Искусственный интеллект может приблизить создание лекарств, которые помогут людям жить значительно дольше. Но между перспективной молекулой и доказанным продлением жизни — огромная дистанция. Именно об этом пишет Алекс Жаворонков, основатель и руководитель Insilico Medicine. Несмотря на громкий заголовок, он сразу оговаривается: удвоение продолжительности жизни — пока цель, а не научно подтверждённый прогноз.
Компьютер работает быстро, а организм — в своём темпе
В разработке лекарств, объясняет автор, есть два разных отсчёта времени: вычислительный и биологический.
Вычислительный можно ускорить. ИИ способен анализировать большие объёмы биологических данных, искать перспективные мишени для лекарств, предлагать химические структуры и помогать учёным выбирать следующие эксперименты. Благодаря этому исследователи могут проверить гораздо больше идей.
Но биологические процессы нельзя ускорить одним нажатием кнопки. Предложенное вещество нужно изготовить и испытать: выяснить, попадает ли оно в нужную ткань, действует ли так, как задумано, и не вызывает ли опасных побочных эффектов. Затем нужны исследования на людях — с подбором дозировок, набором участников и наблюдением за их состоянием.
Поэтому «ИИ придумал перспективную молекулу» и «пациенты получили эффективное лекарство» — совсем не одно и то же. Между этими событиями остаётся большая исследовательская работа.
Что уже получилось: пример препарата для лёгких
Автор приводит пример рентосертиба — препарата, который его компания разрабатывает против идиопатического лёгочного фиброза. При этом заболевании в лёгких постепенно образуется рубцовая ткань. ИИ помог найти биологическую мишень и спроектировать молекулу, которая должна на неё воздействовать. На выбор кандидата для дальнейшей доклинической разработки ушло 18 месяцев.
Это было важное достижение, но ещё не готовое лекарство. После него последовали лабораторные исследования и клинические испытания. По данным статьи, исследование фазы II показало обнадёживающий сигнал улучшения функции лёгких, а программа перешла к фазе III. Каждый следующий этап должен ответить на вопросы, которые нельзя было надёжно решить на предыдущем.
Главная мысль здесь проста: скорость поиска лекарства нужно оценивать отдельно от доказательств того, что оно действительно помогает людям.
«Помолодеть» по анализу крови — не значит прожить дольше
Другой результат связан с попыткой измерить влияние препарата на признаки старения. Учёные изучили образцы крови 42 участников исследования рентосертиба с помощью шести моделей — так называемых протеомных часов старения. Они оценивают биологический возраст по сочетанию белков, циркулирующих в крови.
После лечения модели обнаружили сдвиги в сторону более «молодого» профиля. Звучит впечатляюще, однако автор предостерегает от буквального прочтения: это не означает, что участники действительно стали на несколько лет моложе. Исследование было предварительным, выборка — небольшой, а период наблюдения — коротким. К тому же все участники страдали серьёзным заболеванием лёгких, и изменения белков могли отражать процессы, связанные с самой болезнью.
Здесь важно различать показатель и реальную пользу. Одно дело — получить более низкую оценку биологического возраста. Другое — доказать, что человек благодаря лечению лучше себя чувствует, реже болеет или дольше живёт. Первое пока не гарантирует второго.
Поэтому к любому обещанию «снизить биологический возраст» автор предлагает подходить с конкретными вопросами:
- Сопровождается ли изменение показателя улучшением физического состояния?
- Снижается ли риск заболеваний?
- Увеличивается ли выживаемость?
- Доказана ли эта связь именно для проверяемого лечения?
Где ИИ действительно может ускорить испытания
ИИ полезен не только при поиске молекул. Он может помочь лучше спланировать исследование, подобрать участников, быстрее обработать данные и определить, какие показатели стоит отслеживать. Это способно сократить организационные задержки.
Но есть вещи, для которых всё равно потребуется время. Редкий побочный эффект может обнаружиться только после применения препарата у большого числа людей. Чтобы понять, сохраняется ли польза, нужно длительное наблюдение. А доказать, что профилактическое лечение помогает здоровому человеку спустя десятилетия, особенно сложно.
Задача, по мнению автора, — убрать задержки, которые можно устранить технологиями, но не пытаться заменить алгоритмом наблюдения, без которых нельзя получить достоверный ответ.
Как может выглядеть реальное продление жизни
Жаворонков сохраняет оптимизм, но связывает радикальное продление жизни не с одной чудо-таблеткой. Он ожидает постепенного накопления результатов: новые поколения лекарств, диагностики и других технологий будут предотвращать болезни и помогать восстанавливать функции организма. ИИ может ускорить создание этих решений и помочь объединить их возможности.
Для компаний это означает необходимость заранее определять, что именно они собираются доказать: для каких людей предназначено лечение, какой результат считается успехом и какие данные его подтвердят. Для инвесторов — оценивать не количество молекул, созданных алгоритмом, а способность команды превращать идеи в качественные эксперименты и убедительные клинические результаты.
Таким образом, статья не сообщает, что способ удвоить человеческую жизнь уже найден. Она описывает более приземлённый, но важный сдвиг: ИИ расширяет возможности поиска лекарств, а теперь эти возможности предстоит превратить в доказанную пользу для пациентов.