Разработчики ИИ приготовили “подарок” для ипохондриков: модель, которая предсказывает, какие болезни, вероятно, ждут вас в будущем. Группа ученых представила ИИ, который определяет вероятность более 1 тыс. заболеваний на основе данных из медицинских карт.

Модель, работающая на той же технологии, что и ChatGPT, получила название Delphi-2M. Ее обучили на данных 402,8 тыс. человек, зарегистрированных в Британском биобанке. Информация включала в себя возраст, пол, ИМТ, наличие вредных привычек, а также диагнозы. После этого работу Delphi-2M оценили на выборке пациентов из Дании: 1,93 млн человек, которым было 50-80 лет на момент 1 января 2016 г. ИИ давал в отношении них прогнозы, которые затем сравнивались с реальной заболеваемостью в 2017 г.

Разработчики оценивали эффективность Delphi-2M с помощью параметра AUC, принимающего значения от 0 до 1: чем он выше, тем лучше работает модель. При проверке ИИ на датских данных он составил 0,67. Впрочем, это не значит, что Delphi-2M эффективен на 67%. Например, на данных из Великобритании AUC для прогнозов на 1 год вперед был равен 0,76. На практике это означало, что модель верно предсказывала 17% заболеваний, которые ждали пациентов в течение следующего года.

Сами разработчики сравнивают действие модели с метеорологическим прогнозом: “точно так же, как в случае с погодой, где вероятность дождя составляет 70%”, Delphi-2M предсказывает вероятность развития заболевания в определенный год жизни пациента. Но тех, кто попадал под дождь без зонта после того, как синоптики пообещали ясный день, такая точность может и не обнадежить.

В чем заключаются проблемы Delphi-2M, и как подобные ИИ повлияют на общество?
✳️ Общий недостаток таких моделей - узкая выборка. Например, Delphi-2M был обучен на выборке людей, все из которых были живы на момент сбора данных, что искажало прогнозы по смертности.
✳️ Многие связи между диагнозами очевидны и без ИИ: врачи будут обращать повышенное внимание на состояние сердца и сосудов у пациентов с ожирением или глаз у тех, кто страдает диабетом. Модели наиболее успешны в выявлении именно таких заметных связей: между предраковым состоянием и раком женских половых органов, диабетом и нейропатией и т.д.
✳️ В болезнях, связи между которыми для людей менее очевидны, ИИ теряется точно также. Например, для инфекционных заболеваний, которые начинаются почти рандомно, вероятность точного прогноза гораздо ниже. Особенно это касается редких инфекций, таких как менингококк. Но и для других диагнозов она может быть на уровне погрешности: например, для прогнозов по флебиту и тромбофлебиту на год вперед AUC равен 0,53 у женщин и 0,27 у мужчин.
✳️ В дальнейшем технологию “чтения будущего по медицинской карте” могут взять на вооружение медклиники, которым выгодна гипердиагностика. Такие ИИ обещают им золотые горы на профилактике и лечении того, чего еще нет. Пациентам же, помимо опустошения кошелька, это может принести только ипохондрию на ровном месте. Хотя людям из семей с генетическими заболеваниями иногда назначают тестирование, чтобы определить вероятность болезни в будущем, у ИИ-оракулов точность гораздо ниже, а список недугов, которые они вам предскажут, - куда шире.
✳️ Сами авторы предлагают эту технологию правительствам и страховым в целях планирования бюджета. По их замыслу, Delphi-2M способен оценивать уровень заболеваемости для всего населения на год вперед, что поможет рассчитывать расходы на здравоохранение. Но вот в чем проблема. Если ИИ будет ошибаться в меньшую сторону, это приведет к массовому недофинансированию: мы уже видели на примере США, как из больниц выписывали недолеченных пациентов только потому, что ИИ одобрил для них слишком маленький срок госпитализации. С помощью Delphi-2M необоснованное сокращение расходов может выйти на национальный уровень. И вероятность этого очень высока: правительства скорее будут отдавать предпочтение моделям, которые прогнозируют низкие расходы на медицину, чем наоборот.

Мало никому не покажется от таких технологий
https://news.1rj.ru/str/vvshulenin/1074

В августе в СМИ и соцсетях распространилась потрясающая новость: китайские ученые создали гуманоидного робота для вынашивания детей от зачатия до родов. По утверждениям, метод находится на поздней стадии разработки, и уже в 2026 г. прототип должен поступить в продажу. Цена для столь революционной технологии оказалась очень низкой - всего 100 тыс. юаней, или 1,17 млн рублей. Создатель робота-матки Чжан Цифэн заявил, что намерен таким образом бороться за повышение демографии и обойти китайский запрет на суррогатное материнство с помощью роботов.

В интервью Цифэн, PhD Наньянского технологического университета в Сингапуре, заявил, что испытания на животных уже принесли многообещающие результаты. Эмбрион будет расти в амниотической жидкости и получать питательные вещества через трубку, соединенную с пупком, которая должна имитировать работу плаценты. Уже через пару дней новость подхватили крупные западные издания, от New York Post и Newsweek до Daily Mail, а в соцсетях об изобретении искусственной матки говорили как о свершившемся факте.

Вскоре после этого выяснилось, что в Наньянском технологическом университете никогда не было студента или сотрудника по имени Чжан Цифэн. Более того, университет никогда не занимался проектами на эту тему. Не было Цифэна и в списке участников Всемирной выставки роботов в Пекине, где он якобы впервые объявил о разработке.

Новость о гуманоидном роботе-матке была признана фейком, но на каком этапе находятся настоящие исследования в этой области?

Они сконцентрированы на донашивании преждевременно родившихся детей, а не выращивании их в искусственной матке с зиготы. Ученые работают над тем, чтобы повысить шансы детей, родившихся на 22-23 неделе: сейчас при должном уходе выживают 30% из них, но многие тяжело болеют и получают травмы. Например, в этом возрасте легкие должны быть заполнены жидкостью, но при искусственной вентиляции в них под давлением нагнетают воздух, что приводит к рубцеванию легочной ткани.

Один из американских коллективов в 2017 г. провел опыт на недоношенных ягнятах, возраст которых соответствовал 22-24 недельному плоду человека. Их поместили в систему, которая имитировала среду матки, в т.ч. они находились в жидкости, идентичной амниотической. Ягнята нормально развивались в течение 4 недель, пока проводился эксперимент: их мозг соответствовал показателям ровесников, растущих в матке, у них была такая же двигательная активность, а анализы были близки к норме.

Но в чем проблема с искусственной маткой, в которой ребенок мог бы расти с самого зачатия? На поздних сроках беременности плод может выжить в неидеальных условиях, поскольку он практически сформирован. Но секрецию материнских гормонов и другие биологические процессы, критически важные в первые месяцы, практически невозможно воспроизвести вне женского организма.

Это можно проиллюстрировать этически сомнительным экспериментом, который в 2021 г. провели китайские ученые. Они задались целью заставить самцов крыс выносить детенышей. Для этого кастрированным самцам пересадили матки от самок-доноров и хирургически соединили их с другими самками, имеющими нормальные репродуктивные органы. Полученные пары крыс имели общую кровеносную и лимфатическую систему. В матки всех крыс подсадили эмбрионы, т.е. обе особи в паре были беременны одновременно. При этом детеныши самца получали необходимые гормоны и питательные вещества из организма самки. Но если самки выносили почти всех крысят, у самцов выжило только 10 из 280 (3,57%).

По сравнению с автономной искусственной маткой, положение этих детенышей было почти идеальным: они были в живом теле, настоящей (хотя и донорской) матке и имели доступ к необходимым веществам. И если здесь процент успеха был настолько мал, можно представить, каким он окажется у робота с искусственно регулируемой средой. Учитывая, что человеческие дети должны не просто выжить, но и иметь нормально развитый мозг и ЦНС (чего особенно сложно добиться вне материнского организма), понятно, что в ближайшее время роботизированных маток ждать не стоит.

Оземпик: история сразу про всё

За последние пару недель принял участие в нескольких мероприятиях связанных с т.н. «технологическим развитием» и"инновациями". Везде задавали вопрос – «что мешает». И везде я рассказывал про «российский оземпик» - пример тому, что не мешает в общем то ничего.

Факты
Декабрь 2023: правительство России выдало принудительные лицензии на производство семаглутида компаниям "Герофарм" и "Промомед". За год владелец "Промомед" стал долларовым миллиардером. Россия освоила сложнейшее биотех-производство мирового уровня за полтора года. Почему Оземпик — да, а остальные — нет?
Novo Nordisk прекращает поставки — ноябрь 2022. Дефицит и рост цен — начало 2023. Принудительная лицензия — декабрь 2023. Запуск производства — 2024. Для сравнения: процесс локализации "обычных" препаратов занимает примерно 5 лет переговоров, согласований, пилотных проектов. Здесь — меньше года от проблемы до решения. Причина: Оземпик — "lifestyle" лекарство для похудения, популярное у элит. Когда проблема затронула нужных людей, система заработала.

Механика принятия решений
Публично: "Борьба за здоровье граждан против западных санкций". Юридически: через достаточно давно существующий механизм принудительного лицензирования. При этом сотни препаратов ждут локализации годами. Регулятор объясняет: "международные стандарты", "инвестиционный климат" и т.д. и т.п. Для Оземпика все эти аргументы исчезли за несколько недель.
Главное доказательство: Мы действительно можем всё (по крайней мере в биотехе).
Агонисты глюкогонподобного пептида, к которым относится семаглутид — сложная современная биотехнология:
• Пептидный синтез
• Системы доставки
• Контроль качества на уровне мировых стандартов
Россия создала всё это за полтора года. Не за десятилетие национальных программ, не через международные партнёрства, а просто, когда понадобилось.

Если применить ту же модель системно:
• CAR-T терапии в онкологии — можем
• Моноклональные антитела — можем
• Генная терапия — можем
• Любая другая "невозможная" технология — можем
Вопрос никогда не был в способностях. Вопрос в задаче и политике регулятора.

Регулятор живёт в системе "международных стандартов". Годы работы с западными компаниями создали ментальную зависимость. (Забудем на секунду то, что не только ментальные зависимости создает условный Файзер в российском чиновнике). Проще следовать существующим правилам, чем создавать новые. Оземпик прорвал эту инерцию только потому, что затронул тех, кто может напрямую влиять на систему. Для остальных препаратов такого влияния нет — нет и решений.

Экономика решения
Каждый отказ от принудительного лицензирования = миллионы долларов западным корпорациям вместо российского бизнеса.
Оземпик показал правильную логику: лучше создать своего миллиардера, чем кормить Novo Nordisk.. Просто здравый смысл. Деньги, рабочие места, компетенции — всё это либо остаётся в России, либо уходит в Данию. Оземпик остался здесь.
При этом опровергнуты все мифы российской "инноватики".
Не понадобились:
- Долгосрочные стратегии развития
- Увеличение финансирования НИОКР
- Технопарки и инкубаторы
- Международное сотрудничество
- Высокооплачиваемые граждане, изображающие из себе "бизнес-ангелов" и "венчурных капиталистов".
Все документы про "ключевые вызовы" и "недостаточное финансирование" — это попытка объяснить отсутствие результатов там, где просто нет желания.

Что это говорит о системе
1. Возможность есть всегда — вопрос в мотивации
2. Элитный запрос работает быстрее любых стратегий
3. Технологический суверенитет часто достижим за 1-2 года, а не за десятилетия
4. Частный интерес + государственный ресурс = максимальная эффективность
5. Правильная мотивация важнее правильной стратегии

Главный вывод
Россия за полтора года освоила технологию, которую считали недоступной. Не через программы развития, а через конкретное решение конкретной проблемы конкретных людей. «Велгия» от Промомеда - русский Оземпик — это инструкция по применению, а не просто средство для похудения. Вопрос только в том, кто первый её использует для следующего прорыва.

ИИ отговаривает пациентов обращаться к врачам, и чем больше опечаток они делают в запросах, тем чаще это происходит. Ученые из MIT выяснили, что LLM чрезвычайно чувствительны к стилю текста, и даже лишний пробел может повлиять на рекомендации по вопросам здоровья.

Исследователи протестировали 4 ИИ (ChatCPT, Llama-3-8B, Llama-3-70B и Palmyra Med) на запросах пациентов с различными симптомами. Сначала они получили ответ на эти запросы в нейтральной форме для контроля, затем внесли незначительные изменения в текст: восклицательные знаки, орфографические ошибки, лишние пробелы или отсутствие заглавных букв. Авторы также добавили эмоциональные выражения вроде “вау” и “боже мой” и формулировки, подразумевающие неуверенность: “может быть”, “я думаю” и т.д.

Исследование проверяло, как часто ИИ советует посетить врача на основании описанных симптомов. Выяснилось, что каждое из этих изменений заставляет ИИ на 7-9% чаще отговаривать пациента обращаться за медицинской помощью и вместо этого предлагать самолечение. Когда “пациент” описывал свои симптомы не в одном сообщении, а в ходе диалога, проблема усугублялась еще больше.

Это показывает, почему рано обольщаться по поводу LLM, якобы сдающих медицинские экзамены лучше, чем настоящие врачи:
✳️ Они все еще не готовы к взаимодействию с реальными пациентами, которые редко следуют формальному стилю и предпочитают диалоги.
✳️ “Наказание” пользователя за ошибки и опечатки отражает общественную предвзятость, которую ИИ усваивает в процессе обучения. Неграмотность характерна для малообразованных и иноязычных слоев населения, например, мигрантов, которым чаще отказывают в медицинском обслуживании из-за неплатежеспособности или миграционного статуса. Обученный на предвзятых данных ИИ делает вывод, что пишущему с ошибками пользователю не стоит посещать врача - чем поощряет самолечение пациентов, которым нужна неотложная помощь.

Что касается медицинских экзаменов, здесь ИИ тоже достигают успеха только в стандартных условиях. Если они меняются, даже незначительно, модель сразу начинает теряться. Ученые из Стэнфордского университета провели эксперимент, заменив в тесте правильные ответы на “ни один из вариантов”. 6 LLM, на которых проводилось исследование, хорошо справлялись с базовой версией теста: от 95,59% правильных ответов у o3-mini до 80,88% у Llama-3.3-70B.

Изменения условий в тесте были минимальными, и “подловить” экзаменуемого, который действительно обладает знаниями, на этом бы не удалось. Но результаты оказались удивительными: точность в среднем упала на 26,7%.

Лучше остальных справились DeepSeek (его результат снизился на 8,82%), o3-mini (16,18%) и Claude (26,47%), хотя этот итог тоже сложно назвать блестящим. Остальные потеряли более 30%: Gemini ошибся в ответах еще на 23 вопроса из 68 по сравнению со своим базовым результатом, GPT-4o - на 25 вопросов, Llama - на 26 вопросов. Точность двух последних ИИ в измененном тесте упала ниже 50%, и результаты мало чем отличались от случайных догадок.

Какие выводы из этого можно сделать? Если хотите получить адекватный совет по здоровью от ИИ, то вооружитесь орфографическим словарем, не ставьте лишних пробелов и формулируйте вопрос формально, как на экзамене. Возможно, это увеличит ваши шансы, но это не точно.

5 лет назад правительство США было обеспокоено тем, что многие жизнеспособные органы для пересадки пропадают, так и не дойдя до пациентов. Власти приняли меры, чтобы это исправить, но создали новую проблему.

К 2019 г. от нехватки одних только почек для трансплантации в США ежегодно умирало около 43 тыс. человек. У этого было 2 главных причины:
❎ Слишком строгая система отбора органов для пересадки. По подсчетам, ежегодно не использовалось 75 тыс. подходящих органов от умерших доноров.
❎ Пропажа уже извлеченных органов в вопиющих масштабах. Например, в 2023 г. было извлечено 3238 поджелудочных желез, но пациенты получили только 24 из них. В списке ожидающих пересадки пациентов тогда числилось около 800 человек, и, если бы не пропажа, их потребности можно было закрыть разом.

В 2019 г. Трамп ввел новую систему оценки организаций по закупке органов (OPO). OPO действуют как посредники между семьей и больницей умершего донора с одной стороны и списком ожидания трансплантации с другой. По старой системе OPO оценивались по числу извлеченных органов на каждую “приемлемую для донации” смерть. Но, поскольку “приемлемость” смерти определяли сами OPO, это позволяло им работать спустя рукава. Новая система вводила заранее установленные критерии для умерших доноров. Теперь эффективность OPO определялась по тому, сколько органов они получат от всех подходящих доноров моложе 75 лет.

Эта система должна была подстегнуть работу OPO и добилась этого - но не так, как рассчитывали власти. Во-первых, как мы уже писали, OPO теперь пытаются разобрать на органы все еще живых доноров. Во-вторых, пациентов из начала списка ожидания (тех, кто не может ждать) стали обходить в пользу тех, кто был намного ниже, но лечился в более “удобной” для OPO больнице.

В одном из случаев первым в очереди был 15-летний Маркус Эдсалл-Парр, который 10 лет ждал трансплантации почки - и почти дождался. Ему сообщили, что получили орган от 29-летнего донора, который подходил идеально. Но в итоге почка досталась не ему, а мужчине средних лет, который был в списке на 3557 месте. Почему так вышло? Маркуса обошел более тяжелый пациент из другой больницы, которому требовалась пересадка нескольких органов, но в последний момент ее отменили. Вместо того, чтобы вернуть невостребованную почку врачам Маркуса, OPO, чтобы не предпринимать лишних усилий, оставила ее больнице, где лежал предыдущий пациент.

Таких случаев множество. OPO OneLegacy предложила донорское сердце Медицинскому центру Кека при Университете Южной Калифорнии, и оно подошло пациентке, занимавшей 11 место в списке ожидания медцентра. Но в общем списке она была на 115 месте, и ее состояние оценивалось как стабильное. Одним из тех, кого она обошла, был 55-летний пациент на 8 месте в общем списке, который умер 6 недель спустя. Почему орган достался именно этому медцентру? По словам OneLegacy, Кек забирал у них легкие от того же донора. Чтобы не искать другую больницу, они предложили им еще и сердце.

Причина проблемы проста: теперь OPO приходится распределять больше органов, и они не желают заниматься длительным поиском. Например, чтобы найти реципиента для почки из списка, OPO в среднем приходится обзванивать 12 врачей. Всем им нужно дать время, чтобы обсудить это с пациентами и принять решение, и процесс растягивается на много часов. Гораздо проще продать орган первой подвернувшейся больнице и забыть о нем.

Новая система увеличила общее число трансплантаций: если в 2019 г. их было 39,7 тыс., то в 2024 г. - 48,1 тыс. Но поставки органов все больше идут в обход приоритетных пациентов: если до 2019 г. таких случаев было 1-2%, то сейчас почти 20%.

Решила ли новая система проблему отбраковки уже изъятых органов. Удивительно, но нет. OPO продолжают выбрасывать жизнеспособные органы, даже в больших масштабах, чем раньше. Поскольку число изъятий и трансплантаций выросло, OPO отчитываются перед властями и чувствуют себя комфортно. Но нежелание делать больше для того, чтобы распределить возросшее число органов, приводит к тому, что оставшиеся массово утилизируют.

Рассвет новой эры: когда молекулы рождаются из данных

Мы стоим на пороге величайшей перемены в истории медицины. Впервые за тысячи лет человечество получило инструмент, который не просто ускоряет поиск лекарств, а меняет саму суть процесса. Искусственный интеллект превращает разработку препаратов из искусства интуиции и случайных открытий в точную науку предсказаний и дизайна.

Представьте: вместо 10–15 лет и миллиардов долларов на создание одного лекарства – всего 18 месяцев и несоизмеримо меньше затрат. Компания Insilico Medicine уже доказала, что это возможно: препарат INS018_055 для лечения лёгочного фиброза прошёл путь от выбора мишени до клинических испытаний менее чем за два года. Молекула, рождённая алгоритмами, показывает клиническую эффективность у реальных пациентов.

Истинная революция не в скорости. А в том, что ИИ видит невидимое. Алгоритм AlphaFold (Нобелевская премия по биологии прошлого года) предсказал структуры 200 миллионов белков – всех известных науке. За один проект было сделано больше, чем за 50 лет рентгеновской кристаллографии! Это как если бы Колумб вдруг получил в руки карту всех океанов.

ИИ находит закономерности в терабайтах биомедицинских данных, которые человеческий разум никогда не заметит. Recursion Pharmaceuticals обрабатывает 65 петабайт данных клеточных экспериментов. Система видит, как тысячи молекул изменяют клетки на микроскопическом уровне, и учится предсказывать, какие из них станут лекарствами.

Масштаб этого движения поражает. Каждый день генерируются миллионы медицинских записей. Каждая строчка – потенциальный прорыв. ИИ превращает историю болезни каждого пациента в данные для создания лекарства будущего. Централизованная база данных миллионами пациентов становится золотым прииском для фармацевтических компаний.

ИИ демократизирует инновации. Небольшие биотехнологические стартапы с умными алгоритмами конкурируют с гигантами индустрии. Платформа Atomwise, например, уже работает с сотнями исследователей по всему миру. Барьер входа в фармацевтические инновации снижается радикально.

В 2025 году более 75 препаратов, созданных с помощью ИИ, находятся в клинических испытаниях. Это реальные молекулы с регистрационными номерами, тестируемые на людях. Через десять лет треть новых лекарств будет создана при участии ИИ. Через двадцать – большинство.

Мы движемся к миру персонализированной медицины, где каждый пациент получает лекарство, созданное с учётом его генетического профиля, образа жизни и истории болезни. ИИ сделает возможным создание препаратов для редких болезней, которые сегодня экономически нецелесообразны – слишком мало пациентов, слишком дорого.

Кто-то скажет: «Не рано? Не слишком много обещаний?» Но именно так говорили о любой революционной технологии. Электричество, антибиотики, интернет – все начинались с сомнений. История движется смелостью исследователей и визионеров.

ИИ в фармацевтике – это новая парадигма. Мы учим машины понимать язык жизни, записанный в молекулах и генах. И когда этот диалог состоится, медицина изменится навсегда.

Будущее не светлое, как говорили в нашем детстве. Оно ослепительное!

Дискуссия развернулась 🔼

Один из главных "визионеров-практиков" нашего биотеха – глава Медтех.Москва Вячеслав Шуленин написал интересный пост про ИИ-трансформацию исследований лекарств. Как и свойственно визионерам, он несколько преувеличивает.

ИИ в фарме - золотая лихорадка: много шума, надежд, но богачами станут единицы. И, как правило, в "сервисах обслуживания старателей" - а не на лотке в ручье.

Начнём с цифр. Первые блины постигла участь всех первых блинов.
IBM Watson for Drug Discovery, запущенный в 2013 г. с обещанием изменить отрасль, закрыт в 2019-м.

Deep Genomics привлекла $238 млн, объявила о создании "первого терапевтического кандидата, открытого ИИ" в 2019 г., и к 2024-му не имела ни одного препарата в испытаниях.

BenevolentAI потеряла 90% капитализации после провала препарата BEN-2293 в КИ. Молекула от продвинутого ИИ не показала преимуществ перед плацебо.

Exscientia, первой выведшая ИИ-препарат в клинику, была поглощена Recursion после серии неудач.

Единственный громкий успех Insilico Medicine нуждается в контексте. Да, компания сократила ранние этапы с 4.5 лет до 18 месяцев. Но молекула INS018_055 всё ещё в фазе I КИ. До регистрации препарата — минимум 5-7 лет и сотни миллионов $.

Вероятность успеха? Ок. 10% для среднего кандидата. ИИ ускорил самую дешёвую часть процесса, но не решил (и не мог решить) главную проблему — непредсказуемость КИ и усложненность процесса регистрации.

Брендан Фрей, пионер ИИ и основатель Deep Genomics, в 2024 г.: "ИИ действительно подвёл всех нас в последнее десятилетие, когда дело касается открытия лекарств. Мы видели провал за провалом".

Фундаментальная биология сложнее, чем кажется. ИИ превосходно предсказывает свойства молекул, если есть хорошие данные для обучения. Современные модели достигают 75-90% точности в прогнозировании ADMET-параметров (как молекула усваивается, распределяется, выводится). Но это работает только для хорошо изученных молекул.
Когда дело доходит до принципиально новых соединений, точность падает катастрофически. ИИ не понимает биологию — он находит статистические корреляции. Дерек Лоу из Novartis: "Проблемы, которые индустрия хочет решить, почти обратно пропорциональны способности ИИ их решать".

Более того, 70-80% провалов препаратов в КИ происходят из-за недостаточной эффективности именно на людях (а не на животных моделях) — того, что ИИ не может предсказать без данных человеческих испытаний. Эффект плацебо, индивидуальная вариабельность, сложность заболеваний — всё это за пределами возможностей алгоритмов.

Результат? Почти все ИИ-стартапы в фармацевтике отказались от мечты создавать собственные лекарства и превратились в платформы, продающие инструменты крупным компаниям. Atomwise, BenevolentAI, даже Recursion — все следуют этой модели. Потому что разработка платформы приносит предсказуемый доход здесь и сейчас, а не через 10-15 лет с 10% вероятностью.

Это не означает, что ИИ бесполезен. У него есть чёткие области применения, где он реально помогает:
✅ Виртуальный скрининг миллионов молекул вместо дорогих лабораторных экспериментов.
✅ Предсказание токсичности на ранних стадиях.
✅ Перепрофилирование существующих препаратов для новых показаний.
✅ Оптимизация известных молекул.

Но революции не происходит. ИИ — мощный инструмент оптимизации существующих процессов, а не замена им. Это помощник химика. Ускоритель определённых этапов, а не волшебная палочка.

Реалистичный прогноз? В следующие 5-10 лет ИИ сократит стоимость ранних этапов разработки на 30-40% и ускорит их в 2-3 раза.  Фармацевтические компании будут использовать ИИ как стандартный инструмент, как сегодня используют высокопроизводительный скрининг. Некоторые препараты, созданные с помощью ИИ, выйдут на рынок и будут успешными. Но большинство стартапов, обещающих революцию, обанкротятся.

Это - реализм. Понимание реальных возможностей и ограничений технологии позволяет использовать её эффективно, не растрачивая ресурсы на недостижимые обещания. ИИ в фармацевтике — это эволюция, а не революция.
Будущее ИИ в медицине реально, достижимо и ценно. Просто оно выглядит иначе, чем в презентациях стартапов.

Нобелевская премия по медицине 2025 досталась Мэри Брункоу, Фреду Рамсделлу и Шимону Сакагучи: они произвели революцию в понимании того, как работает иммунитет и как организм защищает себя от аутоиммунных заболеваний. Рассказываем, как были сделаны эти открытия и почему это так важно.

В 1970-х гг. ученые предположили, что существует особый тип Т-лимфоцитов, ответственных не за уничтожение чужеродных клеток, а за подавление слишком активной иммунной системы. Эксперименты показали, что некоторые Т-клетки могут снижать иммунный ответ in vitro и in vivo. Но тогда авторы не смогли подтвердить свои догадки или выделить эти клетки, которые они назвали “супрессорными”. Концепция была встречена в научной среде со скепсисом и вскоре отброшена.

Исследования 1980-х гг. выявили, что центральное место в регуляции иммунитета занимает тимус, в котором Т-клетки созревают и проходят “контроль качества”. Клетки, проявляющие аутореактивные свойства, отбраковываются. На тот момент ученые считали, что этот механизм - единственное, что защищает организм от аутоиммунных заболеваний. Но вскоре выяснилось, что часть аутореактивных Т-клеток все же поступает в кровоток. Должно было быть что-то еще, что борется с такими клетками вне тимуса.

В начале 1990-х гг. свет на это пролил Шимон Сакагучи, который вдохновился исследованием своих коллег. Они предположили, что удаление тимуса у новорожденных мышей приведет к подавлению иммунитета, поскольку будет вырабатываться меньше Т-клеток. Но выяснилось, что если удалить тимус через 3 дня, иммунная система, напротив, выходит из-под контроля, приводя к множественным аутоиммунным заболеваниям. Супрессорные (позже названные регуляторными) Т-клетки, которые занимаются уничтожением аутореактивных, не успевали развиться за это время.

Сакагучи смог идентифицировать регуляторные Т-лимфоциты. Выяснилось, что за эту функцию отвечают клетки с поверхностными маркерами CD4 и CD25. Если их вводили мышам с удаленным тимусом, это предотвращало развитие аутоиммунных реакций. Но научное сообщество оставалось скептически настроенным и требовало дополнительных доказательств.

Их предоставили Мэри Брункоу и Фред Рамсделл, которые в 1990-х гг. работали в компании Celltech Chiroscience, специализировавшейся на аутоиммунных заболеваниях. Они изучали необычный случай мышей, подвергшихся радиации. В этой линии рождались самцы с шелушащейся кожей, увеличенной селезенкой и лимфоузлами, которые жили всего несколько недель. Брункоу и Рамсделл решили выявить ген, отвечающий за мутацию, что в середине 1990-х гг. требовало огромного объема работы и новаторских методов.

После долгих усилий они смогли выявить дефектный ген Х-хромосомы, названный ими FOXP3. В ходе работы Брункоу и Рамсделл начали подозревать, что человеческое аутоиммунное заболевание IPEX, также приводящее к дерматиту, связано с мутациями в том же гене. Позже они подтвердили это с помощью генетических тестов.

Их выводы привлекли внимание многих исследователей, которые предположили, что ген FOXP3 связан с функцией регуляторных Т-клеток. Спустя 2 года Сакагучи смог это доказать: выяснилось, что FOXP3 играет ключевую роль в их развитии.

Почему эти открытия важны? Они открыли дорогу целому направлению исследований в иммунологии:
❇️ Регуляторные Т-клетки имеют большой потенциал при лечении аутоиммунных заболеваний. Одни группы ищут способы повысить их активность для борьбы с системными нарушениями. Другие работают над тем, чтобы с помощью них предотвратить отторжение органов при пересадке.
❇️ Сейчас на стадии КИ более 200 препаратов и методов лечения, использующих регуляторные Т-клетки. Большая часть связана с выделением и размножением собственных клеток пациента, которые затем вводятся в организм. Иногда ученые модифицируют их, добавляя антитела, чтобы заставить клетку защищать определенный орган.
❇️ Также оказалось, что раковые опухоли привлекают регуляторные Т-клетки, чтобы защитить себя от иммунной системы. Теперь исследователи пытаются найти способ обойти эту защиту.

В научном мире главными бенефициарами ИИ стали ученые, желающие получить больше статей в резюме, ничего для этого не делая, и “бумажные фабрики” - организации, которые за плату пишут и публикуют в журналах работы, обычно очень плохого качества. Если раньше им приходилось беспокоиться о правдоподобности текста и проверках на плагиат, то LLM решили эти проблемы. В результате число ИИ-статей сейчас удваивается каждые 18 месяцев.

Самого плагиата при этом меньше не стало. Стандартный прием ИИ - статьи на основе реальных исследований, использующие те же переменные и делающие те же выводы, что и авторы оригинальных публикаций. Корректируется только выборка: ИИ может ссылаться на другие опросы или менять возраст пациентов. Недавно ученые из Великобритании и Австралии выявили 441 такую статью, опубликованную в 2021-2025 гг. в крупных издательствах. 35% из них были размещены в журналах Frontiers и 37% - в Springer Nature. На самом деле это только вершина айсберга, поскольку подобные статьи сложно обнаружить.

Другой индикатор ИИ-статей - подозрительно низкие показатели при проверке на антиплагиат. Если нормальные статьи обычно имеют 10-15% сходства с другими работами, то поддельные - 2-5%. ИИ избегает любых заимствований в тексте и часто впадает в другую крайность: пытается переформулировать даже общепринятые термины. Результат обычно самый абсурдный - фразы вроде misleading negative (“вводящий в заблуждение отрицательный”) вместо false negative (“ложноотрицательный) или counterfeit consciousness (“поддельное сознание”) вместо artificial intelligence (“искусственный интеллект”).

Еще один показатель - характерные для ИИ фразы, которые “авторы” статей не удосуживаются удалить. В 2024 г. шведские ученые провели поиск в Google Scholar по двум часто встречающимся фразам: “по состоянию на мое последнее обновление информации” и “у меня нет доступа к данным в реальном времени”. В результате они нашли 227 статей, в 139 из которых не было указано, что авторы использовали ИИ при их написании.

Но настоящие проблемы начинаются там, где подделки ИИ распознать не удается. За последние годы он научился выдавать не только текст, но и изображения высокого качества. Если раньше измененные в Photoshop фото можно было отличить с помощью артефактов - визуальных искажений при обработке, то сейчас сгенерированные ИИ картинки часто выглядят очень правдоподобно. Такие изображения, от данных вестерн-блоттинга (метода обнаружения белков) до микроскопических фото наноматериалов, обманывают даже экспертов.

Другая новая проблема - ИИ-рецензирование настоящих статей. Рецензенты журналов начали прибегать к LLM ради упрощения процесса, но им не хватает экспертной глубины, и они часто делают ошибки. В одном из случаев южнокорейский профессор, подавший статью в международный журнал, получил рецензию, которая сильно отличалась от остальных. Она была расплывчатой и шаблонной, некорректно передавала содержание статьи и предъявляла странные претензии: хотя статья была посвящена новому методу оценки окружающей среды, рецензент упрекнул ее авторов в “отсутствии исследований влияния на поведение животных, такое как кормление или спаривание”. Когда профессор сам сгенерировал с помощью ИИ рецензию на свою статью, она оказалась очень похожей.

В чем проблема ИИ-статей для науки?
❇️ Их обилие способно сделать “мусорными” целые направления исследований. Если они приобретут репутацию сомнительных, ученые будут избегать публикации настоящих работ среди вала поддельных.
❇️ ИИ не только воспроизводит результаты других статей. Часто выводы откровенно подложные и не имеют отношения к реальности. Если ученые, например, из фармкомпаний, возьмут их за основу дальнейших исследований, это может навредить пациентам в перспективе.
❇️ Усугубление культуры “публикуйся или умри” - негласного требования постоянно писать статьи, даже если это отнимает время от реальной научной работы. Те, кто ранее отказывался от помощи ИИ в написании статей, будут вынуждены прибегать к ней под давлением массово публикующихся с помощью LLM коллег.

Гениталии самца крысы в представлении Midjourney. Надписи - почти полная бессмыслица (“testtomcels”, “senctolic”, “dissilced”, “iollotte sserotgomar”, “diƨlocttal stem ells” и т.д.), но хоть со словом “rat” (крыса) угадали.

Это изображение было опубликовано в рецензируемом научном журнале Frontiers in Cell and Developmental Biology в статье под названием “Cellular functions of spermatogonial stem cells in relation to JAK/STAT signaling pathway”. Статья с тех пор была отозвана, но осадочек остался.

Последние годы принесли множество прорывов в сфере ксенотрансплантологии - пересадки человеку органов животных (преимущественно свиней). Пациент, получивший свиную почку в январе 2025 г., до сих пор жив и чувствует себя лучше, чем до трансплантации. А на днях китайские ученые опубликовали статью об успешной пересадке человеку печени от свиньи, что стало сенсацией.

Почему именно свиньи? Раньше трансплантологи пытались использовать органы нечеловекообразных приматов, например, бабуинов. Но у свиней есть несколько преимуществ: они быстро размножаются и растут, их органы похожи по размеру на человеческие, и они с меньшей вероятностью передадут человеку зоонозные инфекции.

Для того, чтобы органы подошли, свиней генетически модифицируют. Например, компания eGenesis, предоставляющая органы для пересадки и исследований, вносит 69 изменений. В их числе удаление свиных антител, на которые реагирует иммунитет человека, добавление человеческих генов для улучшения совместимости и инактивация ретровирусов в геноме свиньи, чтобы исключить их передачу реципиенту.

С пересадкой сердца человеку ученые начали экспериментировать еще несколько лет назад. В 2022 г. Дэвид Беннетт стал первым пациентом, получившим свиное сердце. Оно нормально работало в течение 7 недель, после чего у пациента развилась сердечная недостаточность. Хотя Беннетт прожил всего 2 месяца после операции, для ксенотрансплантологии это было многообещающее начало.

В 2024 г. человеку впервые была пересажена свиная почка. Пациент по имени Рик Слейман, страдавший ХБП, за несколько лет до этого уже получил человеческую, но она дала сбой, и ему пришлось вернуться к диализу. Врачи Гарвардской медицинской школы провели трансплантацию, и она прошла успешно. Спустя почти 2 месяца Слейман также скончался, но его смерть не была связана с почкой - он умер из-за проблем с сердцем.

Об этой истории узнал еще один пациент с ХБП, Тимоти Эндрюс, который 10 лет стоял в очереди на пересадку почки и очень плохо переносил диализ. К концу 2024 г. он передвигался в инвалидном кресле, у него также произошел инфаркт. Эндрюс сам связался с больницей, где делали пересадку Слейману, и попросил о встрече с гарвардскими трансплантологами. После того, как 25 января 2025 г. его также прооперировали, он смог танцевать и вышел из больницы на своих ногах. Сейчас Эндрюс вернулся к своей обычной жизни, за исключением осмотров 2 раза в неделю.

Но если трансплантация таких органов как сердце и почки считается сравнительно легкой, то с печенью все было сложнее. Она имеет двойное кровоснабжение и множество функций, от фильтрации и вывода токсинов до регуляции обмена веществ, синтеза белков и хранения энергетических резервов. Из-за высоких рисков исследователи ограничивались экспериментами на пациентах со смертью мозга. В 2024 г. ученые Университета Пенсильвании на 72 часа подсоединили свиную печень с помощью кровеносных трубок к телу реципиента, и за это время не возникло признаков воспаления. В другом случае китайские врачи пересадили пациенту свиную печень, и в течение 10 дней она нормально функционировала, пока родственники не попросили ее изъять.

Но недавно другая китайская группа ученых сообщила о пересадке печени от свиньи живому человеку. У пациента с циррозом и раком после удаления опухоли оставалось слишком мало ткани печени, чтобы он мог выжить. Подходящего донора не было, и врачи рискнули пересадить орган свиньи. В течение месяца самочувствие пациента было нормальным, но затем у него развилось воспаление и ТМА - тромбы в мелких сосудах. К тому времени собственная печень пациента восстановилась достаточно, и на 38 день свиную удалили. После этого пациент прожил еще почти 5 месяцев, в итоге скончавшись от кровотечения в ЖКТ.

Сейчас ученые считают, что ксенотрансплантация печени - перспективная временная мера для того, чтобы поддержать печень реципиента, пока она восстанавливается. Учитывая нехватку человеческих органов, это может стать обычной практикой - если только удастся решить проблемы воспаления и других осложнений пересадки.

Индийскую фармпромышленность продолжают сотрясать скандалы. Основная проблема Индии - отсутствие контроля за производством препаратов, в результате чего значительная часть оказывается некачественной или просто подделками. Хотя большинство сомнительных лекарств попадает на внутренний рынок, они могут также оказаться и в вашей аптечке.

В 2022 г. в Гамбии погибло более 70 детей из-за индийского сиропа от кашля, в котором были большие количества этиленгликоля (ЭГ) и диэтиленгликоля (ДЭГ). Тогда же в Узбекистане умерло 18 детей из-за сиропа с ЭГ от другого производителя. Обе компании уверяли, что их продукция в полном порядке, санитарные нормы соблюдены, а контроль проводится регулярно. Правительство Индии встало на сторону своих производителей, заявив, что препараты соответствуют стандартам качества, а ВОЗ проявила “самонадеянность”, когда обвинила индийские компании в смерти детей. Власти ограничились тем, что демонстративно закрыли несколько фабрик, объявили о внедрении стандартов GMP и обязали компании тестировать образцы перед экспортом.

Выводы сделаны не были, и следующая трагедия постигла уже индийские семьи. Осенью 2025 г. от почечной недостаточности умерло 23 ребенка, которым давали сироп от кашля от еще одного производителя. Тесты показали, что он содержал 48,6% ДЭГ при максимально допустимом уровне 0,1%, не говоря уже о других ингредиентах, запрещенных для детей младшего возраста. В ответ правительство призвало поменьше давать детям сиропы от кашля, которыми в Индии лечат любую простуду.

Но скандал с сиропами оказался полезен хотя бы тем, что привлек внимание властей к проблеме. Правительство штата Раджастан уволило госконтролера лекарственных средств, заодно подняв документацию по проверкам препаратов. Выяснилось, что многие ключевые лекарства (от антибиотиков и антигистаминных до обезболивающих и противодиабетических) не прошли тесты на качество, но были выпущены на рынок и продаются сотнями тысяч упаковок. В некоторых препаратах не хватало субстанций. Другие оказались зараженными инфекцией, включая физраствор, поставляемый в больницы. По закону госконтролер должен был подать в суд и внести препараты в национальный черный список, но вместо этого предпочел покрывать компании.

Местные эксперты утверждают, что нет практически ни одного заболевания, против которого в Индии не производились бы контрафактные или некачественные препараты. Как выразился отставной комиссар по лекарственным препаратам, “я не доверяю лекарствам, которые сейчас есть на рынке. На самом деле, инсулин, который я принимаю, тоже может быть поддельным”.

Почему производители фальсификата чувствуют себя в Индии так комфортно?
❇️ Система передачи лицензий. Когда компания получает лицензию на производство препарата, она имеет право передать ее подрядчику. Иногда из-за этого невозможно понять, кто на самом деле изготовил лекарство. Это избавляет производителей от внимания госорганов и позволяет меньше концентрироваться на качестве.
❇️ Проверки часто выполняются спустя рукава. Инспекторы имеют право не публиковать отчеты, поэтому оценить, насколько тщательно была проведена проверка, нельзя, а коррупция процветает.
❇️ Отзыв лицензий крайне редок. Из 10 159 проверок в 2015-2019 гг. закончилось возбуждением уголовных дел только 142, и только 8 из этих дел были завершены.
❇️ Даже если у компании отозвали лицензию в одном штате, она переезжает в другой и начинает все сначала. У каждого штата есть собственная система контроля, и между ними почти отсутствует коммуникация. В результате регуляторы не знают, были ли у производителя проблемы с качеством в прошлом.
❇️ Если ненадлежащее качество препарата будет доказано, это еще не означает, что его отзовут - для этого нет соответствующего механизма. Возможный закон об отзыве партий лекарств обсуждается в Индии с 1976 г., но воз и ныне там.

В Великобритании произошел очередной скандал в рядах NHS. Мужчина 2 месяца работал под женским именем в больнице Chester Hospital в Чешире, и за это время никто не заметил подмены. Даже когда обман вскрылся, он практически не получил наказания.

Нигериец Люциус Нджоку прибыл в Великобританию в качестве студента, и ему срочно нужны были деньги. У него была квалификация в сестринском деле, но проверки безопасности задержались, а без них он не мог официально устроиться в больницу. Но Нджоку нашел выход из положения - его подруга Джойс Джордж, также из Нигерии, прошла собеседование и получила работу, после чего передала ему бейдж с ее именем и фотографией.

Нджоку работал в Chester Hospital с февраля по апрель 2024 г. и выполнял обычные сестринские обязанности - вел наблюдение за пациентами, одевал, мыл их и т.д. Джордж получала на свой телефон сообщения о сменах и пересылала информацию ему. Никто так и не заподозрил, что Нджоку работает не под своим именем, за исключением одного пациента. Когда этот пациент спросил о его идентичности, Нджоку заявил: “меня зовут Джойс, но я мужчина”.

Примечательно, что в итоге он прошел проверки безопасности, но продолжать карьеру в сфере ухода не стал, предпочтя больнице автоконцерн Vauxhall. Тем не менее 2 месяца работы под чужим именем стоили ему некоторых неприятностей с законом. Нджоку приговорили к 16 неделям тюремного заключения с отсрочкой исполнения на год, 80 часам неоплачиваемых работ и уплате 239 фунтов. При этом его даже не выслали из страны, поскольку виза его жены позволяет ему находиться в Великобритании. В отличие от него, Джордж предпочла вернуться в Нигерию, чтобы не иметь дело с британским правосудием.

Хотя эта история кажется курьезом, она вполне укладывается в общие социальные тенденции Великобритании.
❇️ Во-первых, это в очередной раз показывает, с какой легкостью практически любой может получить работу в NHS. Мы регулярно слышим о “помощниках врача”, не имеющих медицинского образования, и хирургах, которые оперируют пациентов, пройдя минимальное “обучение” прямо у операционного стола. Пациентам Нджоку повезло, что у него было образование, и он, по-видимому, знал, что делает. Но на его месте мог оказаться и более опасный самозванец.
❇️ Во-вторых, маловероятно, что никто из его коллег не обратил внимание на женское имя и фото на бейджике. Но в Великобритании, как и в других западных странах, действует социальный запрет на “мисгендеринг” - обращение к человеку по его биологическому полу, если он решил его сменить. Этот запрет подкрепляется судебными исками, штрафами и тюремным заключением, как это произошло, например, с одним канадским отцом, который отказался говорить о своей дочери как о “сыне”. В результате коллеги Нджоку могли не поднимать шум из-за несоответствия имени и фото его внешности, опасаясь обвинений.

За последние годы судьи назначили немало штрафов адвокатам, использующим ИИ для подготовки документов, но сами они также идут в ногу со временем. В одном таком случае биотехнологическая компания CorMedix Inc. получила решение судьи, полное неточностей, характерных для LLM.

CorMedix участвовала в споре с акционерами, заявлявшими, что компания предоставила ложную информацию о своем препарате DefenCath во время попытки получить одобрение FDA. CorMedix подала ходатайство на отклонение иска акционеров, но получила отказ, в котором было много ошибок. Судья Жюльен Ксавье Нилс назвал поведение ответчиков “классическим доказательством умысла”, а сертификацию препарата руководством - “ложными заявлениями”, процитировав при этом более ранние дела. На самом деле таких цитат в этих делах не было. Заодно Нилс перепутал судебные округа и приписал CorMedix пару заявлений, которые она не делала.

Когда юристы компании указали судье на ошибки, он отозвал решение. Неофициально суд сослался на то, что проект решения готовил временный помощник, и исследование, проведенное с помощью ИИ, “случайно” попало в итоговый вариант. Формально использование ИИ так и не было раскрыто.

В другом случае суд выдумал несуществующих истцов, ответчиков и свидетелей. В Миссисипи судья Генри Уингейт вынес решение, блокирующее усилия властей по запрету программ равенства и инклюзивности в университетах. Оно изобиловало ошибками: из 12 перечисленных истцов реальности соответствовал только 1, двое из упомянутых ответчиков также были фальшивыми. Кроме того, суд ссылался на показания 4 свидетелей, которых не было в протоколе. В решении было множество и других фактических ошибок - от несуществующих цитат до упоминания событий, которые никогда не происходили. После жалобы юристов решение также было отозвано.

При этом суды не стесняются штрафовать адвокатов, если они используют ИИ при подготовке документов. На днях судья в Алабаме назначил одному из них штраф в $5 тыс. и обязательство уведомлять будущих клиентов об инциденте, раскритиковав его поведение на 18 страницах. В другом недавнем случае в Квебеке мужчина, защищавший себя в суде самостоятельно, также получил штраф в размере C$5 тыс. Судья заявил, что ответчик “должен в одиночку вынести весь позор из-за цитат, «придуманных» ИИ, на которые он опирался, строя свою позицию”.

Несмотря на это, некоторые страны начинают использовать ИИ в качестве помощников судей. Например, мексиканская система Expertius консультирует судей по вопросу о том, имеет ли истец право на получение пенсии. При этом некоторые правительства рассматривают перспективу перехода на LLM в качестве судей первой инстанции. Общество пока не готово к такому шагу, но стремление властей сэкономить на содержании судебной системы может привести внедрению ИИ раньше, чем оно привыкнет к этой идее.

В чем проблема ИИ-судей и LLM-адвокатов?

*️⃣ Подготовка судебных документов с помощью ИИ требует скрупулезного фактчекинга, который занимает ненамного меньше времени, чем написание текста с нуля.
*️⃣ То же самое касается судебных решений, вынесенных ИИ: кто-то должен проверять достоверность фактов и то, правильно ли модель поняла “дух и букву” закона. Будет ли это требовать меньше ресурсов, чем работа судьи-человека - большой вопрос.
*️⃣ Нагрузка на апелляционные инстанции вырастет из-за ошибок, допущенных ИИ.
*️⃣ Судебная система может быть взломана, а данные подделаны, что приведет к искажению вердиктов.
*️⃣ Судья принимает во внимание не только закон, но и намерения сторон, раскаяние и иные обстоятельства. ИИ, не понимающий контекст и эмоции, на это не способен. Соломоново решение о разделе ребенка пополам, скорее всего, было бы признано справедливым и рациональным.
*️⃣ Еще одна общая проблема ИИ - легитимность и ответственность. Неизвестно, кто будет отвечать в случае, если неверное решение приведет к ущербу.

За последние годы в Великобритании произошло 2 крупных скандала с роддомами, где из-за халатности врачей умерло несколько сотен младенцев и матерей. Теперь правительство хочет исключить их из обзора “недостатков системы” родовспоможения NHS.

Проблемы одного роддома, больницы Шрусбери и Телфорда, были связаны с пренебрежением к пациентам и стремлением выполнить план по естественным родам, даже когда роженице требовалось кесарево. Жалобы на больницу начались еще в 2000-х, когда один новорожденный умер из-за того, что персонал не уследил за отклонениями на кардиомониторе, а другая получила смертельные травмы, пока ее вытаскивали щипцами. Когда к 2017 г. дело дошло до парламента, они рассматривали только 23 случая - но позже расследование было расширено до 1,5 тыс.

Причины смерти детей были самые разнообразные, от травматичных родов до отсутствия диагностики. Одна девочка умерла на следующий день после рождения от неонатального менингита, о котором никто не знал, и акушерки уверяли мать, что она в полном порядке. Другой новорожденной не диагностировали тяжелую анемию, и она скончалась спустя 6 часов. Минимум 201 ребенок и 9 матерей погибли непосредственно из-за халатности врачей, и десятки остались инвалидами. Траст NHS, к которому относится больница, даже не пытался расследовать случаи и обвинял матерей в смерти детей - и их собственной.

В 2022 г. был опубликован доклад по результатам расследования. Тогда траст признал, что “подвел сообщество”, и заявил, что рекомендации по улучшению были учтены. Больница провела день открытых дверей, чтобы посетители могли “лично убедиться в улучшениях, которые мы вносим в нашу современную и гостеприимную службу”. На этом неприятности для нее были закончены, хотя расследование полиции формально продолжается. Заодно оно стало удобным предлогом для того, чтобы исключить случай Шрусбери и Телфорда из национального расследования, проводимого по распоряжению правительства. По словам ответственных лиц, это решение служит интересам дела и защите пострадавших. Самих пострадавших, добивавшихся максимальной огласки, оно привело в ярость.

Второй скандал касался двух роддомов в Лидсе. С 2019 по 2024 гг. там произошло 56 случаев смерти детей и 2 смерти мателей, которые врачебное вмешательство могло бы предотвратить. Например, беременная женщина обратилась в одну из этих больниц с такой сильной болью в животе, что она не могла ходить, ей прописали парацетамол и отправили домой. Когда спустя несколько дней ее экстренно прооперировали, оказалось, что у нее был крупный тромб. Ребенка спасти не удалось. Инспекторы также обнаружили в роддомах антисанитарные условия, неправильное хранение лекарств и “культуру обвинений”, из-за которой персонал боялся поднимать шум.

История Лидса практически полностью повторила случай Шрусбери и Телфорда. Траст заявил, что принял меры и хочет “заверить каждую семью” в своей приверженности “обеспечению безопасного и сострадательного ухода”. Единственным отличием был предлог, под которым этот случай изъяли из национального расследования - его выделили в отдельное дело, хотя он мог фигурировать в обоих.

Почему это проблема? Исключение самых громких случаев - попытка замолчать произошедшее: оба отдельных расследования получают гораздо меньше ресурсов и общественного внимания, чем национальное. Кроме того, правительство пытается сэкономить на внедрении новых стандартов по всей стране. При разбирательстве случая Шрусбери и Телфорда подчеркивалось, что рекомендации должны быть учтены во всех роддомах Великобритании - что за несколько лет так и не было сделано. Если бы они были продублированы в национальном обзоре, руководству NHS пришлось бы обратить на них внимание и смириться с расходами.

ИИ назначают больше ненужных анализов и неправильных лекарств, чем врачи, когда пациенты обращаются к ним за диагнозами. Авторы статьи в Nature обнаружили, что LLM рекомендуют избыточные обследования почти всем пациентам, а лишние лекарства - как минимум, каждому второму.

Ученые исследовали точность ИИ на примере популярных в Китае чат-ботов: ERNIE, DeepSeek и ChatGPT. Они выбрали 2 диагноза - нестабильную стенокардию и астму, симптомы которых часто встречаются и требуют исключения других заболеваний. “Пациенты” имитировали реальный диалог: начинали с общих жалоб на боль в груди или одышку, а затем отвечали на вопросы ИИ. В разговоре они описывали симптомы, историю болезни и социально-демографические характеристики.

ERNIE, популярный в Китае местный ИИ, верно диагностировал стенокардию в 76,6% и астму в 78,1% случаев. Он также назначил правильные препараты против обоих заболеваний в 94% случаев. Но более чем половине “пациентов” ИИ заодно “выписал” ненужные или опасные при их диагнозе лекарства (57%). Почти всем он назначал избыточные обследования, не предусмотренные протоколом (91,95%).

С DeepSeek и ChatGPT повторилась та же история: очень высокие показатели корректного диагноза (92,5% для ChatGPT и 100% для DeepSeek) и правильных препаратов (100% у обоих). Но у этих моделей было еще больше ненужных назначений, чем у ERNIE. ChatGPT рекомендовал избыточные тесты в 92,5% случаев, DeepSeek - в 100%. ChatGPT назначил неправильные препараты 67,5% пациентов, DeepSeek - 60%.

Заодно авторы сравнили результаты ИИ и настоящих врачей из Китая, которые согласились поучаствовать в исследовании, но не знали “целевых” диагнозов. Точность диагностики у них была гораздо ниже - 25%. Нужно отметить, что это связано не с тем, что врачи уступают ИИ, а с непривычными условиями работы. В норме они не ставят диагнозы без базового осмотра (прослушивания сердца или легких) и результатов обследований, например, ЭКГ. Но даже при том, что врачи, в отличие от ИИ, полагаются на физическую диагностику, а не только слова пациента, они запрашивали избыточные обследования гораздо реже: в 35% случаев. Неправильных лекарств было еще меньше (20%).

Всего врачи в среднем назначали 2,78 обследования, тогда как ИИ - 3,89 (рекордсменом стал DeepSeek с 4,93). Для лекарств разница была еще больше: врачи выписывали 0,65 препаратов на пациента, ИИ - 5,17 (самый высокий показатель, опять же, у DeepSeek - 5,93). Чем старше и богаче был пациент, тем больше препаратов ему советовали ИИ.

Какие выводы можно сделать?
❇️ Как обычно, не стоит обольщаться по поводу точности ИИ. Хотя авторы статьи имитировали настоящий диалог, информация, которую они предоставляли LLM, была хорошо подготовлена - она была структурированной, четкой и содержала все необходимые подсказки. В реальной жизни разговоры с ИИ сильно отличаются, так что надеяться на 100% точность DeepSeek и бежать покупать все назначенные им лекарства не стоит.
❇️ Многие препараты, “выписываемые” ИИ, не имеют отношения к диагнозу, даже если он поставлен верно. Если заболевание диагностировано неправильно, риски возрастают еще больше. LLM предлагали пациентам со стенокардией антибиотики и психиатрические препараты, а астматикам - таблетки с лакрицей и ибупрофен.
❇️ Избыточные обследования, которые советуют ИИ, усиливают “киберхондрию” - ипохондрию, провоцируемую избытком информации в Интернете. Если раньше пациенты находили в Google сотню диагнозов на свой симптом, но все же шли к врачу, то теперь ИИ прямо рекомендует им КТ, МРТ и длинный список анализов.
❇️ ИИ может быть полезен для того, чтобы наметить общее направление действий: определить, какие диагнозы нужно исключить при данных симптомах. Известно немало случаев, когда LLM подсказывали болезнь, которую упустили врачи. Но даже так назначать обследования, ставить окончательный диагноз и, тем более, выписывать препараты может только лечащий врач.

Трамп, объявивший войну парацетамолу как главному виновнику аутизма, теперь нашел и лекарство от него - на эту роль был назначен лейковорин. FDA одобрила его в экстренном порядке без исследований, а администрация Трампа продвигает в качестве средства против аутизма везде, где только можно.

Лейковорин, или фолиновая кислота, - это витамин B9, метаболически активная форма фолата. В отличие от схожей с ним фолиевой кислоты, для усваивания лейковорина не требуется фермент ДГФР. Некоторые химиотерапевтические препараты, такие как метотрексат, ингибируют ДГФР, и принимающим их пациентам прописывают лейковорин.

При чем здесь аутизм? Схожие с ним симптомы проявляются при церебральной фолатной недостаточности (ЦФН) - генетическом заболевании, при котором фолаты не поступают в ЦНС в достаточных количествах. Заболевание лечится лейковорином или 5-MTHF, еще одним активным метаболитом фолата, и при своевременном начале терапии удается добиться прогресса. Это вдохновило Трампа и других желающих найти “волшебную таблетку” от аутизма - несмотря на то, что большинство его случаев не имеет отношения к дефициту фолатов.

Хотя лейковорин применяется при терапии ЦФН давно, должных КИ в этом отношении не проводилось. Но FDA, чутко реагирующая на любую новую политику - что в отношении COVID-19, что по поводу аутизма, откликнулась на призыв Трампа и одобрила лейковорин против ЦФН без КИ, на основе анализа литературы. Почему это проблема? Во-первых, это опасный прецедент. Во-вторых, исследования, часто описывающие лечение отдельных пациентов, не дают общую картину эффективности и побочек постоянного приема в высоких дозах. Случаи, когда препарат помогает нескольким пациентам, например, в фазе I КИ, но проваливается в более широких исследованиях фазы III, происходят сплошь и рядом.

Но если эффективность лейковорина в отношении ЦФН хотя бы можно себе представить, то реклама против общего аутизма, которую ему устроила администрация Трампа, вводит в заблуждение общественность. “Это многообещающая терапия, которая может принести пользу большому числу детей, страдающих аутизмом”, заявил министр здравоохранения Кеннеди. Лейковорин “даёт надежду многим родителям детей с аутизмом”, утверждает Трамп.

В результате многие родители перешли на терапию лейковорином даже в тех случаях, когда аутизм связан с другими причинами. Одна из групп в соцсетях, посвященных лейковорину при аутизме, к ноябрю насчитывала уже 84 тыс. подписчиков. Явление приобрело такие масштабы, что Американская академия педиатрии заявила, что не рекомендует его при аутизме из-за отсутствия доказательств эффективности.

В чем проблема новой политики?

❇️ Хотя в соцсетях много отзывов от родителей, уверяющих, что фолаты мгновенно улучшили состояние их детей, обычно это результат самовнушения. ЦФН диагностируется еще в младенческом возрасте, и ее сложно пропустить. Аутизм, выявленный позже, как правило, не имеет отношения к дефициту В9.
❇️ Идея “волшебной таблетки” заманчива для многих родителей, для которых стресс из-за тяжелых прогнозов оказывается непосильным. Но аутизм формируется множеством способов: одних только генов, вызывающих его, насчитывается несколько сотен. Лечение для некоторых из них со временем может быть найдено, другие могут остаться неизлечимыми. Главная терапия, которая требуется детям с аутизмом - занятия, направленные на развитие.
❇️ Если кто-то и выиграл от новой политики Трампа, то это производители всех форм фолатов - от лейковорина до фолиевой кислоты. Руководство Medicare и Medicaid пообещало, что лейковорин будет бесплатным для пациентов с ЦФН. Но родители детей с обычным аутизмом, решившие лечить их витамином В9, вынуждены покупать его самостоятельно. iHerb и другие производители БАДов тут же предложили “помощь”, начав бомбардировать педиатров рекламой фолатов.

На волне успеха оземпика компании начали разрабатывать генную терапию. Ее цель - уменьшить число инъекций или сделать введение однократным, а заодно избавиться от побочек агонистов рецепторов GLP-1. Но, как это бывает с генной терапией, взамен она обещает новые.

Практика выявила многочисленные проблемы агонистов рецепторов GLP-1, таких как семаглутид: пациенты теряют не только жир, но и мышечную массу, а побочки включают гастропарез, панкреатит и потерю зрения. Кроме того, препараты остаются дорогими: даже со “скидкой Трампа” оземпик в США стоит $499 в месяц. Почти 2/3 людей, использующих их для снижения веса, прекращают прием в первый же год.

Хотя бы часть этих проблем надеются решить компании, создающие генную терапию на основе GLP-1. Одна из них, Fractyl Health, планирует внедрять ген GLP-1 в бета-клетки поджелудочной железы с помощью вектора AAV9. По замыслу компании, лечение будет одноразовым. В сочетании с локальным введением и низкой дозой вируса это должно обеспечить сравнительную безопасность.

На днях Fractyl представила результаты краткосрочных испытаний на мышах: грызуны с ожирением теряли более чем 10% веса и удерживали этот показатель в течение 90 дней. Но разработчики не остановились на этом - они считают, что их генная терапия будет эффективна для профилактики набора веса у стройных людей. Они проверяли свою теорию на худых мышах, которых сажали на высококалорийную диету. Мыши, которым вводили ген GLP-1, сохраняли прежний вес, пока их сородичи толстели.

Другая компания, RenBio, предлагает не встраивать новый ген в собственный геном клеток, а использовать кодирующие его ДНК-плазмиды, которые будут действовать временно. Плазмиды доставляются в клетку с помощью электроимпульсов. В отличие от Fractyl, технология RenBio использует не сам GLP-1, а белок-агонист его рецепторов, схожий по действию с семаглутидом. В долгосрочных исследованиях на мышах спустя 55 недель грызуны сохраняли вес на 10% ниже исходного. Но компания заявляет, что эффект не будет постоянным. Идея заключается в том, чтобы делать “прививку от ожирения” раз в 1-1,5 года.

Разработок в этой сфере множество. Японские ученые, опубликовавшие статью в Nature, предложили использовать для выработки агониста рецепторов GLP-1 клетки печени, а для доставки - липидные наночастицы (LNP), схожие с теми, которые применяются в мРНК-вакцинах. Саму мРНК также пытаются использовать в этих целях, например, с ней работает Пекинский университет.

Хотя эти исследования находятся на доклинической стадии, через несколько лет генная терапия ожирения может выйти на рынок. Какие нюансы скрываются за рекламой “универсального укола”?

❇️ Терапия “вакцинного” формата с агонистами рецепторов GLP-1 будет одновременно сочетать все побочки оземпика и проблемы систем доставки. LNP накапливаются в тканях по всему организму, доставка ДНК с помощью электроимпульсов может повреждать клетки - и обе они вызывают воспаление.
❇️ Классическая генная терапия с вирусными векторами известна раком в качестве побочки. Когда речь идет о тяжелых генетических патологиях, от которых нет другого лечения, риск может быть оправдан. Но массовое использование генной терапии вместо диеты может привести к эпидемии онкологических заболеваний.
❇️ Еще одна тревожная тенденция - испытание генной терапии “для профилактики”. Идея “волшебного укола”, позволяющего есть что угодно и не толстеть, понравится многим - и это расширяет аудиторию терапии на всю популяцию. К тому времени, как будет накоплено достаточно данных о побочках, может быть уже слишком поздно.
❇️ Чтобы конкурировать с обычными агонистами рецепторов GLP-1, разработчикам придется установить более низкие цены, чем обычно - о нескольких млн долларов, как за золгенсму, речь явно идти не будет. Но американское ценообразование отталкивается от стоимости конкурентных препаратов. В результате “вакцина” на 1 год может стоить долларов на 100 дешевле годового курса оземпика.

Сегодня – всемирный день науки ООН. И я имею кое-что сказать по этому поводу.

Наука — это деньги. Которых всегда не хватает. Гранты урезают, бюджеты замораживают, приоритеты меняют. Но есть одна категория людей, которая никогда не отступает: родители умирающих детей. Потому что люди более всего неравнодушны к себе. А твой ребёнок — это и есть ты.

В 1955 году педиатр Шарплс основала Cystic Fibrosis Foundation — её двое детей умирали от муковисцидоза. С четкой задачей – победить болезнь. Фонд инвестировал в биотехстартапы собранные деньги. Результат: $3,3 миллиарда прибыли на вложенные 40 млн и кратное увеличение жизни для больных муковисцидозом сегодня. В 1984 году экономист Одоне узнал, что его сын Лоренцо умрёт через два года от адренолейкодистрофии. Не имея биологического образования, он изучал биохимию в библиотеках, организовывал научные конгрессы, обзвонил сотню фармкомпаний, нашёл химика, согласившегося синтезировать экспериментальное лекарство. Лоренцо прожил 30 лет, но главное – для других детей болезнь оказалась побеждена через профилактику «маслом Лоренцо». В 1998 году юрист Кроули получил диагноз болезни Помпе для двоих детей. Он ушёл с работы, взял кредит под залог дома в $100,000, основал биотех-стартап. Через 18 месяцев продал его за $225 миллионов. Его дети получили лечение. Сегодня более 3000 пациентов по всему миру живут благодаря этому лекарству.
Таких историй на самом деле множество – я привел те, про которые можно почитать книги и посмотреть фильмы.

Родительская филантропия эффективнее государственной науки по простой причине: экзистенциальная мотивация. Когда на кону жизнь твоего ребёнка, ты готов рисковать всем — домом, карьерой, репутацией. Не отступаешь, когда все говорят "невозможно". Так получилось, что я в этом неплохо понимаю. Когда в справочнике написано: «Терапии нет. Без поддерживающего лечения дети редко доживают до 10 лет» - это очень освежает мозги и заставляет двигаться быстрее.

Не благотворительность в российском смысле — "купить пилюлек Андрейке". Это венчурная филантропия: понять саму природу болезни, предотвратить её для тысяч будущих детей и чем черт не шутит может и самому в этот вагон заскочить. Будем честными: в России такая модель не работает. Первое — наша благотворительность остаётся в парадигме "творить благо конкретному человеку", а не финансировать рискованные исследования. Второе — нет стартап-экосистемы в биотехе: венчурных фондов для орфанки, регуляторов с fast track-поддержкой, инвесторов, понимающих орфанную экономику. Третье — культурный код: православное милосердие к страждущему против протестантской идеи "улучшения человечества через знание".

Поэтому тем ценнее, когда к общественно полезным научным исследованиям подтягиваются благотворители. Я уже несколько раз писал про Фонд «Глобальный Альянс Содействия» — редкий пример организации, администрирующую науку не как "помощь конкретному больному", а как инвестицию в прорывные технологии, которые по какой то причине «тормозят» или попали в т.н. «долину смерти» - когда хорошая идея не доживает до массовизации в силу кучи сложностей во время когда идея уже есть, а денег от ее коммерческого использования еще нет. Заинтересовался я ими, когда узнал, что они развивают российскую CAR-T терапию с целью ее превращения из уникального экспериментального метода в систему массовых доступных решений и технологий. Возможно, подумал, и в России формируется культура научной филантропии.

Не вместо традиционной помощи. Рядом с ней. Потому что, когда грамотное администрирование встречается с наукой и правильными деньгами, появляются не только лекарства — рождаются новые возможности для детей, чьи родители вот прямо сейчас перечитывают раз за разом: «Прогноз неблагоприятный. Лечение в настоящее время отсутствует».
Я фонду этому помогаю и всех призываю к тому же.