Команда Стэнфорда собрала цифровую "компанию", в которой ИИ-агенты разобрали 55 984 клинических исследования и предложили стратегию для терапии рака лёгкого.[1] Звучит так, будто лекарство уже изобрели. На деле результат скромнее, но от этого не менее интересен: машины резко ускорили ту часть научной работы, где нужно свести воедино тысячи разрозненных данных.[1]

Не 37 тысяч электронных учёных

Число 37 075 легко представить как штат виртуальной корпорации. Это не совсем так.[1] В системе есть один агент, играющий роль научного директора, четыре профильных подразделения и 11 типов специалистов.[1] Они используют больше сотни инструментов для работы с генетическими базами, результатами опытов на клетках, сведениями о лекарствах и реестрами клинических исследований.[1]

Работа шла поштучно: одному экземпляру агента-клинициста давали один номер исследования.[1] Таких экземпляров запустили 37 075.[1] Агент поднимал карточку в ClinicalTrials.gov, искал статью в PubMed и лишь затем шёл в пресс-релизы или сообщения регуляторов.[1] Этот огромный "штат" понадобился для одной операции — разобрать массив испытаний по одинаковой схеме.

Масштаб здесь вычислительный, а не кадровый. За цифрой 37 тысяч не стоят 37 тысяч электронных биологов, которые придумывали молекулы и ставили опыты.[3] Система много раз повторила одну и ту же трудоёмкую кабинетную процедуру.[1]

Как проверяли 55 984 испытания

В анализ вошли 55 984 клинических исследования.[1] Реестры устроены неудобно для такой задачи. В одной карточке нет результата по главной цели, к другой приходится разыскивать статью, а испытание с несколькими группами вообще не укладывается в простую пару "успех — неудача".[1] Агенты заполняли пробелы и собирали записи в общую таблицу.[1]

Авторы вручную перепроверили случайную сотню исследований.[1] Совпадение человека и ИИ составило 89,7% для основных конечных точек, 83,9% для вторичных и 92,4% для частоты нежелательных явлений.[1] В отдельном сравнении с уже размеченным набором данных совпали 85,3% результатов по 7278 испытаниям.[1]

Цифры выглядят убедительно, но безошибочной систему не делают. На массиве такого размера спорные записи не исчезают. Поэтому возле каждого вывода сохраняли источник, а финальную проверку оставили специалисту.[1]

Схема работы множества ИИ-агентов, которые отбирают медицинские данные под контролем исследователя
Тысячи экземпляров агентов параллельно разбирают данные, но итоговую гипотезу должен проверять исследователь. Концептуальная иллюстрация, созданная редакцией ЦарьХита с помощью ИИ

Какой сигнал нашёл ИИ

Размеченные испытания сравнили с картой активности генов в разных клетках.[1] Некоторые гены работают почти во всём организме. Другие особенно активны лишь в нескольких типах клеток. Агенты отдельно смотрели, меняется ли активность плавно или скорее напоминает переключатель "включено — выключено".[1]

По расчётам авторов, препараты против мишеней, характерных для конкретных типов клеток, на 40% чаще переходили из первой фазы испытаний во вторую, на 48% чаще доходили до рынка и были связаны с 32% меньшей частотой нежелательных явлений.[1][2]

Но это ещё не рецепт успешного препарата. Работа показывает связь в накопленных данных, а не причину.[3] Возможно, избирательная мишень и правда помогает точнее воздействовать на больные клетки. Возможно и другое: подобные проекты лучше финансировались, касались хорошо изученных болезней или иначе проверялись. Такой признак можно добавить к отбору идей. Гарантии он не даёт.

ИИ не создал готовое лекарство от рака

Для проверки авторы выбрали белок B7-H3, или CD276. Его давно рассматривают как мишень при раке.[3] Агентам дали только сведения, доступные до января 2025 года, и попросили разобраться с опухолями лёгкого.[1]

Система сопоставила генетические данные, анализ отдельных клеток и расположение клеток в ткани.[1] Её версия была такой: высокий уровень B7-H3 в связанных с опухолью фибробластах может сопровождаться вытеснением иммунных клеток. В качестве возможной терапии агенты предложили конъюгат "антитело — лекарство".[1][2]

У такого конъюгата две части. Антитело находит белок-мишень, а присоединённая к нему токсичная нагрузка оказывается ближе к опухоли.[4] На этом возможности цифровой команды закончились. До лаборатории её идея не дошла: своей молекулы нет, опытов на клетках и животных нет, данных о лечении людей тоже нет.[3]

С этой историей легко смешать реальный препарат — ифинатамаб дерукстекан. Он относится к тому же классу и получил в США статус прорывной терапии. В апреле 2026 года регулятор назначил его заявке приоритетное рассмотрение.[4] Но препарат сделали Daiichi Sankyo и Merck, а решение опиралось на клинические данные. Отчёт Virtual Biotech регулятор не оценивал.[4]

Совпадение всё равно любопытное. Агенты работали со старым срезом данных и указали на правдоподобное направление.[1] Называть это изобретением лекарства нельзя.[3] Nature обращает внимание ещё на одну деталь: другие прогнозы Virtual Biotech пока не прошли даже отдельной экспериментальной проверки.[3]

Где такая система действительно полезна

Представим исследователя, которому нужно оценить новую мишень. Система может пройти по реестрам, сопоставить её с активностью генов в нужных клетках и собрать сообщения о безопасности. Рядом с выводом останутся ссылки, по которым человек проверит исходные данные.[1]

Иногда этого хватит, чтобы сразу бросить слабую гипотезу. Иногда, наоборот, обнаружится группа пациентов, которую стоит отдельно проверить.[1] Дальше всё снова упирается в дорогую и медленную работу: клетки, животные, производство вещества, испытания с участием людей.[3]

Ошибка здесь особенно неприятна. Если первый агент неверно понял результат испытания, эта запись попадёт в таблицу, затем в статистику и в конце окажется в рекомендации научного директора.[1] Авторы добавили агента-рецензента и сохранили путь к источникам. Финальное решение всё равно оставили человеку.[1]

Итог получился менее фантастическим, чем цифра в заголовке. 37 тысяч агентов быстро перебирают уже существующие данные и возвращают гипотезу, которую можно проверить.[1] Дальше начинается обычная лаборатория — со сроками, неудачными опытами и живой биологией.[3]

Источники

  1. The Virtual Biotech: A multi-agent AI framework for therapeutic discovery and development, Science, 2026.
  2. Virtual biotech company puts thousands of AI scientist agents to work on drug discovery, Stanford Medicine, 17 сентября 2026 года.
  3. How a team of AIs discovered a promising lung-cancer drug, Nature, 17 сентября 2026 года.
  4. Ifinatamab deruxtecan granted priority review in the US, Daiichi Sankyo, 13 апреля 2026 года.