мультимодальный ИИ выведет рынок биотеха с $1,8 до $13 млрд к 2034 году
В работе отмечается, что мультимодальные ИИ позволяют формировать более точные прогнозы, ускорять открытие лекарств и обеспечивать комплексное понимание биологических процессов. По мнению авторов, интеграция разнородных данных открывает путь к созданию цифровых двойников пациентов и переходу к персонализированной медицине.
В фармацевтических разработках ИИ уже помогает оптимизировать все этапы – от поиска терапевтических мишеней до проведения клинических исследований. Алгоритмы машинного обучения анализируют молекулярные структуры, выявляют перспективные соединения и моделируют взаимодействие лекарств с организмом. Применение ИИ, особенно мультимодальных моделей, позволяет значительно сокращать сроки исследований.
Крупнейшие компании, включая AstraZeneca, Bayer, GSK, Roche и Moderna, активно внедряют такие решения для повышения эффективности своих разработок. По оценкам экспертов, более половины новых лекарств к 2030 году будут разрабатываться с использованием технологий ИИ. При этом такие системы уже помогают компаниям снижать затраты на разработку и готовиться к переходу от тестирования на животных к цифровым и клеточным моделям, инициированному Управлением по санитарному надзору за качеством пищевых продуктов и медикаментов США (FDA).
В геномике ИИ используется для анализа данных секвенирования и поиска взаимосвязей между генетическими вариантами и заболеваниями. Мультимодальные алгоритмы объединяют геномные, клинические и поведенческие данные, помогая точнее определять риски развития болезней и подбирать оптимальные схемы терапии, что снижает вероятность неэффективного лечения и минимизирует побочные эффекты. Так, в медицинской школе Икана при больнице Mount Sinai в США представили модель на основе ИИ, которая оценивает вероятность развития заболеваний при редких генетических мутациях. Система, обученная на данных более 1 млн пациентов, позволяет врачам количественно оценивать риск и принимать решение о необходимости профилактики.
Особое внимание в обзоре уделено медицинской диагностике – направлению, где ИИ демонстрирует наибольшее внедрение на практике. По данным FDA, одобрено более 500 алгоритмов на основе ИИ, из которых около 70% применяются в радиологии, онкологии и кардиологии. Современные системы ИИ способны автоматически анализировать медицинские снимки – например, МРТ или КТ – и находить на них даже едва заметные патологические изменения. Алгоритмы используются для раннего обнаружения рака, инсульта, сердечных заболеваний и других состояний, когда своевременная диагностика критически важна для прогноза пациента. Например, по данным Сеульского национального университета, корейский алгоритм ModelDerm выявляет рак кожи с точностью до 78%, демонстрируя результаты, сопоставимые с работой дерматологов.
Авторы обзора отмечают, что стремительное распространение технологий сопровождается ростом инвестиций и повышенным вниманием регуляторов. В обзоре со ссылкой на Fortune Business Insights говорится, что мировой рынок ИИ в 2024 году оценивался в $233 млрд и может превысить $1,7 трлн к 2032 году. Быстрые темпы роста требуют единых международных правил и инструментов надзора, поскольку существующие модели часто непрозрачны и сложны для проверки.
Основные риски, выделенные в исследовании, связаны с качеством исходных данных, безопасностью алгоритмов и риском предвзятости, когда системы обучаются на выборках, не отражающих разнообразие пациентов. Это может приводить к ошибкам в диагностике и неравномерности доступа к медицинским услугам. На схожие проблемы указывают и ученые Массачусетского технологического института и Гарвардского университета: по их данным, лишь 5% исследований больших языковых моделей используют реальные электронные медицинские карты, тогда как остальные 95% основаны на учебных или искусственно созданных примерах.
В работе отмечается, что мультимодальные ИИ позволяют формировать более точные прогнозы, ускорять открытие лекарств и обеспечивать комплексное понимание биологических процессов. По мнению авторов, интеграция разнородных данных открывает путь к созданию цифровых двойников пациентов и переходу к персонализированной медицине.
В фармацевтических разработках ИИ уже помогает оптимизировать все этапы – от поиска терапевтических мишеней до проведения клинических исследований. Алгоритмы машинного обучения анализируют молекулярные структуры, выявляют перспективные соединения и моделируют взаимодействие лекарств с организмом. Применение ИИ, особенно мультимодальных моделей, позволяет значительно сокращать сроки исследований.
Крупнейшие компании, включая AstraZeneca, Bayer, GSK, Roche и Moderna, активно внедряют такие решения для повышения эффективности своих разработок. По оценкам экспертов, более половины новых лекарств к 2030 году будут разрабатываться с использованием технологий ИИ. При этом такие системы уже помогают компаниям снижать затраты на разработку и готовиться к переходу от тестирования на животных к цифровым и клеточным моделям, инициированному Управлением по санитарному надзору за качеством пищевых продуктов и медикаментов США (FDA).
В геномике ИИ используется для анализа данных секвенирования и поиска взаимосвязей между генетическими вариантами и заболеваниями. Мультимодальные алгоритмы объединяют геномные, клинические и поведенческие данные, помогая точнее определять риски развития болезней и подбирать оптимальные схемы терапии, что снижает вероятность неэффективного лечения и минимизирует побочные эффекты. Так, в медицинской школе Икана при больнице Mount Sinai в США представили модель на основе ИИ, которая оценивает вероятность развития заболеваний при редких генетических мутациях. Система, обученная на данных более 1 млн пациентов, позволяет врачам количественно оценивать риск и принимать решение о необходимости профилактики.
Особое внимание в обзоре уделено медицинской диагностике – направлению, где ИИ демонстрирует наибольшее внедрение на практике. По данным FDA, одобрено более 500 алгоритмов на основе ИИ, из которых около 70% применяются в радиологии, онкологии и кардиологии. Современные системы ИИ способны автоматически анализировать медицинские снимки – например, МРТ или КТ – и находить на них даже едва заметные патологические изменения. Алгоритмы используются для раннего обнаружения рака, инсульта, сердечных заболеваний и других состояний, когда своевременная диагностика критически важна для прогноза пациента. Например, по данным Сеульского национального университета, корейский алгоритм ModelDerm выявляет рак кожи с точностью до 78%, демонстрируя результаты, сопоставимые с работой дерматологов.
Авторы обзора отмечают, что стремительное распространение технологий сопровождается ростом инвестиций и повышенным вниманием регуляторов. В обзоре со ссылкой на Fortune Business Insights говорится, что мировой рынок ИИ в 2024 году оценивался в $233 млрд и может превысить $1,7 трлн к 2032 году. Быстрые темпы роста требуют единых международных правил и инструментов надзора, поскольку существующие модели часто непрозрачны и сложны для проверки.
Основные риски, выделенные в исследовании, связаны с качеством исходных данных, безопасностью алгоритмов и риском предвзятости, когда системы обучаются на выборках, не отражающих разнообразие пациентов. Это может приводить к ошибкам в диагностике и неравномерности доступа к медицинским услугам. На схожие проблемы указывают и ученые Массачусетского технологического института и Гарвардского университета: по их данным, лишь 5% исследований больших языковых моделей используют реальные электронные медицинские карты, тогда как остальные 95% основаны на учебных или искусственно созданных примерах.
