ШІ здорової людини - ForkLog

# ШІ здорової людини

Як штучний інтелект змінює медицину

Незважаючи на хайп, спекуляції та лякаючі прогнози, мало хто з фахівців сумнівається: штучний інтелект дійсно змінить світ. А ось хто виграє від змін і яку ціну доведеться за них заплатити — поки відкриті питання

Історія показує, що технологічні прориви разом із можливостями майже завжди приносять кризи, змушуючи суспільство знову шукати баланс. Але є сфера, в якій користь технологічного прогресу протягом десятиліть виглядає майже безсумнівною. Це медицина.

ForkLog розібрався, як уже сьогодні застосування штучного інтелекту прискорює створення нових препаратів, оптимізує лабораторні процеси, підвищує точність діагностики та змінює підходи до лікування захворювань.

Розробка препаратів

Більшість ліків працює за рахунок взаємодії з білками-рецепторами — молекулярними структурами, які регулюють роботу клітин і беруть участь практично у всіх процесах організму

Системи штучного інтелекту здатні аналізувати структуру білків-рецепторів і передбачати, які сполуки зможуть взаємодіяти з ними найбільш ефективно та з мінімальними побічними ефектами. Завдяки цьому завдання, які раніше вимагали багатьох років лабораторних досліджень, дедалі частіше вдається вирішувати за місяці.

За оцінками експертів Всесвітньої організації охорони здоров'я (ВООЗ), у найближчі роки більшість нових фармацевтичних препаратів так чи інакше розроблятиметься з використанням ШІ.

AlphaFold і Isomorphic Labs

У 2024 році Нобелівську премію з хімії отримали Девід Бейкер, Деміс Хассабіс та Джон Джампер. Двоє останніх працюють у Google DeepMind, їх нагородили за розробку методів передбачення структури білків, включаючи AlphaFold, заснований на машинному навчанні.

У 2018 році AlphaFold посіла перше місце в «конкурсі» молекулярного прогнозування Critical Assessment of Structure Prediction (CASP), продемонструвавши ефективність у найскладніших категоріях. Через два роки, на наступному CASP, перемогла нова версія — AlphaFold 2.

У 2021 році Google DeepMind виклала у відкритий доступ код AlphaFold2 і базу передбачених білкових структур. Приблизно тоді ж Хассабіс заснував Isomorphic Labs — дочірню компанію Alphabet, яка розвиває ШІ для розробки ліків.

У 2024 році Isomorphic Labs уклала партнерства з Eli Lilly і Novartis. Угоди передбачали фінансування ШІ-досліджень компанії на суму до $1,7 млрд і до $1,2 млрд відповідно. У 2026 році Isomorphic Labs також оголосила про партнерство з Johnson & Johnson

У лютому 2026 року Isomorphic Labs представила універсальне середовище розробки медикаментів Drug Design Engine (IsoDDE), побудоване на технологіях AlphaFold

Зараз Isomorphic Labs працює над рішеннями в галузі онкології та імунології. Незважаючи на прискорення розробок за допомогою ШІ, проекти поки залишаються на стадії доклінічних досліджень. Компанія розраховує розпочати перші випробування на людях у найближчі роки.

Exscientia і Recursion Pharmaceuticals

Заснована у 2012 році Exscientia стала однією з перших компаній, які системно застосували машинне навчання для розробки медикаментів.

У 2020 році препарат DSP-1181 для терапії при ОКР став першим створеним із застосуванням ШІ продуктом, що вийшов на стадію клінічних досліджень. Розробку вели спільно з японською фармацевтичною компанією Sumitomo Dainippon Pharma, яка взяла на себе синтез і лабораторні тести, спираючись на теоретичні результати Exscientia.

До 2023 року у компанії були готові 8 молекул-кандидатів, розроблених «суттєво швидше» середнього по індустрії

У 2024 році компанія Recursion Pharmaceuticals викупила Exscientia в рамках угоди на $688 млн. Частину дослідницьких програм закрили

На той момент кілька препаратів дійшли до другої стадії клінічних випробувань — перевірки ефективності та побічних ефектів на групі з 100–300 пацієнтів

Злиття з Recursion Pharmaceuticals дозволило використовувати ШІ-системи Exscientia в комбінації з автоматизованим лабораторним комплексом для тестування. Крім того, Recursion побудувала власний ШІ-суперкомп'ютер BioHive-2 на NVIDIA H100 для навчання спеціалізованих моделей.

Компанія також взяла участь у розробці відкритої генеративної моделі Boltz-2, призначеної для прогнозування тривимірної структури білків.

До 2025 року Recursion Pharmaceuticals зосередила зусилля на чотирьох програмах у галузі онкології та двох, пов'язаних із рідкісними захворюваннями. Кілька препаратів уже перебувають на перехідному етапі між першою та другою фазами випробувань:

• REC-4881 для терапії вродженого аденоматозного поліпозу — захворювання, що підвищує ризик колоректального раку;
• REC-617 — для лікування при злоякісних пухлинах яєчників;
• REC-1245 для боротьби з лімфомою та іншими формами злоякісних пухлин.

Препарат REC-3565, призначений для лікування хронічного лімфолейкозу, проходить першу стадію клінічних випробувань.

Insilico Medicine

Заснована у 2014 році Insilico Medicine — інший значний гравець у ШІ-розробці медичних препаратів

У 2017 році Insilico Medicine внесли до топ-5 проектів за рівнем соціального впливу за версією Nvidia

Компанія використовує штучний інтелект на всіх етапах циклу розробки:

• система PandaOmics відповідає за пошук біологічних «цілей» — молекул, які потрібно «вимкнути» або відрегулювати в рамках терапії;
• Chemistry42 забезпечує генеративний дизайн відповідних сполук;
• InClinico оптимізує прогнозування клінічних випробувань.

Одне з ранніх ШІ-досягнень Insilico Medicine — препарат Rentosertib (ISM001-055), пов'язаний з лікуванням фіброзу. Розробка зайняла 18 місяців від виявлення цілі ШІ-системою до отримання молекули-кандидата. Станом на 2025 рік Rentosertib проходить другу фазу клінічних випробувань.

Крім того, у 2024 році розроблений ШІ імуномодулюючий препарат ISM3312 для COVID-19 та інших вірусних інфекцій пройшов першу фазу випробувань. ISM3091, пов'язаний з терапією ракових захворювань, допустили до тестів на пацієнтах.

Діагностика та дослідження

За оцінками фахівців, близько 90% усієї медичної інформації представлено зображеннями на кшталт рентгенівських знімків і томограм. Ці дані критично важливі в діагностиці, однак їх аналіз — трудомістке та нетривіальне завдання.

Методи машинного навчання, особливо згорткові нейронні мережі, добре підходять для розпізнавання складних візуальних патернів. Аналогічно людському зору, такі системи здатні розрізняти контрастні краї, форми та текстури на зображенні. Це дозволяє з високою впевненістю виявляти пухлини, кровотечі та інші аномалії

Для навчання ШІ-моделей доступні заздалегідь якісні дані — масиви задокументованих знімків з коментарями експертів.

У 2024 році дослідники з Гарвардської медичної школи представили ШІ-модель Chief, здатну виявляти кілька форм раку. За даними розробників, рішення коректно виявляло ознаки захворювання на цифрових зображеннях у 94% випадків

У 2025 році Управління з контролю якості харчових продуктів і лікарських засобів США (FDA) присвоїло статус «проривного пристрою» моделі Damo Panda від Damo Academy — дослідницького підрозділу корпорації Alibaba

За даними розробників, система здатна розпізнавати ознаки раку підшлункової залози на томограмах ще до прояву симптомів, що особливо важливо для цієї форми захворювання.

У 2026 році суттєвим проривом у ШІ-діагностиці стала система REDMOD, розроблена американською некомерційною організацією Mayo Clinic

Модель, також призначена для виявлення раку підшлункової залози, обійшла фахівців у діагностиці захворювання на ранніх стадіях. Згідно із заявами дослідників, система знаходила патологічні зміни на томограмах в середньому за 475 днів до постановки діагнозу.

Ініціативи Google

Google виступає одним з ключових провайдерів ШІ для медичної діагностики та досліджень

Компанія пропонує лінійку відкритих моделей для аналізу медичних текстів, зображень та аудіо MedGemma на базі Gemma 3

Через Health AI Developer Foundations розробникам доступні відкриті набори ваг та ШІ-інструменти

Google співпрацює з низкою клінік та дослідницьких організацій, фокусуючись на розвитку фундаментальних технологій.

У 2019 році компанія презентувала модель для виявлення та прогнозування раку легень. Модель проявила себе нарівні або краще в порівнянні з групою з шести сертифікованих радіологів.

У 2020 році в рамках спільної роботи з Northwestern Medicine дослідники продемонстрували систему для аналізу мамограм, здатну виявляти рак на рівні профільного спеціаліста.

У 2024 році Google Cloud і німецька фарма-компанія Bayer оголосили про запуск платформи для скринінгу рентгенограм. Система аналізує історію знімків та дані з історії хвороби, формуючи припущення про можливі патології.

Роботи-рентгенологи NVIDIA та GE HealthCare

Технологічний гігант Nvidia та американська медтех-компанія GE HealthCare, що виробляє обладнання для рентгеноскопії, розробляють власну ШІ-систему для автономного отримання зображень

На відміну від моделей, які аналізують уже готові знімки, це рішення має знизити рутинне навантаження на спеціалістів і зробити діагностику більш стандартизованою.

На першому етапі система працюватиме з рентгенограмами та ультразвуковими зображеннями.

Також GE HealthCare планує використовувати NVIDIA Isaac for Healthcare — платформу для розробки автономних медичних систем, включаючи хірургічних роботів.

Діагностична платформа PathAI

Заснована у 2016 році компанія PathAI розробила «цифрову платформу патологій» AISight Dx, призначену для первинної діагностики в клінічних умовах.

Система пропонує середовище для роботи з медичними зображеннями з можливістю підключати сторонні алгоритми для аналізу даних

Заявлено підтримку набору CE-IVD-сертифікованих рішень на основі ШІ, зокрема — «плагіни» для онкологічної діагностики:

• DeepDx Prostate дозволяє автоматично підсвічувати тканини на зображенні та виділяти потенційно важливі для діагностики ділянки;
• Histotype Px Colorectal на основі знімків будує прогнози перебігу захворювання, оцінює доцільність хіміотерапії та пропонує терапевтичні рекомендації;
• Visiopharm виявляє та підраховує біомаркери для різних форм раку

На платформі є власні функції для автоматичного аналізу зображень, допомоги у формуванні діагнозу та написання звітів, але вони поки призначені «виключно для дослідницьких цілей» і не допускаються до застосування в клінічному контексті.

AISight Dx також пропонує вбудовані допоміжні ШІ-інструменти:

• ArtifactDetect — для пошуку артефактів сканування та інших помилок на зображеннях;
• Case Priority — для пріоритезації клінічних кейсів на основі аналізу тканин;
• AIM-Tumor Cellularity — для оцінки клітинного складу пухлин

У 2022 році рішення отримало схвалення американського FDA за формою 510(k) та європейський знак якості CE, що свідчить про безпеку виробу для споживачів і довкілля.

У 2025 році PathAI оголосила про партнерство з онкологічним центром Моффітт у Флориді, США, для впровадження AISight Dx у процеси діагностування. У 2026 році компанія уклала схожу угоду з медичним університетом Цюриха (University Hospital Zurich)

У травні 2026 року швейцарська фармакологічна компанія Roche оголосила про придбання PathAI в рамках угоди вартістю понад $750 млн.

Проблеми та обмеження

Як і в інших галузях, застосування ШІ в медицині загострює системні проблеми та породжує нові

ШІ-асистенти, особливо на основі LLM, не застраховані від галюцинацій.

У дослідницькій роботі Google про модель Med-Gemini знайшлася помилка: модель «вигадала» неіснуючу область мозку під назвою базилярні ядра

Галюцинація утворилася на основі двох реальних анатомічних найменувань: базальних ядер і базилярної артерії. Розробники послалися на опечатку, однак кілька фахівців назвали інцидент тривожним прикладом ризиків впровадження ШІ-асистентів у медицині.

Дослідники зі Стенфордського університету виявили в ШІ-моделях здатність переконливо діагностувати захворювання за медичними знімками без доступу до самих знімків

Одна з проаналізованих систем «наосліп» показала високі результати в тесті з рентгенології. Моделі GPT-5, Gemini 3 Pro та Claude Opus 4.5 «впевнено описували візуальні деталі» на неіснуючих зображеннях.

Згідно з опублікованим у червні того ж року дослідженням, у медичному контексті в 7,1% випадків відповіді GPT-4 на запитання пацієнтів виявилися некоректними і могли б призвести до значної шкоди. В одному випадку з 156 помилка несла ризик для життя.

За даними 2025 року, інструменти для автоматичного складання документації за результатами діалогу з пацієнтом вносили помилки в 70% клінічних нотаток. Моделі додавали в транскрипцію розмови хибні факти, пропускали тези та плутали поняття

Окрім того, що LLM вигадують органи, їм властива непрозорість логіки, що ускладнює аналіз людиною того, яким чином отримано ті чи інші висновки.

Нестача репрезентативності в датасетах може формувати упередження та прив'язку до хибних закономірностей у навчених на них моделях

Крім того, типові для ШІ-асистентів проблеми когнітивної залежності користувачів і приватності даних лише загострюються в контексті охорони здоров'я.

Фахівці ВООЗ відносять застосування штучного інтелекту в медицині до сфери високого ризику

В рамках європейського закону AI Act з серпня 2026 року ШІ-системи цієї категорії будуть зобов'язані відповідати ряду спеціальних вимог, пов'язаних з управлінням ризиками, звітністю та контролем з боку людини.

Незважаючи на складнощі та потенційні ризики впровадження, у ВООЗ позитивно оцінюють перспективи штучного інтелекту в медицині за умови належних правил і контролю з боку державних відомств

В американському FDA також оптимістично відгукуються про перспективи медичного ШІ, хоча визнають існуюче регулювання застарілим. Формально в США подібні системи відносять до ПЗ у категорії Software as a Medical Device

У 2025 році FDA опублікувало набір рекомендацій, що стосуються життєвого циклу ШІ-продуктів, управління ризиками та маркетингу.