AI переписывает экономику разработки лекарств

Отдельный раздел отчёта посвящён тому, как AI меняет экономику drug development. По классической модели: “средняя” разработка лекарства сейчас — ~2,4 млрд долл., 13 лет до рынка, 7,6 неудачных клинических программ на один успех.

10–15 лет от таргета до рынка, несколько миллиардов долларов и множество провалившихся программ на один успешный препарат. Условно, это ставка в казино с очень дорогим входом.

AI‑подход меняет структуру рисков и тайминг. ARK моделирует, что сочетание AI‑дизайна молекул и более таргетных биомаркеров позволяет сократить срок до 8 лет и общую стоимость до ~0,7 млрд, а также сдвинуть кэш‑флоу вперёд и продлить период под патентом.

Если вы сдвигаете качественную селекцию молекул и таргетов на ранние стадии, а дальше сопровождете весь цикл цифровыми биомаркерами и адаптивными дизайн‑трайлами, вы уменьшаете вероятность провала в поздних фазах, а значит, снижаете общий стоимость проекта и сдвигаете выручку ближе к началу.

ARK моделирует, что в такой конфигурации средняя стоимость разработки и время до рынка заметно падают, а кумулятивный денежный поток за жизненный цикл препарата вырастает в несколько раз. В их модели средний AI‑дизайн‑drug генерирует кумулятивный денежный поток ~4 млрд долл. за 30 лет — более чем в 4 раза выше, чем традиционный аналог. Это делает портфели AI‑биотех‑компаний с на первый взгляд «сырым» пайплайном гораздо более интересными с точки зрения экономики.

Но важнее другое: меняется логика портфельного управления. Вместо нескольких очень больших ставок на поздних стадиях возникает возможность вести множество более дешёвых и быстрых экспериментов в начале, убивая слабые проекты до клиники. Это делает drug discovery ближе к венчурной логике, чем к традиционной фарме.

Для экосистемы это шанс: университетские лаборатории и стартапы могут собирались в «виртуальные фармы», где IP, модели и эксперименты работают как связанный конвейер, а не как разрозненные гранты и разовые проекты.

👻 Биомедтех в MAX

Несколько лет подряд мы безуспешно пытались провести «операцию проникновения» — уговорить Юрия Огнева, директора @sechenov_21, пустить на их легендарную программу хоть пару наших коллег: хоть тушкой, хоть чучелом, ибо на программы допускались только студентов.

Увы, правила были железные и ни один обходной манёвр не работал. Юрий Николаевич был непоколебим! Даже на официальное письмо с запросом в рабочей почте ответил отказом – закон суров, никаких компромиссов))))

Но чудеса случаются — Юрий Николаевич добился того, чтобы теперь и у сотрудников была возможность официально учиться в Школе 21.Сеченов! Ура-ура! 🎉

И вот уже наши неугомонные коллеги с шилом и вечным желанием развиваться радостно собирают портфолио и идут на обучение.

Еще не поздно стать их сокурсниками!

Старт программы 30 марта

А регистрация на параллельные программы закроется в течение нескольких дней:

➡️ Управление ИТ-проектами

как планировать работу команды, управлять сроками, использовать Agile и выстраивать процессы между разработчиками, дизайнерами и заказчиками

➡️ Дизайн интерфейсов в медицине

как продумываются пользовательские сценарии, проектируются экраны, создаются прототипы и тестируется пользовательский опыт

🌈🌈🌈

Multiomics как новая инфраструктура: дешёвый геном, дорогие инсайты

Вторая большая линия в отчёте — multiomics. Там очень чётко проговаривается, что дешёвый геном — это только первый этаж. Настоящая ценность рождается, когда к ДНК добавляются РНК, протеом, метаболом и цифровые фенотипы из устройств и EHR.

Стоимость полного генома продолжает падать экспоненциально; к 2030 ARK ждёт снижение до ~10 долл. за полногеномное секвенирование, что радикально удешевляет сбор «сырья» для моделей.

По мере того как стоимость секвенирования падает до символических величин, ограничением становится не сбор данных, а их интерпретация. ARK показывает, что объём multiomics‑данных к концу десятилетия сравним и даже превосходит объём данных, использованных для обучения крупнейших LLM. То есть биомедтех внезапно оказывается одним из главных «поставщиков топлива» для AI.

Multiomics‑диагностика (ДНК, РНК, протеом, цифровые фенотипы) создаёт объёмы данных, которые к 2030 году, по оценке ARK, вырастут в 10 раз и превысят токены, использованные для обучения фронтир‑LLM (порядка 15 трлн токенов).

На уровне продуктов это означает переход от точечных тестов к платформам. Вместо «один тест — один показание» мы получаем мультипанельные решения, которые живут вместе с пациентом и динамически обновляют его риск‑профиль по мере накопления данных.

Для университетов и стартапов ключевой вопрос: на каком слое этой инфраструктуры вы хотите стоять? Генерация данных (платформы секвенирования, лаборатории), интеграция и нормализация, аналитика и модели, клинический слой (диагностика, стратификация пациентов), приложения для пациентов и врачей.

Multiomics перестаёт быть «высокой наукой» и становится такой же базовой инфраструктурой, как облачные вычисления — её не обязательно строить самому, но нужно понимать, на какие сервисы вы опираетесь.

👻 Биомедтех в MAX

Уже завтра!!!

Регистрация для внешних гостей уже закончена, но если вы учитесь или работаете в Сеченовском Университете, то можно присоединиться!

🚀 HealthTech Strategy Day 2026 — день рождения, в который проектируем будущее

25 марта Клуб предпринимателей Сеченовского Университета отмечает свой день рождения стратегической сессией для лидеров HealthTech рынка.

Совместно с нашими партнёрами Purrweb мы представим результаты исследования о барьерах и возможностях HealthTech-рынка 2026 года — и обсудим, как на них формировать устойчивые стратегии роста.

В программе:
- Презентация исследования SechenovTech & Purrweb: ключевые выводы о динамике HealthTech-сектора
- Практические кейсы от Genotek, НаПоправку и других — что помогает выживать и развиваться в условиях неопределённости
- Анализ моделей роста биомедтех-компаний под давлением рынка
- Демозона стартапов Клуба предпринимателей Сеченовского Университета и точечные консультации экспертов
- Вечерний нетворкинг и праздничный фуршет — как итог насыщенного дня и новый этап развития Клуба

Save the date: 25 марта 2026

📍 Предпринимательский коворкинг Сеченовского университета, ул. Трубецкая, 8

Для нас это не просто дата.

Это момент стратегического взросления сообщества молодых предпринимателей, растущих вместе с SechenovTech.

❤️❤️❤️

👻 Биомедтех в MAX

Итоги вчерашнего дня мы еще подведем, фото и материалами поделимся, а пока хочется обсуждать глобальные новости и тренды)

Тем более что мое вчерашнее выступление было как раз про них.

Первые ИИ‑врачи выходят на рынок труда цифровой медицины

Стартап Doctronic стал, по сути, лицом текущей волны ИИ в клинической практике: компания подняла 40 млн долларов раунда B (всего привлечено уже 65 млн) на развитие платформы «ИИ‑доктора», которая автономно отвечает на медицинские вопросы, собирает анамнез и принимает клинические решения, а при необходимости переводит пациента на видео‑консультацию с врачом за фиксированную плату. В январе штат Юта запустил пилот, в рамках которого системе позволено автоматически продлевать рецепты пациентам с хроническими заболеваниями — это первый кейс, когда ИИ официально выполняет такую функцию в реальной юрисдикции.

На федеральном уровне в США обсуждается законопроект Healthy Technology Act 2025, который в случае принятия формально признает ИИ‑системы «практикующими лицами», способными выписывать одобренные FDA препараты, что делает эту историю одновременно «удивительной» и «с потенциально огромным влиянием».

В более широком контексте стартапы активно продвигают ИИ не только в админ‑процессы, но и в непосредственное принятие клинических решений, что создаёт острый спор о безопасности, «алгоритмическом триаже» и рисках для уязвимых групп.

👻 Биомедтех в MAX

Финал серии: биомедтех как архитектура будущей экономики (начало)

В серии постов на прошлой недели мы прошли путь от «одной дорогой терапии» до представления о том, что биомедтех на самом деле — не про рынок препаратов, а про архитектуру будущей экономики.

Если собрать семь направлений в одну картинку, получается довольно жёсткая, но вдохновляющая рамка.

Во‑первых, здоровье перестаёт быть «расходом системы» и становится крупнейшим активом. Longevity‑экономика (читать подробнее) переводит разговор о медицине из рубрики «социальные обязательства» в рубрику «рост ВВП и производительность». В этой логике любая технология, которая добавляет здоровые годы, автоматически попадает в стратегическую повестку — на уровне стран, корпораций и городов.

Во‑вторых, меняется сама логика лечения. Вместо бесконечного обслуживания хронических состояний мы постепенно движемся к излечивающим, однократным вмешательствам (читать подробнее про "кюры")— сначала в редких заболеваниях, потом в кардиологии и других массовых нозологиях. Это не только гуманная, но и экономически рациональная модель: один раз дорого, чтобы дальше не платить за деградацию.

В‑третьих, инфраструктура (читать подробнее). Multiomics, дешёвое секвенирование, цифровые фенотипы и AI превращают биомед в саморазгоняющийся контур: данные → модели → решения → новые данные. Это уже не набор «волшебных технологий» вроде CRISPR или CAR‑T, а связанная система, где ценность создаётся за счёт интеграции, а не только изобретения.

В‑четвёртых, перепридумывется экономика R&D (читать подробнее). AI и цифровые трайлы позволяют перестать играть в фармацевтическую рулетку, уменьшить провалы на поздних стадиях и сместить кэш‑флоу ближе к началу жизненного цикла продукта. Это открывает дверь игрокам, у которых нет триллионов на балансах, но есть данные, модели и готовность мыслить портфелями, а не «сакральными молекулами».

В‑пятых, диагностический и приборный слой (читать). Медизделие без AI превращается в датчик, а маржа и влияние уходят в софт и данные. Врачи и пациенты начинают взаимодействовать не с отдельными устройствами, а с цифровыми контурами, внутри которых устройства — лишь органы чувств системы. Для инженеров и клиник это болезненный, но неизбежный сдвиг.

Если всё это сложить, становится видно: биомедтех перестаёт быть нишей. Это новая инфраструктурная отрасль, которая пересекается с энергетикой (через нагрузку AI‑дата‑центров), транспортом (через robotaxi и доступ к медицинским услугам), финансами (через переоценку человеческого капитала) и городской средой (через продление активного возраста).

Поэтому главный вопрос после этой серии, как ни странно, не про технологии. Он про позиционирование: в каком именно месте этого контура вы хотите стоять — как университет, как стартап, как инвестор, как врач, как регулятор? И готовы ли вы мыслить свои решения не как «ещё один продукт», а как элемент архитектуры, которая будет определять, как выглядит нормальная жизнь через 20–30 лет.

👻 Биомедтех в MAX

Исследование о рынке труда by Anthropic

В преддверии Недели медицинского образование в Сеченовском Университете оч актуально обсудить тренды рынка труда, которые обозначены в мартовском исследовании компании Anthropic.

Антропик сделал очень аккуратное, «экономическое» фото того, как ИИ уже сейчас затрагивает труд, и из него прямо торчат несколько важных выводов для биомедтеха и цифрового здравоохранения.

О чем исследование:

⏺ Исследователи вводят новый показатель observed exposure — «наблюдаемая экспозиция», то есть, насколько задачи реально автоматизируются LLM в рабочем контексте (а не только «по теории можно было бы автоматизировать»).​

⏺ Они склеивают три слоя: описание задач профессий, свою аналитику использования Claude (Anthropic Economic Index) и оценки «теоретической уязвимости» задач для LLM.​

⏺ Ключевой тезис: ИИ пока далеко не реализует свой теоретический потенциал, реальная автоматизация — лишь доля того, что модели уже «по бумаге» умеют.

Вывод неприятный для стереотипов: сильнее всего экспонированы не «низкоквалифицированные», а более образованные, высокооплачиваемые специалисты, часто женщины.

Так, LLM уже заметно заходят в мир программистов, финансовых аналитиков, саппорта и data entry — там модели теоретически покрывают до 60–90% задач, а в реальных usage‑логах Claude уже автоматизируют 30–75%. Внизу списка — повара, механики, официанты, охранники: физический и сервисный труд остаётся почти нетронутым. Массовой безработицы среди «экспонированных» Anthropic пока не видит, но для молодых 22–25 лет в этих профессиях фиксируется замедление найма: входные позиции сужаются, компании меньше берут джунов.

Что с биомедтехом? Если переложить это на медицину и life sciences, то в зоне скорой автоматизации оказываются не хирурги и не медсёстры, а широкий пояс knowledge‑ролей вокруг них. Это люди, которые пишут тексты и отчёты, сводят данные, координируют исследования и принимают рутинные решения по понятным правилам: клинические исследователи, биостатистики, медписатели, координаторы исследований, специалисты по страховой медицине, менеджеры качества.

Для экосистемы биомедтеха отсюда несколько практических выводов:

⏺ Стратегический фокус — не «ИИ заменит врача», а продукты для всех когнитивных и административных контуров вокруг клиники и фармы: документы, анализ данных, маршрутизация, взаимодействие с регуляторами и страховщиками.​

⏺ Самые интересные ниши — там, где теоретическая экспозиция уже высокая, а реальное использование ИИ пока минимально из‑за регуляторики, ответственности и отсутствия нормальной интеграции.​

⏺ В образовании по биомедтеху и цифровому здравоохранению надо честно говорить студентам: вход через «рутинную аналитическую работу» будет сжиматься, цениться будут доменная глубина, работа с пациентом и умение строить решения с опорой на ИИ, а не «вместо» него.

👻 Биомедтех в MAX

Российский биомедтех: кого ИИ-агенты заменят в первую очереди в первой линии

Исследование Anthropic про observed exposure показывает важную вещь: ИИ уже заметно заходит в «беловоротничковые» и аналитические профессии, но пока почти не трогает физический и сервисный труд. Самая высокая экспозиция — у программистов, финансовых аналитиков, саппорта и data entry, тогда как повара, механики и прочие «руки» в красной зоне почти не фигурируют. Для медицины и биомеда это означает: первыми будут меняться не операционные, а когнитивные и документальные роли вокруг пациента.

Если приземлить отчёт Anthropic на российскую систему здравоохранения, картина становится очень конкретной. В наших НМИЦ, университетских клиниках и страховых компаниях под раннюю автоматизацию попадают:​

⏺ Координаторы клинических исследований, специалисты по GCP и ОКИ: типовые письма, протоколы, визиты, логистика, заполнение форм, отчёты для ЛЭК и Минздрава — всё это ровно тот класс задач, который в работах Anthropic помечен как теоретически полностью экспонированный.

⏺ Медицинские писатели и регуляторщики: регистрационные досье, резюме данных, изменения инструкций, ответы на запросы регуляторов и страховых — смесь структурированного текста и жёстких шаблонов, где LLM могут удваивать скорость работы

⏺ Специалисты по страховой медицине, возмещению и контролю качества: кодирование услуг, медико‑экономическая экспертиза, апелляции, переписка с фондами — российский аналог тех самых office & admin / customer service, где у Anthropic высокая теоретическая экспозиция и растущая observed exposure - уже сейчас до 90% задач теоретически доступны моделям.

⏺ Аналитики в фарме и медтехе: поиск и сводка литературы, стандартные отчёты по безопасности и эффективности, фармаконадзор, презентации для ВК, подготовка слайдов — то, что вписывается в observed exposure через реальные кейсы использования Claude, тот класс задач, где уже фиксируется регулярное использование моделей в работе даже если работодатели и регуляторы об этом еще не подозревают.​

Общий мотив: это хорошо оплачиваемые, женские и более образованные профессии — именно так описывается самая экспонированная группа в отчёте Anthropic. Пока массового роста безработицы там не видно, но найм молодых 22–25 лет в такие профессии уже просел: компании меньше берут людей на вход, где рутинную когнитивную работу можно переложить на ИИ. Для биомедтеха это сигнал: новые карьеры нужно строить сразу «поверх моделей», а не под старую логику, где младший специалист = человек, который делает всю однообразную бумажную работу.

Если смотреть на это глазами экосистемы, то продуктовые возможности лежат именно в этих «скучных» местах, которые никто не хочет видеть инновацией. Не ИИ‑хирург, а нормальная автоматизация протоколов, отчётности, коммуникации и страховых кейсов, с доведением до реального observed exposure, который сегодня является лишь фрагментом теоретического потенциала моделей. И те университеты и акселераторы, которые первыми начнут готовить специалистов и команды под этот ландшафт, будут не «защищать от ИИ», а конструировать новые роли — там, где ИИ закрывает рутину, а человек берёт на себя сложное принятие решений, коммуникацию и дизайн систем.

👻 Биомедтех в MAX

ИИ меняет вход в науку и R&D

В логике Anthropic как раз исследовательские и высококвалифицированные роли оказываются сильно экспонированными: литературные обзоры, анализ данных, подготовка статей, отчётов и грантовых заявок — всё это задачи, которые модели уже умеют ускорять в разы. Это не убирает исследователя, но резко удешевляет и ускоряет «грязную» часть его работы. На уровне рынка труда это проявляется не массовыми увольнениями, а сжатием входного слоя: меньше потребность в младших сотрудниках, которых брали «таскать данные и писать черновики».

Что это значит для образовательных программ про исследования

Традиционная траектория в науке и R&D: сначала много ручной рутины (искать статьи, чистить данные, набивать отчёты), потом — переход к дизайну экспериментов, постановке исследований и управлению проектами. В мире, где значительная часть этой рутины делегируется ИИ, программы, которые продолжают «готовить к рутине», выпускают людей с быстро обесценивающимся skill‑set’ом.

Новые акценты:

⏺ Учить не «как правильно оформить статью», а как строить исследовательский пайплайн, в котором ИИ работает на этапах поиска литературы, генерации гипотез, планирования эксперимента и интерпретации результатов.

⏺ Переносить фокус с технических навыков подготовки документов на компетенции дизайна исследований, постановки вопросов, выбора методологии, проверки валидности и воспроизводимости.

⏺ Вшивать в курсы постоянный вопрос: какую часть этой исследовательской задачи может взять на себя ИИ сейчас, а какую — в ближайшие 3–5 лет, и что тогда остаётся «человеческим ядром» профессии.

R&D‑акселерторы и программы по инновационным компетенциям

Акселерационные и «инновационные» программы почти всегда затрагивают R&D — будь то университетские лаборатории, корпоративные НИОКР или стартапы. Их логика тоже должна измениться:

⏺ В кейсах и проектах нужно просить команды не просто «сделать продукт», а перерисовать исследовательский и разработческий контур: какие задачи по анализу, моделированию, валидации, документации делают люди, а какие — ИИ.

⏺ В модуль по «инновационным компетенциям» стоит добавить отдельную тему: управление портфелем исследований в условиях, когда стоимость генерации гипотез и прототипов падает, а узким ресурсом становится не время, а экспертиза и экспериментальная база.

⏺ В практику по грантам, заявкам и отчётности — работу с ИИ как с стандартным инструментом, но с явным обсуждением рисков: фабрикация данных, «галлюцинации» в обзорах, утечка чувствительной информации.

Новый профиль исследователя и R&D‑лидера

Образовательные программы, которые ориентируются на R&D, должны прямо переписать профиль выпускника:

⏺ Не «человек, который умеет делать всё руками», а человек, который умеет проектировать исследовательский процесс в команде, где ИИ встроен по умолчанию.

⏺ Не «исполнитель чужих гипотез», а носитель навыков формулировать сильные исследовательские вопросы, отбирать валидные результаты из лавины автоматизированно сгенерированного материала, настраивать критерии качества.

⏺ Не «давайте научим писать диссертацию», а «давайте научим управлять жизненным циклом исследования/разработки: от идеи и дизайна до прототипа, регуляторной стратегии и внедрения».

Практические шаги для программ

Чтобы это не было только риторикой, в куррикулумы можно встроить:

⏺ Курсы и практики по «исследованиям с ИИ»: студент/резидент выполняет один и тот же R&D‑кейс «по‑старому» и с интеграцией ИИ‑инструментов, сравнивает скорость, глубину и риски.

⏺ Проекты, где цель — сократить долю ручных задач в лаборатории или R&D‑подразделении, а не просто «применить ИИ».

⏺ Модули по этике и управлению рисками в научных и разработческих работах с ИИ: воспроизводимость, конфиденциальность данных, корректность авторства.

👻 Биомедтех в MAX

Дрилл & Дилл: первый шаг к акселератору для стомато-стартапов

Рады анонсировать новую классную активность! Открываем подачу заявок на нашу совместную технологическую секцию для стартапов и молодых ученых в рамках стоматологической конференции @belayaraduga (лучшей частной стоматологии по моему скромного мнению, а лучшая гос - это, конечно, же стоматология Института стоматологии Сеченовского Университета на м. Киевская).

Что за активность
⏺ 1 июня 2026 года на Открытой медицинской конференции будет работать отдельное направление для стартапов и исследовательских команд, создающих технологии для стоматологического рынка.
⏺ Экосистема технологического предпринимательства Сеченовского университета выступает партнером и куратором этого трека.

Кого приглашаем
⏺ Команды стартапов и проектные группы, разрабатывающие продукты и сервисы для стоматологии, клиник и пациентов.
⏺ Исследователей и учёных в области стоматологии, медицины, медицинской инженерии, ИИ и цифровых технологий, которые готовы показать результаты своих работ рынку.
⏺ Институциональных и частных инвесторов, интересующихся новыми медтех‑решениями и возможностями для пилотирования и масштабирования.

Формат участия
⏺ Стендовые доклады двух типов: клинические постеры и технологические постеры, посвящённые продуктам и технологиям для стоматологии.
⏺ В рамках технологических постеров команды смогут получить обратную связь от врачей, управленцев клиник, пациентов и инвесторов, а также найти партнёров для пилотов.

Зачем это стартапам и учёным
⏺ Проверить гипотезы и продуктовые решения на живой аудитории отраслевых экспертов и практиков.
⏺ Найти клиники для пилотных проектов, инвесторов и менторов из медтех‑сообщества SechenovTech.

Как подать заявку
⏺ Регистрация и подробности участия доступны на сайте конференции brconf.ru (выбирайте формат стендового технологического постера).
⏺ Команды Сеченовского университета и партнёрских вузов могут дополнительно рассчитывать на консультационную поддержку Экосистемы технологического предпринимательства Сеченовского Университета при подготовке материалов.

👻 Биомедтех в MAX