Российские ученые выяснили, что нейросети дают сбой при разработке лекарств
Популярные нейросетевые алгоритмы для моделирования молекул лекарств, вопреки ожиданиям, часто выдают физически некорректные структуры и игнорируют ключевые химические свойства соединений. К такому выводу пришли исследователи МФТИ, проверив четыре ведущие ИИ-платформы и доказав, что их прогнозы зависят от формата ввода данных, а не от реальных характеристик молекул.
Ученые МФТИ выяснили, что нейросети, применяемые для разработки лекарств, выдают систематические ошибки. Используя алгоритмы AlphaFold 3, Boltz-2, Chai-1 и Protenix-v1, они обнаружили, что ИИ не учитывает электрический заряд молекул, который может меняться в зависимости от кислотности среды и обеспечивает эффективность действия препарата на нужную мишень. При этом геометрию структур алгоритмы часто выдают с физически невозможными параметрами — например, «сжимают» химические связи в десять раз сильнее допустимого. Это ставит под сомнение достоверность прогнозов о поведении будущих препаратов в организме.
Особую тревогу у авторов исследования вызвал тот факт, что предсказанные нейросетями структуры больше зависят от формата описания молекулы на входе (стандарт CCD или строковая запись SMILES), чем от ее реального заряда. Ученые подчеркивают: ИИ-модели должны выдавать одинаковый результат независимо от формата входных данных, а при их обучении необходимо учитывать способность молекул менять заряд. Пока же даже для простейших соединений — метиламина и уксусной кислоты — нейросети дают несогласованные и порой абсурдные результаты.
Отраслевые эксперты подтверждают: ИИ пока остается вспомогательным инструментом для рутинных задач, а не самостоятельной экспертной системой.
Сейчас драйверами роста компаний-производителей выступают технологии ИИ и машинного обучения. При этом к любым ИИ-моделям нужен риск-ориентированный подход, а их выводы требуют критического осмысления специалистами, поскольку возможности любой нейросети сужены при обучении с ограниченным набором данных и она не в силах совершать самостоятельные открытия. Поэтому главная ценность ИИ в фарме — автоматизация рутины и ускорение обработки информации, тогда как принятие ключевых решений, генерация новых идей и ответственность за результат всегда остаются за человеком.
Несмотря на все ограничения, искусственный интеллект уже находит практическое применение в фармацевтической отрасли. Компании используют его для решения конкретных бизнес-задач, где он доказал свою эффективность.ИИ уже применяется в фарме при данных мониторинге данных и ценообразовании, формировании отчетности, а также в прогнозировании спроса и рекомендательных систем.
Подписывайтесь на наши каналы: МАКС ● VK ● Дзен ● Telegram
