Atlas Bio получила $12,5 млн на ИИ для виртуальных испытаний лекарств

Atlas Bio привлекла $12,5 млн на виртуальные клинические испытания: сможет ли ИИ заменить II фазу?

Creandum инвестирует в новую модель разработки лекарств

27 октября 2026 года швейцарская биотехнологическая компания Atlas Bio объявила о привлечении $12,5 млн финансирования.

Из этой суммы $10 млн составили инвестиции посевного раунда под руководством шведского венчурного фонда Creandum, известного ранними инвестициями в Spotify и Trade Republic. Ещё $2,5 млн компания ранее получила от First Momentum Ventures и LEA Partners.

Atlas Bio основана в 2024 году. Среди её создателей — Симон Романски, специалист по искусственному интеллекту и математическому моделированию, и Себастьян Байер, ранее занимавшийся исследованиями языковых моделей в Google.

В отличие от большинства биотехнологических стартапов, Atlas Bio не разрабатывает собственный лекарственный препарат. Её продукт — технология, которая должна помогать фармацевтическим компаниям принимать решения о разработке экспериментальных лекарств.

Главная цель — уменьшить вероятность дорогостоящих неудач на II фазе клинических исследований.

На этой стадии препарат впервые проходит более систематическую проверку эффективности у пациентов с определённым заболеванием. Исследователи оценивают терапевтический эффект, подбирают дозировки и продолжают изучать безопасность.

Именно здесь фармацевтические компании сталкиваются с особенно высокой долей неудач.

По оценке Atlas Bio, исследования II фазы могут стоить более $100 млн и занимать два-три года. Компания утверждает, что около 70% препаратов не проходят эту стадию.

Эти цифры следует рассматривать как ориентировочные: фактические расходы и продолжительность существенно зависят от заболевания, количества участников и дизайна исследования.

Однако сама проблема хорошо подтверждена независимым отраслевым анализом.

Согласно исследованию BIO, Informa Pharma Intelligence и QLS Advisors, охватившему программы разработки лекарств в 2011-2020 годах, только 28,9% программ успешно переходили из II фазы в III.

Таким образом, инвестиции Creandum направлены на один из наиболее рискованных этапов создания лекарств.

Два миллиона измерений РНК позволяют моделировать реакцию организма

В основе технологии Atlas Bio лежит фундаментальная модель искусственного интеллекта, обученная примерно на двух миллионах измерений РНК из человеческих биологических образцов.

Речь идёт не о двух миллионах отдельных пациентов, а об измерениях молекулярной активности, используемых для обучения модели.

Чтобы понять принцип работы технологии, необходимо обратиться к одному из ключевых процессов клеточной биологии.

Гены содержат инструкции для синтеза белков, но разные клетки используют эти инструкции неодинаково. Например, клетки печени, иммунной системы и нервной ткани имеют практически одинаковую ДНК, однако выполняют совершенно разные функции.

Активность генов можно исследовать по молекулам РНК, которые образуются при считывании генетической информации.

Совокупность таких измерений называется транскриптомом. Она позволяет оценить, какие биологические процессы активны в определённых клетках и тканях.

Лекарственный препарат может изменять эти процессы. Он воздействует на определённую молекулярную мишень, после чего запускается цепочка биохимических реакций, затрагивающая множество генов и белков.

Atlas Bio пытается научить искусственный интеллект прогнозировать такие изменения.

Вместо того чтобы опираться исключительно на известный механизм действия препарата, модель анализирует закономерности в больших массивах экспериментальных данных о человеческой биологии.

Затем она прогнозирует, как могут измениться молекулярные показатели у пациентов с разными особенностями заболевания после воздействия определённого лекарственного механизма.

Так формируется виртуальная группа пациентов, на которой можно сравнивать потенциальное действие нескольких вариантов лечения.

Важное преимущество компьютерного моделирования заключается в возможности проводить сравнения, практически недоступные в реальном клиническом исследовании.

Например, можно смоделировать воздействие нескольких препаратов на один и тот же профиль пациента при одинаковом исходном состоянии заболевания.

В реальной жизни невозможно одновременно проверить у одного человека несколько взаимоисключающих вариантов лечения, сохранив абсолютно одинаковые исходные условия.

Компьютерная модель позволяет провести такое условное сравнение.

Но виртуальный пациент — не полноценная цифровая копия человека. Это математическое представление отдельных характеристик его биологии, точность которого ограничена исходными данными и возможностями алгоритма.

Atlas Bio уже моделирует лечение астмы и аутоиммунных заболеваний

На официальном сайте Atlas Bio представлены примеры использования технологии в иммунологии.

В одном из проектов компания смоделировала реакцию 78 профилей пациентов с астмой на экспериментальное биспецифическое антитело.

Биспецифические антитела способны взаимодействовать с двумя различными молекулярными мишенями. Такой подход потенциально позволяет воздействовать сразу на несколько механизмов заболевания.

Модель прогнозировала изменения активности генов, связанных с эозинофильным воспалением — важным механизмом некоторых форм астмы.

По данным компании, моделирование позволило предположить, что экспериментальное лечение может обеспечивать более выраженное подавление соответствующих воспалительных сигналов по сравнению со стандартными вариантами терапии.

Другой пример связан с атопическим дерматитом.

На основе данных 57 пациентов Atlas Bio сравнила предполагаемые эффекты воздействия на несколько воспалительных механизмов. Компания также сообщает, что её модель заранее спрогнозировала неудачу экспериментального ингибитора MRGPRX2 по показателю воспаления, что впоследствии подтвердилось результатами II фазы исследования.

Дополнительные проекты охватывают язвенный колит и очаговую алопецию.

Эти результаты представляют интерес, поскольку показывают возможное применение технологии не только для оценки перспектив отдельного лекарства, но и для выбора заболевания, при котором его механизм действия может оказаться наиболее полезным.

Однако необходимо учитывать принципиальное ограничение.

Представленные компанией результаты являются преимущественно собственными материалами разработчика. Подробные методы, составы выборок и сравнения прогнозов с клиническими результатами предоставляются партнёрам на условиях конфиденциальности.

Поэтому доступные сведения пока не позволяют независимо оценить точность модели на широком наборе лекарств и заболеваний.

Почему 12 недель моделирования не равны полноценной II фазе

Atlas Bio предлагает проводить виртуальные исследования примерно за 8-12 недель.

Это существенно быстрее традиционных клинических программ, которые могут продолжаться годами.

Но здесь важно различать два принципиально разных результата.

Компьютерная модель прогнозирует, что определённый препарат должен вызвать конкретные биологические изменения.

Клиническое исследование проверяет, действительно ли лекарство улучшает состояние пациентов и насколько безопасно его применение.

Эти задачи взаимосвязаны, но не тождественны.

Например, препарат может успешно подавлять воспалительные сигналы в клетках, однако не обеспечивать ожидаемого улучшения симптомов заболевания.

И наоборот, значимый терапевтический эффект иногда возникает через механизмы, которые модель учитывает неполностью.

Ещё сложнее прогнозировать редкие нежелательные реакции, отдалённые последствия лечения и взаимодействие лекарств с различными органами.

Поэтому высокая точность прогнозирования изменений активности генов сама по себе не доказывает способность предсказывать клиническую эффективность или безопасность.

Для подтверждения такой способности необходимы независимые проверки на данных, которые не использовались при обучении модели.

Особенно убедительными будут исследования, в которых алгоритм заранее прогнозирует результаты ещё не завершённых клинических испытаний, а затем эти прогнозы сопоставляются с фактически полученными результатами.

Причём оценивать необходимо не только успешные прогнозы, но и ошибочные решения.

Ложноположительный прогноз способен привести к многомиллионным инвестициям в неэффективный препарат.

Ложноотрицательный — остановить разработку лекарства, которое действительно могло бы помочь пациентам.

Таким образом, перспективная технология способна не только сокращать риски, но и создавать новые, если фармацевтические компании начнут чрезмерно доверять её результатам.

Искусственный интеллект переходит от поиска молекул к прогнозированию клинических исходов

Появление Atlas Bio отражает более широкое изменение направления инвестиций в фармацевтический искусственный интеллект.

Первая крупная волна подобных разработок была сосредоточена на поиске лекарственных молекул, анализе белковых структур и оптимизации химических соединений.

Теперь внимание постепенно перемещается на следующий этап — проверку того, насколько перспективная молекула действительно подходит для лечения конкретного заболевания.

Это более сложная задача.

Найти молекулу, способную взаимодействовать с определённой биологической мишенью, ещё не означает создать эффективное лекарство.

Необходимо выяснить, приведёт ли это взаимодействие к клинически значимому улучшению и у каких именно пациентов.

Atlas Bio не единственная компания, пытающаяся решить эту проблему.

В октябре 2026 года Reuters рассказало о разработках BioinvestGPT и QuantHealth, использующих искусственный интеллект для моделирования результатов клинических исследований.

BioinvestGPT сообщила о пяти правильных прогнозах из шести результатов исследований, опубликованных после подготовки прогнозов.

Однако алгоритм ошибочно предсказал положительный результат исследований препарата пелакарсен компании Novartis, предназначенного для снижения сердечно-сосудистого риска.

Этот пример показывает одновременно возможности и ограничения технологии.

Даже правильные прогнозы по нескольким исследованиям ещё не означают, что модель обладает надёжной универсальной способностью предсказывать результаты разработки лекарств.

Для такой оценки необходимы значительно более крупные и независимо проверенные серии прогнозов.

Регуляторы разрешают новые методы, но требуют доказательств

Важным обстоятельством для Atlas Bio становится изменение отношения регуляторов к компьютерному моделированию.

В январе 2026 года FDA и Европейское агентство лекарственных средств (EMA) совместно опубликовали десять принципов надлежащего использования искусственного интеллекта в разработке лекарств.

Документ предусматривает оценку рисков, качество исходных данных, прозрачность назначения модели и проверку её прогностической надёжности.

В сентябре 2026 года FDA также выпустило нормативное решение, уточняющее возможность применения методов, не использующих животных, при доклинической оценке безопасности лекарств.

Среди таких методов рассматриваются компьютерное моделирование, исследования клеток человека и технологии органов на чипе.

Это действительно расширяет возможности применения новых инструментов при подготовке клинических исследований.

Но регуляторные изменения не означают автоматического разрешения заменять II фазу клинических испытаний компьютерной симуляцией.

FDA отдельно подчёркивает, что новые подходы должны быть достаточно проверены и соответствовать конкретному вопросу, для решения которого используются.

Более того, отказ от части экспериментов на животных и отказ от испытаний на людях — две совершенно разные регуляторные задачи.

В первом случае речь идёт о допустимых способах получения доклинических данных.

Во втором — о доказательствах эффективности и безопасности препарата непосредственно для пациентов.

На сегодняшний день представленные данные Atlas Bio не дают оснований утверждать, что её технология получила регуляторное признание в качестве полноценной замены II фазы.

Главная практическая ценность — раньше отказываться от слабых препаратов

Для фармацевтических компаний наиболее реалистичное ближайшее применение технологии связано с улучшением решений до начала дорогостоящих исследований.

Если моделирование позволяет заранее определить, для какой группы пациентов препарат потенциально наиболее эффективен, компания сможет точнее сформировать выборку клинического исследования.

Это особенно важно при заболеваниях, объединяющих пациентов с различными биологическими механизмами.

Вторая возможность — выбор показаний.

Молекула, недостаточно эффективная при одном заболевании, потенциально может оказаться полезной при другом, где её механизм действия имеет большее значение.

Третье направление — инвестиционные решения.

Фармацевтические компании и инвесторы смогут использовать прогнозы при выборе программ разработки, заключении лицензионных соглашений и оценке перспектив приобретения биотехнологических активов.

Однако финансовая ценность такого подхода пока не подтверждена масштабными независимыми исследованиями.

Для пациентов потенциальные преимущества могут быть ещё существеннее.

Более точный выбор препаратов и участников исследований способен уменьшить число людей, проходящих лечение экспериментальными средствами с низкой вероятностью успеха.

Кроме того, сокращение затрат на бесперспективные программы теоретически может высвободить ресурсы для разработки других лекарств.

Но эти преимущества станут реальными лишь тогда, когда будет показано, что применение моделей действительно улучшает результаты последующих клинических программ, а не просто изменяет критерии отбора кандидатов.

Atlas Bio планирует использовать привлечённые инвестиции для расширения научной команды, проверки технологии и развития сотрудничества с фармацевтическими компаниями.

По данным Reuters, первые новые результаты ожидаются примерно через шесть недель после объявления о финансировании.

Следующий принципиальный этап — показать не отдельные удачные примеры, а воспроизводимую способность модели прогнозировать клинические результаты на независимых данных.