Pathos и Bristol Myers применят ИИ для разработки лекарств от болезни Альцгеймера

ИИ выходит за пределы онкологии: Pathos, Bristol Myers и Tempus меняют подход к разработке лекарств

Три компании объединяют данные, алгоритмы и фармацевтическую экспертизу

23 октября 2026 года Reuters сообщило о новом сотрудничестве Pathos AI, Bristol Myers Squibb и Tempus AI. Его центральная задача — создать инструменты искусственного интеллекта, способные анализировать течение неврологических заболеваний и помогать принимать решения при разработке экспериментальных препаратов.

В основе сотрудничества лежат два соглашения с различными экономическими и технологическими условиями.

Первое предусматривает создание Tempus крупного массива данных о пациентах с неврологическими заболеваниями. Pathos получит право использовать эти данные по пятилетнему лицензионному соглашению стоимостью $55 млн.

Второе соглашение предоставляет Bristol Myers Squibb доступ к платформе Pathos Foundry. Фармацевтическая компания получит неисключительные права на её использование в широком портфеле разработок и эксклюзивные права сроком на три года для программ в области нейронаук.

Одновременно Bristol Myers возглавила инвестиционный раунд серии E, в ходе которого Pathos привлекла $237 млн. Оценка компании составила приблизительно $3 млрд.

Таким образом, речь идёт не просто о покупке программного обеспечения. Партнёры формируют систему, в которой данные о пациентах, вычислительные модели и опыт клинической разработки должны дополнять друг друга.

Почему для ИИ важны сотни тысяч историй болезни

Одна из главных трудностей разработки лекарств против нейродегенеративных заболеваний заключается в том, что одинаковый диагноз не означает одинакового течения болезни.

У пациентов с болезнью Альцгеймера могут различаться скорость ухудшения памяти, выраженность других когнитивных нарушений, сопутствующие заболевания и реакция на лечение. При этом патологические изменения в головном мозге нередко начинаются задолго до появления заметных симптомов.

Обычное клиническое исследование вынуждено работать с ограниченной группой участников в течение определённого времени. Даже тщательно организованное испытание не всегда позволяет выявить все закономерности, которые определяют индивидуальное течение заболевания.

Tempus намерена сформировать набор данных, охватывающий сотни тысяч пациентов с неврологическими нарушениями. Особое значение имеют продольные данные — информация о состоянии одного человека, собираемая в разные моменты времени.

Такие сведения позволяют анализировать не только наличие заболевания, но и последовательность событий: когда появились симптомы, как изменялись показатели здоровья, какое лечение назначалось и что происходило впоследствии.

Дополнительную ценность могут представлять результаты лабораторных исследований, нейровизуализации и молекулярной диагностики, если они доступны для сопоставления. Однако точный состав нового неврологического массива данных и степень его полноты пока не раскрыты.

Главный исследовательский вопрос состоит в том, сможет ли ИИ обнаружить устойчивые закономерности, которые трудно установить при традиционном анализе отдельных клинических исследований.

Foundry должна превратить массив медицинских данных в проверяемые гипотезы

Pathos Foundry представляет собой платформу искусственного интеллекта, предназначенную для анализа биологических и клинических данных и поддержки разработки лекарственных препаратов.

Первоначально её создавали для онкологии. Pathos использует Foundry при оценке экспериментальных лекарств, поиске биомаркеров и проектировании клинических исследований.

Биомаркер — это измеримый биологический признак, который может отражать наличие заболевания, его активность или реакцию организма на лечение.

Особенность подхода Pathos заключается в использовании ИИ-агентов — программных систем, способных выполнять последовательности аналитических задач, обращаться к различным инструментам и сопоставлять результаты.

В отличие от обычного алгоритма, решающего одну заранее определённую задачу, такая система потенциально может координировать несколько этапов исследования.

Например, она может обнаружить связь между определённым биологическим признаком и скоростью прогрессирования заболевания, проверить устойчивость этой связи на разных группах пациентов и предложить гипотезу о том, какой механизм стоит изучить подробнее.

Но статистическая закономерность ещё не означает существования причинно-следственной связи. Поэтому гипотезы, сформированные ИИ, требуют независимой проверки в лабораторных и клинических исследованиях.

Pathos описывает Foundry как систему, в которой вычислительный анализ связан с экспериментальной проверкой. Однако подробные результаты независимой оценки новой неврологической версии платформы пока не опубликованы.

Болезнь Альцгеймера станет испытанием способности ИИ понимать биологию заболевания

Перенос технологий из онкологии в неврологию представляет самостоятельную научную задачу.

В онкологии многие современные подходы к персонализированному лечению опираются на молекулярные характеристики опухоли. Определённые генетические изменения или белковые маркеры могут помогать выбирать терапию и прогнозировать вероятность ответа.

При болезни Альцгеймера связь между биологическими процессами и клиническими проявлениями сложнее.

Заболевание связано с несколькими взаимосвязанными механизмами, включая накопление патологических форм бета-амилоида и тау-белка, нарушение работы нервных клеток и изменения воспалительных процессов в головном мозге.

При этом снижение уровня патологического биомаркера не обязательно означает пропорциональное улучшение памяти или повседневного функционирования человека.

Для разработки лекарств принципиально важно отличать изменение биологических показателей от реального клинического результата.

Bristol Myers уже занимается этой проблемой. В частности, компания разрабатывает экспериментальное антитело BMS-986446, направленное против патологических форм тау-белка. В октябре 2025 года она сообщила, что препарат находился во второй фазе клинических исследований при ранней болезни Альцгеймера.

Цель такой терапии — воздействовать на процессы, связанные с распространением патологического тау-белка, и потенциально замедлять прогрессирование заболевания.

Однако участники нового сотрудничества пока не уточнили, какие именно препараты или клинические программы Bristol Myers будут непосредственно использовать Foundry.

Новое сотрудничество выросло из уже существующих проектов

Партнёрство Pathos, Bristol Myers и Tempus не возникло на пустом месте.

В апреле 2025 года Pathos заключила стратегические соглашения с AstraZeneca и Tempus о разработке мультимодальной базовой модели искусственного интеллекта для онкологии.

Мультимодальная модель объединяет различные категории информации, например медицинские записи, молекулярные характеристики опухолей и диагностические изображения. Это позволяет искать взаимосвязи между данными, которые раньше часто анализировались отдельно.

Соглашения предусматривали $200 млн выплат Tempus за лицензирование данных и разработку модели. Эта сумма относится к более раннему онкологическому проекту и не должна смешиваться с новым пятилетним контрактом на $55 млн для неврологии.

В мае 2026 года Bristol Myers и Tempus также расширили собственное сотрудничество. Оно охватывало пять первоначальных программ клинической разработки в онкологии и нейронауках, включая исследования болезни Альцгеймера.

Партнёры рассчитывали использовать клинические данные для проверки предположений о составе исследуемых групп, естественном течении заболеваний и вероятности успешного завершения испытаний.

Новое соглашение добавляет к этой инфраструктуре вычислительные возможности Pathos.

Возникает более широкая модель сотрудничества, в которой фармацевтическая компания не обязательно должна самостоятельно создавать все аналитические инструменты и собирать все данные. Вместо этого она получает доступ к специализированной технологической инфраструктуре и использует её для собственных разработок.

Инвестиции Bristol Myers показывают, где фармацевтические компании видят ценность ИИ

Финансирование Pathos представляет отдельный интерес.

В мае 2025 года компания привлекла $365 млн в инвестиционном раунде серии D при оценке примерно $1,6 млрд. Теперь объявленный раунд серии E на $237 млн сопровождается оценкой приблизительно $3 млрд.

Эти суммы отражают инвестиционные ожидания, но сами по себе не подтверждают клиническую эффективность технологии.

Pathos отличается от компаний, которые предлагают фармацевтической отрасли исключительно алгоритмы или аналитические услуги. Она одновременно развивает собственный портфель экспериментальных препаратов.

В частности, привлечённые средства планируется направить на дальнейшее развитие Foundry и онкологических программ, включая JSKN016 и препарат, разрабатываемый совместно с AstraZeneca.

JSKN016 представляет собой экспериментальный конъюгат антитела с лекарственным веществом, способный взаимодействовать с двумя опухолевыми мишенями — TROP2 и HER3. Подобные препараты предназначены для более направленной доставки противоопухолевого вещества к клеткам опухоли.

Другой проект, ранее известный как AZD4241, связан с разработкой терапии гормонозависимого HER2-отрицательного рака молочной железы.

Эти программы важны для понимания бизнес-модели Pathos. Компания стремится получать экономическую выгоду не только от предоставления ИИ другим организациям, но и от продвижения лекарственных разработок, в которых её технологии участвуют непосредственно.

Для Bristol Myers инвестиция в Pathos одновременно означает доступ к технологической платформе и финансовое участие в компании, которая может расширять её применение на новые терапевтические области.

Точнее выбирать пациентов — не значит автоматически повысить эффективность лекарства

Одно из наиболее перспективных направлений сотрудничества связано с проектированием клинических испытаний.

Если анализ больших массивов данных позволит лучше определить, какие пациенты имеют определённые биологические особенности, исследователи смогут формировать более однородные группы и точнее оценивать действие экспериментальной терапии.

Другое возможное применение — адаптивный дизайн клинических исследований.

При таком подходе протокол заранее предусматривает допустимые изменения отдельных параметров испытания на основании промежуточных результатов. Например, при соблюдении установленных статистических правил может корректироваться распределение участников между исследуемыми группами.

Но адаптивное исследование не означает, что ИИ самостоятельно меняет правила эксперимента. Такие изменения должны быть заранее определены, научно обоснованы и соответствовать регуляторным требованиям.

Существуют и серьёзные ограничения анализа исторических медицинских данных.

Пациенты в реальной клинической практике получают лечение не случайным образом. Выбор терапии зависит от тяжести заболевания, возраста, сопутствующих состояний и решений врача. Поэтому различия в результатах могут отражать не действие лекарства, а исходные особенности пациентов.

Дополнительные проблемы возникают из-за неполных медицинских записей, различий в диагностике, неоднородности популяций и возможных ошибок при объединении данных.

Даже модель, точно воспроизводящая результаты на известных ей данных, может оказаться менее надёжной при работе с пациентами из другой системы здравоохранения.

Поэтому качество исходной информации, независимая проверка прогнозов и защита конфиденциальности пациентов имеют не меньшее значение, чем вычислительная мощность.

В январе 2026 года FDA и EMA опубликовали десять совместных принципов надлежащего применения ИИ при разработке лекарств. Среди них — прозрачность назначения модели, управление данными, проверка достоверности результатов, контроль рисков и участие специалистов.

Это показывает, что регуляторы рассматривают ИИ как потенциально полезный инструмент получения научных доказательств, а не как замену требованиям к эффективности и безопасности лекарств.

Для пациентов результат будет определяться не качеством алгоритма, а качеством лечения

Непосредственно новое партнёрство не меняет доступность терапии болезни Альцгеймера и не создаёт новых лечебных рекомендаций.

Его возможное значение проявится позже, если исследования покажут, что использование больших данных и ИИ действительно позволяет лучше подбирать участников клинических испытаний, своевременно выявлять неэффективные разработки и получать более надёжные результаты.

Для врачей это потенциально означает появление исследований с более чётко определёнными группами пациентов и биологическими критериями включения.

Для разработчиков лекарств — возможность сократить расходы на исследования, которые с высокой вероятностью не подтвердят исходную гипотезу. Но экономический эффект также требует проверки: создание и поддержка сложной инфраструктуры данных стоят значительных средств.

Особенно важны три будущих результата: независимое подтверждение прогностических возможностей Foundry, применение её выводов при разработке конкретных клинических протоколов и демонстрация реального улучшения эффективности исследовательского процесса.

Пока компании не представили количественных данных, подтверждающих сокращение сроков исследований, снижение затрат или повышение вероятности регистрации препаратов благодаря новому неврологическому проекту.

Поэтому нынешняя новость описывает создание технологических и финансовых условий для такого результата, а не его достижение.