ИИ впервые создал бактериофаги, которые ввели человеку

Экспериментальные вирусы уничтожили устойчивые бактерии в лаборатории, но результат лечения пациента пока неизвестен

20 октября 2026 года исследовательская компания Radical Numerics из Сан-Франциско объявила о переходе от компьютерного проектирования бактериофагов к их первому применению у человека. По утверждению разработчиков, это первый в мире случай введения пациенту терапевтического коктейля, содержащего варианты фагов, созданные с помощью генеративной модели искусственного интеллекта.

Сообщение привлекло внимание не только из-за необычной технологии. Оно касается одной из наиболее серьёзных проблем современной медицины — инфекций, против которых перестают действовать антибиотики.

При этом принципиально важно различать два результата: способность экспериментальных вирусов уничтожить бактерии в лаборатории и способность вылечить инфекцию в организме человека. Пока подтверждения второго результата нет.

Вирус, который заражает бактерию, а не человека

Бактериофаги, или просто фаги, — это вирусы, естественными хозяевами которых являются бактерии. Они встречаются практически повсюду: в воде, почве, пищевых продуктах и кишечнике человека.

Некоторые фаги обладают свойством, которое делает их особенно интересными для медицины. Они способны проникать внутрь бактериальной клетки, размножаться в ней и разрушать её, высвобождая новые вирусные частицы.

Такие фаги называют литическими.

Механизм начинается с распознавания определённых молекул на поверхности бактерии. Фаг прикрепляется к подходящему рецептору, вводит внутрь клетки свой генетический материал и использует бактериальную систему синтеза для производства новых вирусов.

После разрушения заражённой бактерии новые фаговые частицы могут атаковать другие чувствительные клетки.

В отличие от антибиотиков широкого спектра действия, которые воздействуют на множество видов бактерий, фаги часто обладают очень узкой специфичностью.

Это одновременно их главное преимущество и основная проблема.

С одной стороны, правильно подобранный фаг потенциально позволяет уничтожать возбудителя инфекции, меньше затрагивая полезную микрофлору. С другой — вирус, эффективно работающий против одного штамма бактерии, может оказаться практически бесполезным против другого штамма того же вида.

Как искусственный интеллект создаёт бактериофаги

Обычная персонализированная фаготерапия начинается с выделения бактерии, вызвавшей инфекцию у пациента. Затем исследователи проверяют коллекции природных бактериофагов, пытаясь найти подходящий вариант.

Если нужного фага нет, поиск может затянуться. При тяжёлой инфекции, устойчивой к антибиотикам, время становится критически важным ресурсом.

Radical Numerics предлагает изменить этот процесс с помощью модели Omnii-1.

Это так называемая мультимодальная геномная языковая модель. Она обучена анализировать последовательности ДНК и другие виды биологических данных, выявляя закономерности между генетической структурой и функциями биологических систем.

В одном из экспериментов разработчики использовали хорошо изученный бактериофаг T7, заражающий кишечную палочку Escherichia coli.

Особое внимание уделялось белку gp17, входящему в состав хвостовых волокон фага. Именно такие структуры помогают вирусу распознавать поверхность бактерии и прикрепляться к ней.

Изменяя генетическую последовательность, кодирующую этот белок, можно попытаться изменить способность фага распознавать определённые бактериальные штаммы.

Однако здесь возникает сложная биологическая задача.

Нужно не просто изменить участок генома, а сохранить работоспособность всего вируса. Генетическая модификация может улучшить распознавание бактерии, но одновременно нарушить сборку вирусных частиц или их способность размножаться.

Omnii-1 предлагает варианты последовательностей с учётом окружающих участков генома. После этого исследователи получают соответствующие фаговые варианты и проверяют их свойства экспериментально.

Таким образом, искусственный интеллект не создаёт готовое лекарство одним вычислением. Он помогает выбирать перспективные генетические конструкции, которые затем проходят лабораторную проверку.

Почему результат 92,1% не означает успешное лечение

Одним из наиболее заметных результатов Radical Numerics стала способность модели предсказывать совместимость бактериофагов с определёнными штаммами кишечной палочки.

В одном из тестов среди двух первых фагов, рекомендованных Omnii-1, хотя бы один проявлял экспериментально подтверждённую активность в отношении 92,1% подходящих для оценки бактериальных штаммов.

В этой тестовой группе было 38 штаммов. Таким образом, показатель соответствует успешному подбору активного фага для 35 из них.

Это действительно интересный результат для технологии поиска фагов.

Но цифру легко понять неправильно.

Это характеристика способности алгоритма находить лабораторно активные фаги среди проверяемых кандидатов.

Более того, некоторые бактериальные штаммы в тестовой выборке могли иметь близких родственников среди данных, использованных для обучения модели. Разработчики дополнительно исследовали способность Omnii-1 работать с более удалёнными бактериальными линиями и получили обнадёживающие результаты.

Однако оценка на ограниченных наборах бактериальных штаммов не доказывает, что модель будет столь же успешно работать против широкого разнообразия клинических инфекций.

Что произошло с первым пациентом

Самое важное событие состоялось уже за пределами вычислительных и лабораторных экспериментов.

По информации Radical Numerics, врачи получили бактериальный изолят пациента с инфекцией, устойчивой к антибиотикам.

Изолят — это выделенная из клинического образца культура микроорганизма, которую можно отдельно исследовать в лаборатории.

Экспериментальный коктейль, содержащий варианты бактериофагов, спроектированные Omnii-1, уничтожил этот изолят in vitro, то есть вне организма человека.

После лабораторного подтверждения активности препарат был введён пациенту.

Компания не раскрыла его личность, подробности заболевания и клиническое течение инфекции. Не опубликованы также сведения о динамике бактериальной нагрузки, переносимости лечения и окончательном результате терапии.

Поэтому сейчас невозможно утверждать, что пациент выздоровел благодаря разработанным ИИ бактериофагам.

Почему лабораторный успех не гарантирует результата?

В организме человека вирус должен добраться до очага инфекции в достаточном количестве, сохранить активность и взаимодействовать с бактериями в значительно более сложных условиях.

На это влияют иммунная система, локализация инфекции, особенности тканей и способность бактерий защищаться от фагов.

Уничтожить бактерию в лабораторной культуре и устранить инфекцию у пациента — две разные задачи.

Почему незарегистрированный препарат разрешили ввести человеку

Лечение проводилось в рамках процедуры compassionate use, которую обычно переводят как «сочувственное применение» или «доступ к экспериментальной терапии по жизненным показаниям».

Этот механизм позволяет врачу использовать препарат, ещё не получивший разрешения на обычное клиническое применение, если пациент страдает серьёзным заболеванием и удовлетворительные зарегистрированные варианты терапии отсутствуют.

В США соответствующая система называется expanded access и предусматривает регуляторный контроль, оценку потенциального соотношения пользы и риска, а также необходимые процедуры согласия пациента.

Это не обычное клиническое исследование, предназначенное для доказательства эффективности нового лекарства.

Основная цель такого применения — предоставить конкретному пациенту потенциальную возможность лечения, когда стандартных возможностей недостаточно.

Разрешение на индивидуальное применение препарата не означает, что регулятор признал его безопасным и эффективным для широкой популяции.

Именно поэтому результат даже успешного лечения одного человека нельзя автоматически переносить на других пациентов.

Фаготерапия существовала задолго до искусственного интеллекта

Использование бактериофагов против инфекций имеет более чем столетнюю историю.

В некоторых странах Восточной Европы и бывшего СССР фаговые препараты применялись десятилетиями. При этом во многих других странах они оставались преимущественно экспериментальным направлением.

В 2019 году исследователи сообщили о лечении подростка с тяжёлой инфекцией Mycobacterium abscessus после трансплантации лёгких.

Для лечения использовали коктейль из трёх бактериофагов, два из которых были генетически модифицированы. В ходе терапии состояние пациента улучшилось.

Этот случай, опубликованный в Nature Medicine, продемонстрировал возможность применения специально модифицированных фагов против тяжёлых лекарственно-устойчивых инфекций.

Следовательно, новизна нынешнего события заключается не в самом использовании вирусов для лечения и даже не в генетической модификации фагов.

Принципиальное отличие — участие генеративного искусственного интеллекта в проектировании терапевтических вариантов.

В августе 2026 года исследователи Стэнфордского университета и Arc Institute уже продемонстрировали в журнале Science возможность генеративного создания функциональных бактериофагов. В лабораторных экспериментах были получены 16 жизнеспособных вариантов вируса ΦX174.

Работа Radical Numerics представляет следующий заявленный шаг — переход от экспериментального конструирования вирусов к применению созданных с участием ИИ фагов у человека.

Какие проблемы остаются даже у фагов, созданных ИИ

Главное ограничение фаготерапии заключается в самой природе взаимодействия вируса и бактерии.

Бактерии способны приобретать устойчивость не только к антибиотикам, но и к бактериофагам. Например, изменение поверхностного рецептора может сделать клетку недоступной для ранее эффективного вируса.

Коктейли из нескольких фагов позволяют потенциально уменьшить вероятность такого развития событий, поскольку разные вирусы могут использовать различные механизмы распознавания бактерий.

Но полностью проблема устойчивости не исчезает.

Существуют и другие сложности.

Иммунная система человека может ограничивать активность введённых фагов. Необходимо обеспечивать высокую чистоту препарата, поскольку разрушение бактериальных клеток способно сопровождаться высвобождением токсичных компонентов их оболочек и развитием воспалительной реакции.

Кроме того, эффективный против одного штамма фаг может оказаться бесполезным против следующего пациента с формально тем же бактериальным диагнозом.

Это означает, что каждый новый препарат может потребовать дополнительного подбора, проверки активности и контроля качества.

Искусственный интеллект потенциально способен ускорить проектирование и поиск подходящих вариантов. Но он не отменяет требований к производству, безопасности и клиническим доказательствам.

Следующий этап — доказать пользу для пациентов

Для оценки новой технологии необходимы данные, которых пока нет в публичном сообщении Radical Numerics.

Прежде всего важно понять, удалось ли снизить бактериальную нагрузку у первого пациента, устранить инфекцию и избежать серьёзных нежелательных реакций.

Затем потребуется выяснить, насколько воспроизводим этот результат при лечении других людей, в том числе пациентов с иными бактериальными возбудителями.

Не менее важный вопрос — действительно ли применение ИИ позволяет быстрее получать подходящий препарат по сравнению с традиционным подбором бактериофагов.

Скорость разработки может оказаться самостоятельным клиническим преимуществом в ситуациях, когда пациенту необходимо лечение в короткие сроки.

Однако пока это перспективная возможность, а не доказанное преимущество технологии.

Для дальнейшего развития потребуются независимая проверка результатов, систематические исследования безопасности и клинические испытания, способные установить реальную эффективность.