Bristol Myers Squibb внедряет суперкомпьютер NVIDIA для поиска лекарств

Bristol Myers Squibb делает ставку не на один препарат, а на вычислительную мощность как новый фактор конкурентоспособности

Искусственный интеллект становится частью инфраструктуры современной фармацевтики

Американская фармацевтическая компания Bristol Myers Squibb (BMS) объявила о расширении сотрудничества с NVIDIA и покупке вычислительного комплекса нового поколения DGX SuperPOD, построенного на архитектуре Vera Rubin. Финансовые условия сделки не раскрываются, однако известно, что ранее компания уже использовала более раннюю версию аналогичной системы.

Главная цель проекта — масштабировать применение искусственного интеллекта на всех этапах исследований и разработки лекарств. По словам руководства компании, речь идет уже не о нескольких пилотных проектах, а о переходе к использованию крупных моделей искусственного интеллекта практически во всей исследовательской организации.

Тем самым BMS становится первой компанией в области наук о жизни, которая внедряет именно эту вычислительную платформу NVIDIA. Сам по себе этот факт имеет скорее символическое значение, чем практическое: он показывает, насколько быстро крупнейшие фармацевтические компании начинают воспринимать вычислительные мощности как стратегическое преимущество.

Почему фармацевтическим компаниям требуется все больше вычислительных ресурсов

Разработка нового лекарственного препарата — чрезвычайно сложный процесс, в котором исследователям приходится анализировать огромные объемы биологических данных.

Современные модели искусственного интеллекта способны одновременно работать с информацией о структуре белков, генетических особенностях заболеваний, химических свойствах миллионов соединений, результатах лабораторных экспериментов и публикациях научной литературы. Однако подобные вычисления требуют специализированной инфраструктуры.

Именно поэтому крупные фармацевтические компании начинают строить собственные центры высокопроизводительных вычислений, а не полагаются исключительно на облачные сервисы.

По словам главного директора по исследованиям Bristol Myers Squibb Роберта Пленджа, новая система позволит одновременно анализировать значительно больше потенциальных лекарственных молекул уже на самых ранних этапах разработки. Если раньше исследователи могли глубоко изучить лишь ограниченное число кандидатов, теперь речь может идти уже о десятках вариантов одновременно. Это не гарантирует появления новых препаратов, но существенно расширяет пространство поиска.

Вычислительная мощность сама по себе не создает лекарства

Важно понимать, что искусственный интеллект не заменяет биологические исследования.

Даже самая современная вычислительная система не способна самостоятельно создать лекарство. Она помогает быстрее находить перспективные молекулы, прогнозировать их свойства, выбирать наиболее вероятные направления исследований и отсеивать заведомо малоперспективные варианты еще до дорогостоящих лабораторных экспериментов.

После этого начинается традиционный путь разработки препарата: лабораторные исследования, испытания на животных, несколько фаз клинических исследований с участием людей, оценка безопасности и эффективности, а затем рассмотрение регуляторами.

Поэтому ускорение вычислений не означает автоматического сокращения общего времени разработки нового лекарства на годы. Однако оно способно сделать первые этапы исследований заметно эффективнее.

Уже сегодня искусственный интеллект меняет внутреннюю экономику исследований

По данным Bristol Myers Squibb, использование искусственного интеллекта уже позволяет сократить время подготовки экспериментальных препаратов для клинических исследований примерно на 20–30 %. Руководство компании считает, что в будущем этот показатель потенциально может приблизиться к 50 %.

Это особенно важно потому, что ранние этапы разработки традиционно отличаются очень высокой стоимостью и большим количеством неудачных проектов.

Компания также сообщила, что один из ее экспериментальных препаратов для лечения серповидноклеточной болезни, который сейчас проходит ранние клинические исследования, вероятно, вообще не был бы обнаружен без использования инструментов искусственного интеллекта. Это не означает, что технология уже доказала свое превосходство, однако показывает, что алгоритмы начинают участвовать не только в оптимизации процессов, но и непосредственно в поиске новых терапевтических идей.

Новая гонка в фармацевтике постепенно смещается от лабораторий к вычислительным платформам

Покупка нового комплекса NVIDIA отражает более широкий мировой тренд.

Еще несколько лет назад большинство проектов искусственного интеллекта в фармацевтической отрасли были сосредоточены вокруг отдельных алгоритмов или сотрудничества со специализированными биотехнологическими стартапами.

Сегодня ситуация меняется.

Крупнейшие фармацевтические компании начинают инвестировать не столько в отдельные модели искусственного интеллекта, сколько в собственную вычислительную инфраструктуру. Это позволяет обучать более крупные модели на внутренних данных компании, лучше защищать интеллектуальную собственность и не зависеть полностью от внешних облачных провайдеров.

Одновременно становится очевидно, что конкурентное преимущество определяется уже не только количеством исследователей, но и объемом вычислительных ресурсов, которыми располагает компания.

Ограничения новой стратегии остаются существенными

Несмотря на высокий интерес к искусственному интеллекту, пока отсутствуют убедительные данные о том, что подобные инвестиции радикально повышают вероятность успешной регистрации новых лекарств.

Главная проблема современной фармацевтики заключается не только в поиске перспективной молекулы, но и в подтверждении ее безопасности и эффективности у людей. Именно на стадиях клинических исследований по-прежнему терпит неудачу большинство проектов.

Кроме того, эффективность моделей искусственного интеллекта напрямую зависит от качества исходных данных. Ошибки в биологических базах данных, ограниченность информации о заболеваниях и сложность человеческой физиологии остаются серьезными ограничениями для любых вычислительных систем.

Поэтому сегодняшние заявления компаний следует рассматривать как описание потенциальных возможностей, а не как доказательство уже достигнутого технологического прорыва.

Фармацевтические компании начинают конкурировать скоростью научного поиска

Наиболее интересное последствие подобных инвестиций связано не столько с конкретной системой NVIDIA, сколько с изменением логики всей отрасли.

Если раньше главным ограничением исследований были лабораторные мощности и число научных сотрудников, то теперь все чаще узким местом становятся вычислительные ресурсы.

Компании стремятся быстрее анализировать биологические данные, моделировать взаимодействие молекул с потенциальными мишенями и принимать решения о том, какие проекты стоит продвигать дальше. В перспективе это может привести к сокращению затрат на ранние этапы исследований, более рациональному использованию лабораторных ресурсов и ускорению появления новых кандидатов на роль лекарственных препаратов.

Для пациентов это не означает немедленного появления новых методов лечения. Однако если подобная стратегия действительно повысит эффективность ранних исследований, в долгосрочной перспективе она может увеличить число препаратов, которые успешно проходят путь до клинической практики.