Novo Nordisk заключила партнерское соглашение с Amazon Web Services для внедрения автономных «агентных ИИ» (agentic AI) в свои процессы разработки лекарств, стремясь сократить время от выдвижения гипотезы до получения молекулы-кандидата. Этот шаг знаменует переход от предиктивных моделей, которые лишь выявляют закономерности, к системам ИИ, способным выполнять многоэтапные эксперименты без участия человека.

От прогнозирования к исполнению

Фармацевтические исследования долгое время полагались на инструменты машинного обучения для анализа геномных данных, выявления потенциальных мишеней и моделирования того, как соединения могут связываться с белками. Эти инструменты останавливаются на этапе получения аналитических данных; ученым все еще необходимо проектировать следующий эксперимент, запускать симуляции и интерпретировать результаты. Агентный ИИ, напротив, создан для действий. ИИ-агент может получить высокоуровневую цель — например, «выявить низкомолекулярный ингибитор для белка X» — и затем выстроить цепочку из поиска данных, алгоритмов молекулярного дизайна, запусков симуляций и даже предложить лабораторные протоколы, и все это в рамках единого рабочего процесса.

На практике Novo Nordisk будет использовать этих агентов для трех основных задач:

  • Идентификация мишеней — сканирование омиксных наборов данных для точного определения генов или белков, связанных с заболеванием, и их ранжирование по показателю лекарственной доступности (druggability).
  • Разработка терапии — генерация структур молекул-кандидатов, проведение докинга и симуляций динамики, а также итеративное совершенствование химического состава на основе прогнозируемых профилей эффективности и безопасности.
  • Автоматизация протоколов — составление планов экспериментов, заказ реагентов и передача результатов обратно в цикл ИИ для непрерывного обучения.

Устраняя необходимость ручной передачи задач на каждом этапе, компания надеется сократить процесс, который традиционно занимает годы, до нескольких месяцев.

AWS как ИИ-движок и облачная основа

Соглашение определяет AWS как предпочтительного облачного провайдера и стратегического партнера Novo Nordisk в области ИИ. AWS предоставит высокопроизводительные вычислительные кластеры, петабайты хранилищ для данных секвенирования и клинических испытаний, а также набор сервисов ИИ, оптимизированных для научных задач. Партнерство также предусматривает создание центра совместных инноваций (co-innovation hub) на базе площадки Novo Nordisk в Лондоне, где специалисты по данным, биологи и инженеры AWS будут разрабатывать прототипы и тестировать специализированных ИИ-агентов.

Этот хаб — «песочница», а не производственная линия. Команды могут экспериментировать с различными архитектурами агентов, интегрировать проприетарные биологические базы данных и оценивать, как агенты справляются с пограничными случаями, такими как пути редких заболеваний или внецелевые эффекты. Близость специалистов ускоряет цикл обратной связи, что крайне важно при объединении сложной биологии с передовым ИИ.

Почему за этим следит биотехнологический сектор

Разработка лекарств — процесс, известный своей дороговизной и медлительностью. В среднем отрасли требуется более десяти лет и миллиарды долларов, чтобы вывести молекулу от концепции на рынок. Любая технология, которая надежно сокращает этот срок на недели или месяцы, напрямую снижает затраты, ускоряет доступ пациентов к лечению и улучшает конкурентные позиции компании.

Агентный ИИ также подталкивает сектор к операционной модели, ориентированной на облачные технологии (cloud-first). Компании, которые могут по запросу развертывать массивные вычислительные кластеры, запускать параллельные симуляции и хранить каждую итерацию дизайна молекулы в общем репозитории, получают стратегическое преимущество. Сотрудничество Novo Nordisk с AWS сигнализирует о том, что следующая волна инноваций в фармацевтике будет неотделима от масштабируемой облачной инфраструктуры.

Риски и опасения

Обещание автономных агентов не устраняет необходимость в человеческом опыте. Валидация остается «узким местом»; предложенное ИИ соединение все равно должно быть синтезировано, протестировано in vitro и оценено на токсичность. Критики отмечают, что системы ИИ могут наследовать предвзятость из обучающих данных, потенциально упуская из виду новые механизмы, которые не вписываются в исторические закономерности. Регуляторы еще не определили четких руководящих принципов для кандидатов в лекарства, созданных ИИ, что порождает вопросы об ответственности в случае, если клиническое испытание под управлением ИИ столкнется с проблемами безопасности.

Интеграция представляет собой еще одно препятствие. Существующие системы управления лабораторной информацией (LIMS) и электронные лабораторные журналы построены вокруг рабочих процессов, ориентированных на человека. Подключение автономного агента к этой экосистеме может потребовать существенной переработки, а стоимость такой интеграции не разглашается.

За чем следить дальше

  • Показатели эффективности — первые исследования лондонского хаба покажут, насколько быстро агенты могут пройти путь от выбора мишени до получения химически жизнеспособного лидерного соединения, и как это соотносится с традиционными процессами разработки.
  • Реакция регуляторов — по мере того как кандидаты, созданные ИИ, будут поступать на клинические испытания, регуляторам потребуется решить, как оценивать лежащие в их основе процессы ИИ. Любые рекомендации могут создать прецеденты для всей отрасли.
  • Конкурентный эффект — другие крупные фармацевтические компании намекали на изучение подобных стратегий, ориентированных в первую очередь на ИИ. Если Novo Nordisk продемонстрирует измеримое ускорение или снижение затрат, можно ожидать каскада партнерств между биотехнологическими компаниями и крупнейшими облачными провайдерами.
  • Приток талантов — сотрудничество может привлечь исследователей ИИ со специализацией в биологии, что изменит подходы к найму и, возможно, побудит академические программы сделать упор на «агентный ИИ для наук о жизни».

Итог

Альянс Novo Nordisk с AWS переводит дискуссию о разработке лекарств из плоскости «что ИИ может нам рассказать?» в плоскость «что ИИ может для нас сделать?». Передавая выполнение задач автономным агентам, партнерство стремится превратить исторически долгий и дорогостоящий процесс в более компактный и итеративный цикл. Успех может изменить представление о том, как быстро новые методы терапии доходят до пациентов, но это зависит от надежной валидации, ясности нормативного регулирования и способности интегрировать ИИ-агентов в существующие лабораторные рабочие процессы. Отрасль будет внимательно следить за первыми результатами лондонского хаба; они могут стать эталоном для следующего поколения медицины на базе ИИ.