Выход на новые рынки здравоохранения: растущее влияние медицинского ИИ

Искусственный интеллект в медицине чаще всего ассоциируется с выявлением отклонений на медицинских изображениях, анализом результатов исследований и помощью врачам в постановке диагнозов. Но в последнее время я всё чаще сталкиваюсь с разработками, которые далеко выходят за рамки этих применений и заставляют по-новому взглянуть на возможности медицинских технологий. Некоторые из них настолько амбициозны, что их потенциальное влияние может выйти далеко за пределы здравоохранения, затронуть совершенно иные сферы нашей жизни и привести к появлению новых технологий, бизнес-моделей и даже рынков, которых пока не существует.

Почему редкие заболевания становятся привлекательным направлением для медицинских стартапов

Одно из самых интересных направлений, за которыми я в последнее время слежу, — поиск и разработка новых лекарственных соединений с помощью вычислительных методов и искусственного интеллекта. Работа DeepMind над AlphaFold сыграла важную роль в развитии этой области. Созданная компанией база данных, включающая более 200 млн предсказанных структур белков, предоставила исследователям обширные сведения для изучения возможных молекулярных взаимодействий, а также открыла новые возможности для стартапов, работающих над решениями для конкретных заболеваний.

Представим, что кто-то хочет создать стартап, который займётся разработкой препарата для относительно редкого заболевания, затрагивающего лишь небольшой процент женщин определённой возрастной группы. Первый вопрос: зачем выходить на такой ограниченный рынок, если можно заняться гораздо более распространённым заболеванием? Но даже если сузить население всего мира до этой конкретной группы, потенциальных пациенток всё равно могут быть тысячи. А если пациенткам потребуется принимать препарат ежедневно в течение десяти лет или до конца жизни, даже такая относительно небольшая группа пациентов может представлять собой значительный рынок.

Для коммерчески успешного фармацевтического бизнеса не обязательно нужны десятки миллионов клиентов. Разумеется, между оценкой потенциального рынка и получением реальной выручки лежит огромная пропасть: необходимо учитывать расходы на исследования, клинические испытания, производство и получение разрешений регулирующих органов. Тем не менее стартап может сосредоточиться на одном заболевании, для лечения которого не хватает эффективных решений, и выстроить вокруг него целую исследовательскую программу.

Например, американская биотехнологическая компания Recursion Pharmaceuticals разрабатывает препараты с использованием ИИ для лечения заболеваний, при которых сохраняется значительная неудовлетворённая медицинская потребность. Один из исследуемых компанией препаратов — REC-4881, предназначен для лечения семейного аденоматозного полипоза — редкого наследственного заболевания, которым, по оценкам, страдают 50 000 человек в США и пяти крупнейших странах Европы. Компания сообщила об обнадёживающих результатах клинического исследования фазы 1b/2, в том числе о сокращении числа аномальных разрастаний тканей у пациентов.

Виртуальные лаборатории как новая бизнес-модель

Найти молекулу, способную воздействовать на белок, связанный с определённым заболеванием, — непростая задача. Для этого приходится проверять огромное количество химических соединений, чтобы выявить те, которые могут связываться с целевым белком, изменять его активность или влиять на связанные с ним биологические процессы. Важен не только химический состав: трёхмерная структура каждой молекулы играет ключевую роль в том, как происходят эти взаимодействия.

Проверить все возможные сочетания в физической лаборатории практически невозможно. Даже при значительных финансовых ресурсах такие эксперименты заняли бы слишком много времени. Поэтому часть исследовательского процесса переносится в виртуальную среду, где вычислительные модели и симуляции позволяют прогнозировать молекулярные взаимодействия и выявлять наиболее перспективные соединения для дальнейших испытаний. Такой подход сокращает число необходимых лабораторных экспериментов, хотя прогнозы всё равно нужно проверять в ходе физических испытаний.

Вокруг этих технологий возникает целая экосистема стартапов с разными бизнес-моделями. Одни создают инфраструктуру для молекулярного моделирования и предоставляют её фармацевтическим компаниям и исследовательским группам. Другие используют уже существующие инструменты для разработки собственных кандидатов в лекарственные препараты. Это наглядный пример того, как одно технологическое достижение может создать бизнес-возможности на нескольких уровнях рынка. Компания может построить успешный коммерческий бизнес, так и не выведя собственный препарат на рынок, если её технология окажется ценной для других разработчиков.

Отличный пример — Isomorphic Labs, компания, разрабатывающая технологии ИИ для поиска лекарств и молекулярного дизайна. Она заключила соглашения о научном сотрудничестве с Novartis и Eli Lilly, а в 2025 году расширила сотрудничество с Novartis, включив в него дополнительные программы по поиску лекарств. Этот пример показывает, что технологии поиска и разработки молекул сами по себе могут стать основой бизнеса, работающего с крупными фармацевтическими компаниями.

Персонализированная таблетка за двадцать минут

Некоторые стартапы идут ещё дальше в развитии идеи поиска лекарств. Недавно я познакомился с командой, которая работает над технологиями, связанными с раком кожи. Её участники изучают генетическую предрасположенность к этому заболеванию и ищут способы лечить его на уровне ДНК. Вместо разработки препарата для широкой группы пациентов они выясняют, можно ли адаптировать лечение к генетическому профилю конкретного человека.

Основатели описали весьма амбициозное видение будущего. Представьте, что вы приходите в клинику, сдаёте образец слюны, а устройство анализирует вашу ДНК, чтобы подготовить препарат, разработанный специально для вас. По их замыслу, однажды весь процесс сможет занимать около двадцати минут и обходиться всего в $100. Разумеется, пока это лишь технологическая цель, а не доступная медицинская услуга; для её достижения предстоит преодолеть огромные научные, производственные и нормативные препятствия.

И всё же подобные разговоры показывают, насколько меняются амбиции предпринимателей в сфере медицины. Вместо того чтобы просто совершенствовать существующие методы диагностики, они задаются вопросом, нельзя ли кардинально изменить сам процесс разработки методов лечения. Меня восхищает, как достижения вычислительных технологий побуждают основателей пересматривать процессы, которые десятилетиями оставались практически неизменными.

Почему стартапы в сфере хирургической робототехники часто создаются с расчётом на продажу

Вычислительные технологии позволяют небольшим командам исследовать огромное количество возможностей для разработки лекарств, однако хирургическая робототехника требует совершенно иного уровня ресурсов. Для создания системы, способной выполнять хирургические операции, необходимы глубокие знания в области машиностроения, точное управление движением, всесторонние испытания и доступ к клиническим учреждениям. Разработка надёжной роботизированной хирургической руки может занять от десяти до пятнадцати лет, а одна установка может стоить миллионы долларов. Кроме того, потенциальный круг клиентов ограничен, а производители должны годами обеспечивать техническое обслуживание и поддержку. Для небольшого стартапа хирургическая робототехника становится чрезвычайно сложным и капиталоёмким направлением бизнеса.

Поэтому некоторые команды строят свои стратегии с расчётом на последующее приобретение крупной компанией, работающей в сфере медицинских технологий. Их цель — разработать убедительную технологическую концепцию и продемонстрировать её потенциал. Например, стартап может создать прототип роботизированной руки, способной выполнять определённые процедуры на медицинском манекене, хотя до её применения на реальном пациенте ещё далеко. Тем временем команда активно взаимодействует с инвесторами, посещает отраслевые конференции и налаживает отношения с потенциальными корпоративными покупателями — это мы часто наблюдаем, работая с медицинскими мероприятиями в Scryon. По сути, они пытаются продать перспективную технологию ещё до того, как она превратится в готовый продукт.

Поначалу такой подход казался мне довольно странным. Зачем разрабатывать медицинское оборудование, если не собираешься самостоятельно выводить его на рынок? Но у этого подхода есть деловая логика. В небольшой команде могут работать талантливые инженеры и быть перспективная идея, но при этом может не хватать ресурсов для многолетних испытаний, доступа к больницам и крупносерийного производства. Крупная корпорация может предоставить такую инфраструктуру, приобретя стартап на относительно раннем этапе.

Эта стратегия показывает, как небольшие команды и крупные корпорации могут дополнять друг друга: одни сосредоточены на разработке и проверке новых идей, а у других есть ресурсы, чтобы превратить эти идеи в жизнеспособные медицинские продукты. Кроме того, масштаб компании не обязательно отражает сложность работы, стоящей за её технологиями. 

Я убедился в этом на собственном опыте, работая над проектами в Keymakr, где мы сотрудничали с разработчиками — от небольших стартапов до одного из ведущих мировых производителей медицинского оборудования. Независимо от размера компании, такая работа требует кропотливого совершенствования алгоритмов, подготовки медицинских наборов данных и проверки точности разметки на соответствие клиническим требованиям. 

За пределами первоначальной идеи

Компания, изучающая определённый биологический механизм, однажды может разработать технологию, которая преобразит совершенно другие отрасли. Это может иметь далеко идущие последствия — вплоть до резкого увеличения продолжительности жизни и полного преобразования общества в его нынешнем виде.

Возможно, именно это больше всего восхищает меня в современных медицинских стартапах. Благодаря ИИ небольшие команды берутся за задачи, для решения которых до недавнего времени потребовались бы ресурсы крупных корпораций, и зачастую подходят к ним с неожиданной стороны. Многие из этих идей так и не будут воплощены в жизнь, но предпринимателям не обязательно заранее знать, насколько крупный рынок в итоге может создать успешная технология. Иногда самые интересные возможности открываются лишь после того, как решена исходная научная задача.