К содержимому
Дайджест

ИИ в разработке лекарств: опыт Isomorphic Labs

Silicon Valley Girl·10 ноября 2026·43:35
можно прочитать мнение промо
Открыть на YouTube
Интервью с президентом Isomorphic Labs Максом Джадербергом о том, как ИИ меняет разработку лекарств, — для тех, кто хочет понять, какие специалисты нужны на стыке ИИ и биологии и как строить там карьеру.

Что в ролике

Если вы присматриваетесь к ИИ в науке, история Макса Джадерберга из Isomorphic Labs показывает, как бывший исследователь DeepMind превратил прорыв AlphaFold в работу над лекарствами от всех болезней. По его словам, одного AlphaFold недостаточно: чтобы создавать лекарства, нужно ещё полдюжины прорывов уровня AlphaFold, которые команда Isomorphic собирает в единый движок проектирования лекарств. Модели помогают с двух сторон: понимать биологию болезни и проектировать молекулы, которые вмешиваются в неё; компания проверяет их не на тысячах, а на 20–50 молекулах, потому что точность предсказаний уже достаточно высока. Часть работы автоматизирована агентами, которые могут идти несколько суток, а для их оценки в компании используют внутренние leaderboard и eval-наборы, потому что в биологии результат нельзя проверить на компьютере. Коммерчески Isomorphic совмещает собственные программы и партнёрства с фармкомпаниями, которые дают самые сложные задачи. Макс считает, что нанимать нужно лучших специалистов без опыта в биологии, если они любопытны и готовы учиться, а сам советует не пренебрегать изучением науки, чтобы задавать правильные вопросы. По его прогнозу, в ближайшие 10 лет появятся новые типы лекарств и персонализированная медицина, но регуляторный процесс FDA останется узким местом: 90% препаратов проваливаются в клинике.

Практика

Что получишь
Поймёте, какие роли ИИ уже закрывает в разработке лекарств, как оценивать агентов без точных метрик и почему для работы в AI for science всё ещё нужна наука.
Первый шаг
Начните с выбора научной области и разберите, какие данные в ней есть и могут ли они дать сигнал для обучения модели.
Цифры
  • —10 лет — столько в среднем занимает путь нового лекарства от идеи до аптеки
  • —90% — доля лекарств, которые проваливаются в разработке или клинических испытаниях
  • —20–50 молекул — столько Isomorphic Labs теперь делает и тестирует в лаборатории вместо сотен тысяч
  • —80% против 10% — целевая точность внутренней модели на одном бенчмарке, где мировой уровень был всего 10%
Честно
Видео снято при спонсорстве Miro: в середине автор рекламирует подключение Claude к доске Miro через MCP-сервер и даёт ссылку. В конце она зовёт подписаться на бесплатную рассылку Futureproof и просит подписаться на канал. Макс Джадерберг — президент Isomorphic Labs, поэтому его оценки и прогнозы по AI в фармацевтике стоит воспринимать как позицию компании, а не независимый анализ.
Если слова незнакомы — 4 терминов

Связки из этого ролика

4 шт.

Компоненты

7 шт.

Формат: интервью · для практикующих · уверенность разметки 0.9 · источник