это медицина.
ForkLog разобрался, как уже сегодня применение искусственного интеллекта ускоряет создание новых препаратов, оптимизирует лабораторные процессы, повышает точность диагностики и меняет подходы к лечению заболеваний.
Разработка препаратов
Большинство лекарств работает за счет взаимодействия с белками-рецепторами — молекулярными структурами, которые регулируют работу клеток и участвуют практически во всех процессах организма.
Системы искусственного интеллекта способны анализировать структуру белков-рецепторов и предсказывать, какие соединения смогут взаимодействовать с ними наиболее эффективно и с минимальными побочными эффектами. Благодаря этому задачи, которые раньше требовали многих лет лабораторных исследований, все чаще удается решать за месяцы.
По оценкам экспертов Всемирной организации здравоохранения (ВОЗ), в ближайшие годы большинство новых фармацевтических препаратов так или иначе будет разрабатываться с использованием ИИ.
AlphaFold и Isomorphic Labs
В 2024 году Нобелевскую премию по химии получили Дэвид Бейкер, Демис Хассабис и Джон Джампер. Двое последних работают в Google DeepMind, их наградили за разработку методов предсказания структуры белков, включая AlphaFold, основанный на машинном обучении.
В 2018 году AlphaFold заняла первое место в «конкурсе» молекулярного прогнозирования Critical Assessment of Structure Prediction (CASP), продемонстрировав эффективность в самых сложных категориях. Через два года, на следующем CASP, победила новая версия — AlphaFold 2.
В 2021 году Google DeepMind выложила в открытый доступ код AlphaFold2 и базу предсказанных белковых структур. Примерно тогда же Хассабис основал Isomorphic Labs — дочернюю компанию Alphabet, которая развивает ИИ для разработки лекарств.
В 2024 году Isomorphic Labs заключила партнерства с Eli Lilly и Novartis. Сделки предусматривали финансирование ИИ-исследований компании на сумму до $1,7 млрд и до $1,2 млрд соответственно. В 2026 году Isomorphic Labs также объявила о партнерстве с Johnson & Johnson.
В феврале 2026 года Isomorphic Labs представила универсальную среду разработки медикаментов Drug Design Engine (IsoDDE), построенную на технологиях AlphaFold.
Сейчас Isomorphic Labs работает над решениями в области онкологии и иммунологии. Несмотря на ускорение разработок при помощи ИИ, проекты пока остаются на стадии доклинических исследований. Компания рассчитывает начать первые испытания на людях в ближайшие годы.
Exscientia и Recursion Pharmaceuticals
Основанная в 2012 году Exscientia стала одной из первых компаний, системно применивших машинное обучение для разработки медикаментов.
В 2020 году препарат DSP-1181 для терапии при ОКР стал первым созданным с применением ИИ продуктом, вышедшим на стадию клинических исследований. Разработку вели совместно с японской фармацевтической компанией Sumitomo Dainippon Pharma, которая взяла на себя синтез и лабораторные тесты, опираясь на теоретические результаты Exscientia.
К 2023 году у компании были готовы 8 молекул-кандидатов, разработанных «существенно быстрее» среднего по индустрии.
В 2024 году компания Recursion Pharmaceuticals выкупила Exscientia в рамках сделки на $688 млн. Часть исследовательских программ закрыли.
К тому моменту несколько препаратов дошли до второй стадии клинических испытаний — проверки эффективности и побочных эффектов на группе из 100–300 пациентов.
Слияние с Recursion Pharmaceuticals позволило использовать ИИ-системы Exscientia в комбинации с автоматизированным лабораторным комплексом для тестирования. Кроме того, Recursion построила собственный ИИ-суперкомпьютер BioHive-2 на NVIDIA H100 для обучения специализированных моделей.
Компания также поучаствовала в разработке открытой генеративной модели Boltz-2, предназначенной для прогнозирования трехмерной структуры белков.
К 2025 году Recursion Pharmaceuticals сконцентрировала усилия на четырех программах в области онкологии и двух, связанных с редкими заболеваниями. Несколько препаратов уже находятся на переходном этапе между первой и второй фазами испытаний:
Препарат REC-3565, предназначенный для лечения хронического лимфолейкоза, проходит первую стадию клинических испытаний.
Insilico Medicine
Основанная в 2014 году Insilico Medicine — другой значимый игрок в ИИ-разработке медицинских препаратов.
В 2017 году Insilico Medicine внесли в топ-5 проектов по уровню социального влияния по версии Nvidia.
Компания использует искусственный интеллект на всех этапах цикла разработки:
система PandaOmics отвечает за поиск биологических «целей» — молекул, которые нужно «отключить» или отрегулировать в рамках терапии;Chemistry42 обеспечивает генеративный дизайн подходящих соединений;InClinico оптимизирует прогнозирование клинических испытаний.Одно из ранних ИИ-достижений Insilico Medicine — препарат Rentosertib (ISM001-055), связанный с лечением фиброза. Разработка заняла 18 месяцев от обнаружения цели ИИ-системой до получения молекулы-кандидата. По состоянию на 2025 год Rentosertib проходит вторую фазу клинических испытаний.
Кроме того, в 2024 году разработанный ИИ иммуномодулирующий препарат ISM3312 для COVID-19 и других вирусных инфекций прошел первую фазу испытаний. ISM3091, связанный с терапией раковых заболеваний, допустили к тестам на пациентах.
Диагностика и исследования
По оценкам специалистов, около 90% всей медицинской информации представлено изображениями вроде рентгеновских снимков и томограмм. Эти данные критически важны в диагностике, однако их анализ — трудоемкая и нетривиальная задача.
Методы машинного обучения, в особенности сверточные нейронные сети, хорошо подходят для распознавания сложных визуальных паттернов. Аналогично человеческому зрению, такие системы способны различать контрастные края, формы и текстуры на изображении. Это позволяет с высокой уверенностью выявлять опухоли, кровотечения и другие аномалии.
Для обучения ИИ-моделей доступны заведомо качественные данные — массивы задокументированных снимков с комментариями экспертов.
В 2024 году исследователи из Гарвардской медицинской школы представили ИИ-модель Chief, способную выявлять несколько форм рака. По данным разработчиков, решение корректно обнаруживало признаки заболевания на цифровых изображениях в 94% случаев.
В 2025 году Управление по контролю качества пищевых продуктов и лекарственных средств США (FDA) присвоило статус «прорывного устройства» модели Damo Panda от Damo Academy — исследовательского подразделения корпорации Alibaba.
По данным разработчиков, система способна распознавать признаки рака поджелудочной железы на томограммах еще до проявления симптомов, что особенно важно для этой формы заболевания.
В 2026 году существенным прорывом в ИИ-диагностике стала система REDMOD, разработанная американской некоммерческой организацией Mayo Clinic.
Модель, также предназначенная для выявления рака поджелудочной железы, обошла специалистов в диагностике заболевания на ранних стадиях. Согласно заявлениям исследователей, система находила патологические изменения на томограммах в среднем за 475 дней до постановки диагноза.
Инициативы Google
Google выступает одним из ключевых провайдеров ИИ для медицинской диагностики и исследований.
Компания предлагает линейку открытых моделей для анализа медицинских текстов, изображений и аудио MedGemma на базе Gemma 3.
Через Health AI Developer Foundations разработчикам доступны открытые наборы весов и ИИ-инструменты.
Google сотрудничает с рядом клиник и исследовательских организаций, фокусируясь на развитии фундаментальных технологий.
В 2019 году компания презентовала модель для выявления и прогнозирования рака легких. Модель проявила себя наравне или лучше в сравнении с группой из шести сертифицированных радиологов.
В 2020 году в рамках совместной работы с Northwestern Medicine исследователи продемонстрировали систему для анализа маммограмм, способную выявлять рак на уровне профильного специалиста.
В 2024 году Google Cloud и немецкая фарма-компания Bayer объявили о запуске платформы для скрининга рентгенограмм. Система анализирует историю снимков и данные из истории болезни, формируя предположения о возможных патологиях.
Роботы-рентгенологи NVIDIA и GE HealthCare
Технологический гигант Nvidia и американская медтех-компания GE HealthCare, производящая оборудование для рентгеноскопии, разрабатывают собственную ИИ-систему для автономного получения изображений.
В отличие от моделей, которые анализируют уже готовые снимки, это решение должно снизить рутинную нагрузку на специалистов и сделать диагностику более стандартизированной.
На первом этапе система будет работать с рентгенограммами и ультразвуковыми изображениями.
Также GE HealthCare планирует использовать NVIDIA Isaac for Healthcare — платформу для разработки автономных медицинских систем, включая хирургических роботов.
Диагностическая платформа PathAI
Основанная в 2016 году компания PathAI разработала «цифровую платформу патологий» AISight Dx, предназначенную для первичной диагностики в клинических условиях.
Система предлагает среду для работы с медицинскими изображениями с возможностью подключать сторонние алгоритмы для анализа данных.
Заявлена поддержка набора CE-IVD-сертифицированных решений на основе ИИ, в частности — «плагины» для онкологической диагностики:
DeepDx Prostate позволяет автоматически подсвечивать ткани на изображении и выделять потенциально важные для диагностики участки;Histotype Px Colorectal на основе снимков строит прогнозы протекания заболевания, оценивает целесообразность химиотерапии и предлагает терапевтические рекомендации;Visiopharm выявляет и подсчитывает биомаркеры для различных форм рака.На платформе есть собственные функции для автоматического анализа изображений, помощи в формировании диагноза и написания отчетов, но они пока предназначены «исключительно для исследовательских целей» и не допускаются для применения в клиническом контексте.
AISight Dx также предлагает встроенные вспомогательные ИИ-инструменты:
ArtifactDetect — для поиска артефактов сканирования и других ошибок на изображениях;Case Priority — для приоритезации клинических кейсов на основе анализа тканей;AIM-Tumor Cellularity — для оценки клеточного состава опухолей.В 2022 году решение получило одобрение американского FDA по форме 510(k) и европейский знак качества CE, свидетельствующий о безопасности изделия для потребителей и окружающей среды.
В 2025 году PathAI объявила о партнерстве с онкологическим центром Мофитт во Флориде, США, для внедрения AISight Dx в процессы диагностирования. В 2026 году компания заключила схожее соглашение с медицинским университетом Цюриха (University Hospital Zurich).
В мае 2026 года швейцарская фармакологическая компания Roche объявила о приобретении PathAI в рамках сделки стоимостью свыше $750 млн.
Проблемы и ограничения
Как и в других отраслях, применение ИИ в медицине обостряет системные проблемы и порождает новые.
ИИ-ассистенты, особенно на основе LLM, не застрахованы от галлюцинаций.
В исследовательской работе Google о модели Med-Gemini нашлась ошибка: модель «выдумала» несуществующую область мозга под названием базилярные ядра.
Галлюцинация образовалась на основе двух реальных анатомических имен: базальных ядер и базилярной артерии. Разработчики сослались на опечатку, однако несколько специалистов назвали инцидент тревожным примером рисков внедрения ИИ-ассистентов в медицине.
Исследователи из Стэнфордского университета обнаружили в ИИ-моделях способность убедительно диагностировать заболевания по медицинским снимкам без доступа к самим снимкам.
Одна из проанализированных систем «вслепую» показала высокие результаты в тесте по рентгенологии. Модели GPT-5, Gemini 3 Pro и Claude Opus 4.5 «уверенно описывали визуальные детали» на несуществующих изображениях.
Согласно опубликованному в июне того же года исследованию, в медицинском контексте в 7,1% случаев ответы GPT-4 на вопросы пациентов оказывались некорректными и могли бы привести к значительному вреду. В одном случае из 156 ошибка влекла риск для жизни.
По данным 2025 года, инструменты для автоматического составления документации по результатам диалога с пациентом вносили ошибки в 70% клинических заметок. Модели добавляли в транскрипцию разговора ложные факты, пропускали тезисы и путали понятия.
Помимо того, что LLM выдумывают органы, им свойственна непрозрачность логики, что затрудняет анализ человеком того, каким образом получены те или иные выводы.
Нехватка репрезентативности в датасетах может формировать предубеждения и привязку к ложным закономерностям в обученных на них моделях.
Кроме того, типичные для ИИ-ассистентов проблемы когнитивной зависимости пользователей и приватности данных только обостряются в контексте здравоохранения.
Специалисты ВОЗ относят применение искусственного интеллекта в медицине к области высокого риска.
В рамках европейского закона AI Act с августа 2026 года ИИ-системы этой категории будут обязаны соответствовать ряду специальных требований, связанных с управлением рисками, отчетностью и контролем со стороны человека.
Несмотря на сложности и потенциальные риски внедрения, в ВОЗ положительно оценивают перспективы искусственного интеллекта в медицине при условии должных правил и контроля со стороны государственных ведомств.
В американском FDA тоже оптимистично отзываются о перспективах медицинского ИИ, хотя признают существующее регулирование устаревшим. Формально в США подобные системы относят к ПО в категории Software as a Medical Device.
В 2025 году FDA опубликовало набор рекомендаций, относящихся к жизненному циклу ИИ-продуктов, управлению рисками и маркетингу.