От химика до строителя ИИ-агентов: как агентный ИИ меняет открытие лекарств

01Введение

Траектория Сриджита Сила в области открытия лекарств напоминает сжатую временную линию трансформации самой этой сферы. Получив образование химика, он защитил докторскую диссертацию по машинному обучению и токсикологии под руководством профессора Андреаса Бендера в Кембриджском университете, после чего прошел постдокторантуру в Broad Institute MIT и Гарварда с доктором Энн Карпентер — период, совпавший с первыми шагами агентного ИИ в научных рабочих процессах. После работы в Merck в марте 2026 года он присоединился к Human Chemical в качестве ведущего научного сотрудника по ИИ/МО, где теперь создает ИИ-агентов для химической безопасности и токсикологии. Он также является приглашенным ученым в Уппсальском университете в Швеции, где была проведена значительная часть совместной работы, лежащей в основе новой крупной статьи.

Эта статья — «AI agents in drug discovery: applications and case studies» — является основой для нашего разговора. Соавторами Сила, Динь Лонг Хюиня, Энн Карпентер, Андреаса Бендера, Олы Спьют и более широкого консорциума AIAgents4Science (AIA4S) стали тематические исследования стартапов из США, Великобритании и Швеции, которые показывают, где агентный ИИ уже приносит ощутимые результаты в открытии лекарств.

02Качественный скачок возможностей

На вопрос о том, что изменилось за последние шесть-двенадцать месяцев, ответ Сила был прямолинейным: скорость создания и широта принятия. Идеи, которые в начале 2025 года потребовали бы месяцев на прототипирование, теперь можно собрать за дни благодаря улучшениям в вызове инструментов, навыках, коннекторах и возможностях рассуждения передовых моделей.

Однако Сил осторожно различает легкость создания и реальную научную способность. Базовые модели по-прежнему требуют от пользователей, не являющихся экспертами, понимания их вычислительной среды — управления пакетами, обработки переменных, настройки окружения — даже если обертки стали гораздо доступнее.

«Существуют огромные возможности для расширения возможностей лабораторных ученых и токсикологов с помощью инструментов, которые помогают им искать, анализировать данные и генерировать гипотезы», — говорит Сриджит Сил.

Более значительный сдвиг, по его мнению, — культурный. Шесть месяцев назад значительная часть сообщества все еще считала агентный ИИ хайпом. Это сопротивление существенно ослабло. Выпуск все более мощных моделей в начале 2026 года, наряду с появлением таких инструментов, как Claude Code, перевел разговор от «это реально?» к «как мне это использовать?». Как выразился Сил, сказать кому-то в 2026 году, что вы работаете с агентным ИИ, вызывает ответ: «а кто нет?»

03Почему универсальные модели не справляются

Сквозной темой обсуждения была неадекватность универсальных больших языковых моделей для специализированных задач открытия лекарств. Сил был прямолинеен: вы не можете передать соединение или мишень общей модели и ожидать, что она построит механистическое понимание, получит доступ к соответствующим токсикологическим моделям или найдет статьи с правильными размерами эффекта.

Открытие лекарств требует специфического для предметной области контекста — то есть, какие анализы одобрены регулирующими органами, какие данные in vitro воспроизводимы, какие исследования на животных имеют достаточную статистическую мощность и так далее.

04Что показывает новое исследование

Статья консорциума AIAgents4Science, опубликованная в журнале Drug Discovery Today, представляет собой серию тематических исследований, демонстрирующих практическое применение агентного ИИ. В ней рассматриваются примеры от стартапов из США, Великобритании и Швеции, которые уже используют ИИ-агентов для ускорения процессов открытия лекарств.

Исследование подчеркивает, что специализированные агенты, обученные на доменных данных и интегрированные в конкретные рабочие процессы, значительно превосходят универсальные модели по точности и релевантности результатов. Это особенно важно в таких областях, как токсикология и химическая безопасность, где ошибки могут иметь серьезные последствия.

05Заключение

Разговор с доктором Силом ясно показывает, что агентный ИИ переходит от стадии экспериментов к реальному внедрению в фармацевтической индустрии. Скорость разработки и принятия растет, а культурные барьеры снижаются. Однако ключевым фактором успеха остается создание специализированных агентов, адаптированных к конкретным задачам открытия лекарств, а не попытки применить универсальные решения.