Новость звучит так, будто мы внезапно перескочили лет на двадцать вперёд.
Искусственный интеллект разработал лекарство от тяжёлого заболевания лёгких. Препарат дошёл до клинических испытаний на людях, показал терапевтический эффект, а затем исследователи обнаружили совершенно неожиданную вещь: по нескольким биологическим маркерам получавшие его пациенты стали моложе.
Не почувствовали себя моложе.
Не сказали:
Что-то сегодня колени подозрительно хорошо работают.
А действительно показали изменение рассчитанного биологического возраста.
Молекула называется rentosertib. Разработала её Insilico Medicine — одна из самых известных компаний, пытающихся использовать генеративный ИИ не для написания писем и картинок, а для создания лекарств.
И история действительно очень интересная.
Только таблетку бессмертия пока лучше не заказывать.
Сначала самое важное: лекарство настоящее
Rentosertib создавался для лечения идиопатического лёгочного фиброза — IPF.
Это тяжёлое хроническое заболевание, при котором нормальная ткань лёгких постепенно замещается рубцовой. Лёгкие становятся жёстче, человеку всё труднее дышать, а заболевание со временем способно серьёзно снижать функцию органа.
Слово «идиопатический» здесь примерно означает:
заболевание есть, а точную исходную причину мы не знаем.
Современные препараты способны замедлять развитие IPF, но проблема далеко не решена. Поэтому новая работающая мишень для терапии действительно представляет большой интерес независимо от любого разговора про омоложение.
И вот здесь появляется ИИ.
Insilico использовала нейросети сразу на двух уровнях
Обычно история открытия лекарства выглядит очень долго.
Сначала нужно понять:
на какой биологический механизм вообще воздействовать?
Найти молекулярную мишень.
Потом среди гигантского пространства возможных химических соединений найти вещество, которое с ней взаимодействует нужным образом. Затем оптимизировать молекулу по активности, токсичности, растворимости, стабильности и куче других параметров.
После этого начинаются доклинические исследования.
И только потом — люди.
На каждом этапе можно обнаружить:
не работает.
И вернуться почти в начало.
У Insilico сначала ИИ помог найти саму мишень
Компания анализировала большие объёмы биологических данных по лёгочному фиброзу и пришла к белку TNIK.
Это фермент, связанный с несколькими клеточными сигнальными путями и процессами фиброза.
После этого другая AI-платформа компании использовалась уже для проектирования молекулы, способной воздействовать на TNIK.
То есть речь не о ситуации:
химик придумал лекарство, а ChatGPT красиво назвал его.
ИИ участвовал и в поиске биологической цели, и в разработке самого химического кандидата.
Именно поэтому rentosertib стал одним из наиболее интересных тестов идеи AI drug discovery.
Здесь тоже есть важная оговорка
Иногда пишут:
первое лекарство, полностью созданное искусственным интеллектом.
Слово «полностью» мне не нравится.
Нейросеть не работает одна в тёмной комнате, периодически отправляя молекулы в клиническое исследование.
Есть биологи.
Химики.
Медики.
Лабораторные эксперименты.
Доклиника.
Регуляторы.
Производство вещества.
Клинический протокол.
ИИ здесь является инструментом для поиска и проектирования в огромном пространстве вариантов.
Очень мощным инструментом.
Но пока не автономной фармацевтической компанией.
И всё-таки препарат дошёл туда, где красивые AI-презентации заканчиваются
До людей.
Это чрезвычайно важно.
В AI-разработке лекарств уже много лет прекрасно получается показывать:
наша модель нашла 800 потенциальных молекул за четыре часа.
Замечательно.
Потом начинается медицина.
Молекула должна реально попасть в организм человека.
Не оказаться токсичной.
Добраться до нужной ткани.
Вести себя так, как предполагала модель.
И желательно лечить заболевание.
Вот здесь абсолютное большинство кандидатов традиционно и умирает.
Нейросеть от законов биологии никакой VIP-карты не получила.
В Phase 2a участвовал 71 пациент
Исследование было сравнительно небольшим и длилось 12 недель.
Участники получали разные дозировки rentosertib либо плацебо. Одним из главных показателей была форсированная жизненная ёмкость лёгких — FVC.
Если очень упрощать, это объём воздуха, который человек способен с усилием выдохнуть после глубокого вдоха.
При лёгочном фиброзе FVC обычно постепенно ухудшается.
Поэтому исследователи смотрят:
удалось ли хотя бы остановить снижение?
А ещё лучше — увидеть улучшение.
И на максимальной дозировке появился хороший сигнал
В группе, получавшей 60 мг rentosertib один раз в день, среднее изменение FVC оказалось лучше, чем у группы плацебо.
Для небольшого раннего клинического исследования результат был достаточно интересным, чтобы продолжить разработку.
Но очень важно понимать, что это Phase 2a.
Не финальный приговор:
лекарство доказано и завтра появится в аптеке.
На этой стадии прежде всего смотрят безопасность, переносимость, дозирование и первые признаки эффективности.
Чтобы действительно подтвердить терапевтический эффект, нужны гораздо более крупные исследования.
И они как раз являются следующим этапом.
Уже это само по себе было большой новостью для AI-индустрии
Потому что мы получили не:
ИИ предложил молекулу, которая красиво выглядит в компьютерной модели.
А цепочку:
AI нашёл мишень → AI помог разработать соединение → вещество прошло доклинику → попало в людей → появилось измеримое клиническое действие.
Вот это уже серьёзный аргумент в споре:
может ли искусственный интеллект реально ускорить фармацевтическую разработку?
По крайней мере ответ:
абсолютно бесполезен
после такого кейса становится значительно труднее защищать.
Но затем исследователи посмотрели на данные ещё раз.
И обнаружили кое-что гораздо более громкое для заголовков.
У пациентов начали меняться «часы старения»
Во время клинического исследования у части участников брали биологические образцы.
Позже исследователи использовали их для анализа протеома — огромного набора белков, циркулирующих в организме.
И применили так называемые proteomic aging clocks — протеомные часы старения.
Вот здесь стоит разобраться, что это вообще такое.
Потому что фраза:
биологический возраст уменьшился на четыре года
звучит намного понятнее, чем сама технология.
Наш паспортный возраст невероятно примитивен
Если вам 50 лет, календарь знает только одно:
с момента рождения прошло пятьдесят лет.
Но два человека одного возраста могут находиться в совершенно разном биологическом состоянии.
Один бегает марафон.
Другой имеет несколько хронических заболеваний.
Органы, иммунная система, сосуды и обмен веществ стареют с разной скоростью.
Поэтому исследователи давно пытаются построить биологические часы, которые оценивают состояние организма не по календарю, а по молекулярным признакам.
Есть эпигенетические часы.
Метаболические.
Протеомные.
И множество их разновидностей.
Протеомные часы смотрят на белки
В крови присутствуют тысячи разных белков.
Концентрации некоторых из них довольно закономерно меняются с возрастом.
Берём огромную группу людей.
Измеряем белки.
Знаем паспортный возраст.
Обучаем статистическую или машинную модель находить характерные комбинации.
После этого новому человеку можно показать анализ и получить условный прогноз:
по этому набору белковых маркеров ваш организм больше похож на среднестатистического человека 57 лет.
Даже если человеку паспортно 61.
Это и есть один из вариантов рассчитанного биологического возраста.
Никакой мистики.
Математическая модель по биомаркерам.
И вот у получавших rentosertib этот показатель начал снижаться
В дополнительный анализ вошли данные 42 участников Phase 2a.
Исследователи прогнали образцы через несколько различных протеомных часов.
И обнаружили довольно последовательный сигнал: после курса rentosertib рассчитанный биологический возраст по ряду моделей уменьшался по сравнению с исходным уровнем и плацебо.
В наиболее устойчивых оценках речь шла примерно о нескольких годах — порядка трёх-четырёх.
Отдельные алгоритмы показывали ещё больший сдвиг.
Вот отсюда и вырос заголовок:
ИИ создал лекарство, которое омолодило людей.
Технически основания для него есть.
Но я бы пока держал шампанское закрытым.
Потому что «часы стали моложе» и «человек омолодился» — совсем не одно утверждение
Представьте пациента с тяжёлым воспалительным или фиброзным заболеванием.
Болезнь сама меняет огромное количество белковых показателей.
Начинаем успешно лечить заболевание.
Воспаление уменьшается.
Состояние тканей улучшается.
Белковый профиль становится ближе к тому, который статистическая модель чаще видит у здоровых более молодых людей.
Что произошло?
Вариант первый:
лекарство действительно воздействовало на фундаментальные механизмы старения.
Вариант второй:
мы улучшили заболевание, которое само делало протеом пациента «старше».
А возможно — и то и другое одновременно.
На сегодняшних данных разделить эти варианты окончательно нельзя.
И авторы исследования сами это признают.
Есть ещё проблема размера выборки
Сорок два человека.
Для интересного поискового результата — нормально.
Для утверждения:
мы нашли лекарство от старения
— мягко говоря, маловато.
Причём само исследование изначально проектировалось не как испытание геропротектора.
Пациентов лечили от лёгочного фиброза.
Анализ биологического возраста сделали позднее на уже собранных образцах.
Это называется exploratory analysis — исследовательский, поисковый анализ.
Он великолепно подходит для формирования гипотезы:
Погодите, здесь происходит что-то интересное.
После него нужно отдельное исследование, специально предназначенное для проверки именно этой гипотезы.
И двенадцать недель — тоже очень мало
Предположим, часы показали:
минус четыре года.
Что будет через год?
Эффект сохранится?
Усилится?
Исчезнет после прекращения терапии?
Связан только с улучшением лёгких?
Отражается ли он на реальной функциональности организма?
Снизилась ли вероятность возрастных заболеваний?
Продлилась ли жизнь?
На все эти вопросы сегодняшнее исследование ответа не даёт.
То есть пока мы увидели изменение биомаркеров старения, а не доказанное продление молодости.
Разница огромная.
Но теперь самое интересное: даже осторожная версия новости всё равно невероятно крутая
Обычно подобные истории работают так.
Убираем хайп — остаётся скука.
Учёные обнаружили средство бессмертия!
Проверяем:
червяк прожил на 11% дольше при температуре 17 градусов.
Ну ладно.
😁
Здесь ситуация другая.
Даже если полностью выбросить слово «омоложение», остаётся довольно серьёзное событие.
ИИ помог найти совершенно новую потенциальную терапевтическую мишень.
Спроектировал лекарственный кандидат.
Кандидат дошёл до людей.
Показал сигнал эффективности против тяжёлого заболевания.
А затем независимый молекулярный анализ обнаружил неожиданные системные изменения в белковых маркерах, связанных с возрастом.
Это и без бессмертия замечательно.
Причём эффект оказался не просто в одном случайном белке
Вот это тоже важно.
Если бы исследователь сказал:
один показатель немного изменился, а он когда-то коррелировал с возрастом,
интерес был бы умеренный.
Но использовалось несколько разных моделей протеомного возраста.
И часть результата воспроизводилась между ними.
Это снижает вероятность, что мы просто поймали совершенно случайный артефакт одного алгоритма.
Не устраняет.
Но делает находку намного достойнее дальнейшего исследования.
Почему вообще лекарство от фиброза может влиять на старение?
А вот здесь становится особенно интересно.
Старение — не один процесс.
Нет отдельного винтика:
AGE — повернуть против часовой стрелки.
С возрастом меняются воспалительные сигналы.
Работа иммунной системы.
Состояние внеклеточного матрикса.
Способность тканей восстанавливаться.
Метаболизм.
Клеточная сигнализация.
Фиброз, кстати, тесно связан со старением.
С возрастом ткани чаще теряют нормальную способность к регенерации и склонны накапливать рубцовые изменения.
Поэтому молекула, вмешивающаяся в механизм фиброза, теоретически действительно может задевать более широкие процессы биологического старения.
TNIK здесь становится особенно любопытной мишенью
Rentosertib блокирует активность TNIK.
Изначально этот белок выбрали из-за его предполагаемой роли в механизмах лёгочного фиброза.
Но клеточные сигнальные пути редко обслуживают один-единственный процесс по табличке:
Отдел лёгких. Посторонним вход воспрещён.
Один и тот же белок может участвовать в различных сетях регуляции.
Меняем один узел — последствия появляются в нескольких системах.
С точки зрения лекарственной разработки это одновременно прекрасно и опасно.
Можно получить неожиданный полезный эффект.
А можно совершенно не тот.
Поэтому клинические испытания и нужны.
И здесь AI получает совершенно новую роль
Обычно нейросети в фарме продают через ускорение поиска.
Есть 10^60 потенциальных химических молекул.
Человек никогда их не переберёт.
Модель способна сузить пространство.
Отлично.
Но следующий шаг значительно интереснее.
AI может находить биологические связи, которые человек заранее вообще не искал.
Допустим, лекарство тестировали против заболевания А.
После лечения появляются неожиданные изменения в системе Б.
Теперь можно проанализировать молекулярные данные и спросить:
почему?
И снова использовать ML для поиска механизма.
Получается петля:
AI предложил лекарство → эксперимент дал новые биологические данные → AI анализирует неожиданный эффект → возникает новая гипотеза → новый эксперимент.
Вот это уже очень похоже на ускорение самой науки.
Особенно если фармацевтика начнёт собирать намного больше данных с каждого испытания
Традиционно клиническое исследование отвечает на довольно узкий вопрос:
помогло лекарство по основной конечной точке или нет?
Но у каждого участника можно получить огромное количество дополнительной информации.
Протеом.
Транскриптом.
Метаболом.
Генетические данные.
Иммунные показатели.
Изображения.
Носимые датчики.
Раньше такой объём просто было трудно нормально анализировать.
Современный AI делает подобный multidimensional dataset намного интереснее.
Возможно, один препарат способен рассказать о человеческой биологии значительно больше, чем тот вопрос, ради которого его первоначально тестировали.
И тогда «побочный эффект» может стать отдельным лекарством
Фармацевтика знает такие истории прекрасно.
Некоторые знаменитые препараты сегодня используются совсем не так, как предполагали изначально.
Силденафил разрабатывали как средство для сердечно-сосудистых заболеваний.
Миноксидил — для снижения давления.
Потом выяснилось:
хм. А вот этот эффект тоже интересный.
Медицина иногда развивается удивительно прагматично.
Если сигнал вокруг rentosertib и биологического возраста подтвердится, возможна похожая история.
Препарат против лёгочного фиброза может внезапно открыть отдельное направление исследований по возрастным механизмам.
Но между:
интересный сигнал
и
геропротектор для здорового человека
лежит ещё огромное количество работы.
Особенно потому, что «здоровому человеку» требования к безопасности значительно выше
Если у пациента тяжёлое прогрессирующее заболевание, определённый риск терапии может быть приемлем.
Если человек совершенно здоров и говорит:
хочу биологически помолодеть на четыре года,
соотношение риск/польза совершенно другое.
Любой настоящий препарат взаимодействует с организмом.
Есть дозировка.
Побочные эффекты.
Лекарственные взаимодействия.
Долгосрочные последствия.
Поэтому существование возможного anti-aging эффекта вообще не означает, что rentosertib когда-нибудь будут раздавать сорокалетним после диспансеризации.
И уж точно не стоит искать, где его купить самостоятельно.
Но сам термин «лекарство от старения» тоже немного мешает
Потому что старение, вероятно, не одна болезнь.
Гораздо реалистичнее выглядит будущее, где медицина постепенно научится воздействовать на отдельные механизмы возрастного ухудшения.
Фиброз.
Хроническое воспаление.
Сенесцентные клетки.
Нарушение работы митохондрий.
Изменение белкового обмена.
Снижение регенерации тканей.
Если мы научимся замедлять несколько таких процессов одновременно, человек будет дольше оставаться функционально здоровым.
Никакой таблетки:
+50 лет молодости.
Скорее набор медицинских вмешательств, постепенно сдвигающих период болезней ближе к концу жизни.
И это гораздо более интересная цель.
Потому что проблема не в том, что нам хочется прожить 170 лет
По крайней мере мне не особенно интересно провести последние сорок из них в очередях по поликлиникам.
Главная цель исследований longevity — healthspan.
Количество лет, которое человек остаётся здоровым и функциональным.
Представьте две жизни одинаковой длины — 85 лет.
В первой серьёзные хронические болезни начинаются после 60.
Во второй — после 78.
Продолжительность почти та же.
Качество совершенно другое.
Если AI-разработка лекарств действительно поможет сдвигать заболевания старения хотя бы на несколько лет, экономический и человеческий эффект будет гигантским.
Именно здесь искусственный интеллект может дать результат куда важнее чат-ботов
Сегодня мы обсуждаем:
GPT стал лучше писать код.
Нейросеть нарисовала реалистичного кота.
Агент заполнил таблицу.
Полезно.
Но если ML реально сократит цикл открытия лекарств и позволит находить молекулы против заболеваний, которые десятилетиями плохо поддавались терапии, масштаб совсем другой.
Буквально:
технология изменила продолжительность здоровой человеческой жизни.
И rentosertib интересен потому, что мы наконец начинаем видеть первые кандидаты, которые прошли путь от AI-платформы до клинических данных.
Правда, революция в разработке лекарств будет выглядеть значительно медленнее революции ChatGPT
Нельзя выпустить новую молекулу через три месяца после обновления модели.
Есть биология.
Доклиника.
Токсикология.
Phase I.
Phase II.
Phase III.
Регуляторы.
Производство.
Наблюдение после выхода на рынок.
Даже если AI в десять раз ускорил самый первый этап поиска кандидата, таблетка всё равно не появляется завтра.
Поэтому фармацевтический AI долго будет казаться менее впечатляющим, чем очередной видеогенератор.
Пока однажды препарат просто не начнёт спасать людей.
И ещё AI не отменяет чудовищно высокий процент неудач
Это важный тест всей идеи.
Фармацевтическая разработка исторически представляет собой кладбище прекрасных молекул.
Они замечательно работают:
на компьютере;
в пробирке;
на клетках;
иногда даже на животных.
А потом приходят люди.
И организм говорит:
Нет.
Если AI-разработанные препараты будут проваливаться в клинике примерно с той же частотой, что и традиционные, экономическая революция окажется значительно скромнее обещаний.
Главный экзамен AI drug discovery — не количество придуманных молекул.
А доля кандидатов, реально доходящих до работающего лекарства.
Вот эту статистику мы увидим только со временем.
Rentosertib поэтому пока нельзя назвать победой
Он ещё не зарегистрирован.
Крупные подтверждающие исследования впереди.
Необходимо проверить эффективность на большем числе пациентов.
Посмотреть долгосрочную безопасность.
Убедиться, что ранний сигнал FVC повторяется.
И отдельно разобраться с найденным изменением биологических часов.
Но он уже прошёл достаточно далеко, чтобы назвать происходящее серьёзным доказательством концепции.
AI не просто написал научную гипотезу.
Его молекула уже оказалась внутри настоящих пациентов.
А история с «омоложением» даёт нам ещё один очень хороший урок про новости об ИИ
Есть два плохих варианта.
Первый:
ИИ СОЗДАЛ ТАБЛЕТКУ БЕССМЕРТИЯ!!!
Второй:
Да ерунда, всего лишь какой-то статистический биомаркер.
Реальность интереснее обеих крайностей.
Нет, никто не доказал омоложение человека на четыре года.
Но и игнорировать изменения нескольких молекулярных часов после AI-разработанного препарата было бы странно.
Это интересный биологический сигнал, появившийся там, где его вообще изначально не искали.
Вот так и нужно к нему относиться.
Сейчас я бы сформулировал результат максимально просто
Что мы знаем достаточно уверенно?
ИИ помог определить новую терапевтическую мишень.
ИИ использовался для разработки новой молекулы.
Молекула дошла до клинического исследования Phase 2a.
В максимальной дозе появился обнадёживающий сигнал по функции лёгких у пациентов с IPF.
При дополнительном анализе части участников несколько протеомных алгоритмов показали снижение рассчитанного биологического возраста.
Что мы пока не знаем?
Действительно ли препарат замедляет фундаментальное старение.
Сохраняется ли эффект долго.
Относится ли он к людям без лёгочного фиброза.
Даёт ли уменьшение показаний aging clocks реальное продление здоровой жизни.
Вот между этими двумя списками сейчас находится настоящая история.
И она достаточно мощная даже без фантастики
Ведь подумайте, что фактически произошло.
Мы построили алгоритм.
Алгоритм помог найти биологический механизм.
Другой алгоритм помог создать новую молекулу.
Молекулу дали человеку.
А затем данные человеческого организма показали эффект, которого разработчики первоначально вообще не ставили основной целью.
Это уже довольно неплохой сюжет для фантастики.
Только происходит он сейчас.
Самое интересное начнётся, если результат повторится
Допустим, крупное исследование подтверждает терапевтическое действие.
Отдельные исследования подтверждают влияние на возрастные биомаркеры.
Находится понятный механизм.
Тогда появляется новый вопрос:
можно ли специально использовать AI для поиска молекул, одновременно воздействующих на заболевание и механизмы старения?
Не:
случайно нашли anti-aging сигнал.
А:
задаём его как одну из целей проектирования.
Вот тут пространство поиска становится уже почти нечеловеческим.
Потому что приходится оптимизировать огромный набор биологических параметров одновременно.
И именно в таких задачах машинные методы потенциально особенно сильны.
Возможно, AI не найдёт «лекарство от старости»
Но вполне способен найти тысячу маленьких способов стареть медленнее.
Один защищает лёгкие.
Другой сосуды.
Третий снижает определённые воспалительные процессы.
Четвёртый помогает регенерации.
Пятый уменьшает риск конкретного возрастного заболевания.
По отдельности никакого бессмертия.
Вместе — дополнительные годы нормальной жизни.
И если искусственный интеллект действительно ускорит поиск таких молекул, его главным достижением однажды может оказаться вовсе не виртуальный сотрудник или робот.
А совершенно обычная таблетка.
Причём мы можем долго даже не замечать масштаб изменения
В 2035 году врач назначает препарат.
Никто не говорит:
Сейчас я выпишу вам лекарство, созданное искусственным интеллектом!
Как сегодня никто не сообщает:
Этот снимок обработан цифровым алгоритмом.
Просто лекарство существует.
AI постепенно исчезает внутри процесса.
И именно это будет признаком настоящего успеха.
Не когда на упаковке огромными буквами написано AI POWERED.
А когда всем стало всё равно, каким способом молекулу нашли.
Главное — она работает.
Поэтому историю rentosertib я бы запомнил
Не как:
ИИ уже умеет омолаживать людей.
Пока нет.
А как момент, когда несколько технологических линий впервые очень красиво пересеклись.
Генеративный AI.
Поиск лекарств.
Клинические испытания.
Биомаркеры старения.
И неожиданный результат, которого никто не заказывал.
Возможно, через несколько лет выяснится, что история с протеомными часами была всего лишь интересным следствием лечения лёгочного фиброза.
Такое вполне возможно.
Но может оказаться и иначе.
И вот тогда нынешние заголовки про «омоложение на несколько лет» внезапно будут выглядеть не преувеличением.
А чрезвычайно ранним намёком на значительно большую историю.
Пока же формулировка у меня простая:
ИИ ещё не изобрёл лекарство от старости.
Но он уже помог создать лекарство, после которого человеческий организм начал показывать признаки, заставившие учёных всерьёз задать этот вопрос.
А это, согласитесь, тоже довольно неплохое начало.
