Atlansys EUS MedPharma — платформа искусственного интеллекта, которая создает лекарства

Коллеги!

Рад вам сообщить, что опубликована моя новая книга «Atlansys EUS MedPharma — платформа искусственного интеллекта, которая создает лекарства. Концепция архитектуры«.

С 2021 года в компании «Программные системы Атлансис» (которой на момент 2026 года исполнился 21 год) ведутся работы по созданию отечественной цифровой платформы Atlansys EUS MedPharma для фармацевтической отрасли.

На тот момент времени четкого понимания того, какие задачи будет решать система Atlansys EUS не было. Основная  идея разработки заключалась в том, чтобы создать платформу, которая будет обеспечивать решение самого широкого круга задач машинного обучения и предоставлять эту возможность заказчикам, как сервисную услугу, по аналогии с решениями и сервисами компании IBM или Amazon Web Services. Тогда мы были еще в начале своего пути.

 

Аббревиатура «EUS» в названии решения является сокращением от слов «Electronic Universal System» и выбрана она не случайно, так как  является отсылкой к 80-м и 90-м годам двадцатого века, как дань уважения к инженерам и программистам того времени. Это был невероятно интересный период времени, когда зарождались компьютерные технологии и первые «интеллектуальные» информационные и экспертные системы, поражающие воображение людей и писателей – фантастов.

Тем не менее, как бы нам не хотелось создать что-то полезное и универсальное, рынок диктовал свои условия. Среди наших заказчиков, с которыми постоянно приходилось иметь дело,  было много промышленных предприятий и предприятий из фармацевтической отрасли. В итоге, было принято решение заниматься прикладными задачами заказчиков и сфокусироваться на двух направлениях НИОКР: прогнозируемое (или предписывающее) обслуживание в промышленности и создание новых соединений в фармацевтике.

 

В 2023 году платформа была зарегистрирована в Роспатенте (свидетельство №2023619721).

В 2024 году цель разработки Atlansys EUS MedPharma стала более конкретной и, на сегодняшний день, она заключается в создании передовой платформы искусственного интеллекта для достижения на ее основе результатов мирового уровня в сфере разработки инновационных фармацевтических препаратов и медицинских технологий.

Atlansys EUS MedPharma – это не только цифровая платформа или аппаратно-программный комплекс, это, уже, большой проект, который объединяет ученых и инженеров из более чем десяти ведущих технических и медицинских университетов Российской Федерации. Atlansys EUS MedPharma – это проект с огромным инновационным и инвестиционным потенциалом.

В 2025 году нами получены первые практические результаты: созданы новые алгоритмы машинного обучения и разработаны новые соединения — кандидаты. Поданы соответствующие заявки на регистрацию патентов на изобретения.

В 2026 году нами получен первый Патент №2860793 на лекарство от рака толстой кишки и рака мочевого пузыря человека, а также Патент № 2861491 на супрамолекулярный комплекс, обладающий нейропротекторным действием в условиях ишемического поражения мозга и гипоксии.

Мы, как компания «Программные системы Атлансис», проходим трудный, но увлекательный путь, который в свое время начался с концепции архитектуры системы.

В данной работе я, как автор, с уважением к ученым — исследователям и инженерам -новаторам, представляю для изучения первоначальную концептуальную архитектуру платформы Atlansys EUS MedPharma и те технологии искусственного интеллекта (ИИ), которые, в совокупности, позволяют нам создавать новый инструмент цифровой трансформации процессов фармацевтической разработки новых соединений.

В ней рассмотрены архитектурные принципы построения ИИ-платформы Atlansys EUS MedPharma, специфика применения различных классов алгоритмов машинного обучения на отдельных этапах фармацевтического НИОКР (R&D), а также комплексный синергетический эффект от их интеграции. Особое внимание уделено решению проблемы «бутылочного горлышка верификации» — разрыва между скоростью in silico-предсказания и экспериментальной проверки. Показано, что стратегия «AI-first» и создание целостных автоматизированных рабочих процессов позволяют не только сократить время дизайна молекул-кандидатов на 25-30%, но и кратно повысить точность прогнозирования ключевых параметров (биологическая активность, токсичность, фармакокинетика), что в совокупности ведет к снижению стоимости разработки до 70%.

На сегодняшний день, эффективная интеграция ИИ в процессы разработки препаратов требует системного подхода, основанного на нескольких фундаментальных принципах:

• Модульность и масштабируемость. Платформа должна строиться, как набор независимых, но интегрированных технологических модулей, каждый из которых отвечает за конкретный этап разработки (идентификация мишени, дизайн молекулы, прогнозирование свойств, планирование синтеза и так далее). Это позволяет осуществлять поэтапное внедрение и адаптацию под специфические потребности исследовательских проектов.
• Сквозная интеграция данных. Обеспечивается единое пространство данных от стадии предсказания структуры белков до клинических испытаний, с реализацией автоматизированного контроля качества и поддержкой версионности.
• Регуляторное соответствие. Все компоненты платформы проектируются с учетом основных требований международных стандартов и национальных регуляторных норм, что обеспечивает долгосрочную устойчивость в условиях быстро меняющегося нормативного ландшафта.

Примером реализации таких принципов является платформа Atlansys EUS MedPharma, архитектура которой включает четыре базовые системы: исследований и разработок (R&D), управления данными и инфраструктурой, визуализации и отчетности, информационной безопасности.

Нужно обратить внимание на то, что в системе нет, да и не может быть, одного универсального алгоритма или модели машинного обучения, которые бы выполняли комплексные задачи или задачи сквозной автоматизации процессов. В системе есть набор специализированных алгоритмов ИИ для ключевых этапов разработки новых соединений, в том числе, предназначенных для:

• Предсказания структуры био-мишеней. В свое время, фундаментальным прорывом в области структурной биоинформатики стало появление систем глубокого обучения для предсказания 3D-структуры белков. AlphaFold2 от компании DeepMind решила проблему фолдинга белка, обеспечивая экспресс-предсказание его структуры с точностью, сопоставимой с экспериментальными методами. Эстафету принимают системы следующего поколения, такие как RoseTTAFold All-Atom, способная прогнозировать структуры широкого спектра биомолекулярных ансамблей, включая белки, нуклеиновые кислоты и малые молекулы, а также ESMFold, использующая подходы крупных языковых моделей, обученных на миллионах белковых последовательностей.
• Генерации дизайна молекул. Архитектуры генеративного ИИ — вариационные автоэнкодеры (VAE), генеративно-состязательные сети (GAN) и модели на основе трансформеров — позволяют создавать de novo химические структуры с заданными свойствами. Модели типа REINVENT и Molecular Transformer объединяют генерацию с обучением с подкреплением для итеративной оптимизации соединений-лидеров. Например, платформа Pharma.AI от Insilico Medicine использует гибридный подход, комбинирующий GAN с обучением с подкреплением, для создания de novo молекул, нацеленных на терапию идиопатического легочного фиброза, что позволило сократить время дизайна кандидата с традиционных 3-5 лет до 18 месяцев.
• Виртуального скрининга и прогнозирования взаимодействий. Графовые нейронные сети (GNN) заняли лидирующие позиции в вычислительной фармакологии благодаря способности напрямую оперировать графовыми структурами, где атомы представляются узлами, а химические связи — ребрами. Точность моделей, таких как Message Passing Neural Networks (MPNN), в задачах предсказания биологической активности достигает 92%. Для задач молекулярного докинга разработаны специализированные архитектуры, такие как EquiBind и DiffDock, которые позволяют предсказывать связывание лигандов за секунды вместо часов традиционного докинга.
• Прогнозирования ADMET-свойств. Ансамбли моделей машинного обучения и специализированные архитектуры глубоких нейронных сетей позволяют с высокой точностью предсказывать критические ADMET-характеристики (адсорбция, распределение, метаболизм, выведение, токсичность). Это формирует обоснованное суждение о перспективности кандидата до начала дорогостоящих лабораторных испытаний. Например, платформа Centaur Chemist от Exscientia осуществляет предсказание ADMET-параметров на этапе компьютерного моделирования, что позволило компании сократить время разработки соединения-кандидата в 3-5 раз.
• Мультимодальной интеграции данных. Мультимодальные нейронные сети, обрабатывающие данные из разнородных источников (молекулярные, гистологические, радиологические, клинические), открывают новые горизонты в фармацевтических исследованиях. Архитектуры, такие как графовые нейронные сети и трансформеры, позволяют объединять информацию из различных источников, создавая целостные представления о биологических системах.

Искусственный интеллект уже сегодня трансформирует фармацевтическую разработку, обеспечивая переход от эвристического поиска к целенаправленному, предсказуемому и ускоренному созданию лекарственных средств. Специализированные алгоритмы машинного обучения позволяют решать ключевые задачи на всех этапах разработки: от предсказания структуры мишеней и дизайна молекул до прогнозирования свойств и оптимизации клинических испытаний.

Ключевым вызовом для разработчиков в ближайшие годы будет проблема «бутылочного горлышка верификации», для преодоления которой необходим комплексный подход, объединяющий автоматизацию лабораторий, специализированные ИИ-модели и их интеграция в цифровые платформы.

Основной вывод, который я делаю, заключается в том, что дальнейшее развитие фармацевтики тесно связано с симбиозом человеческого и искусственного интеллекта, где каждый усиливает возможности другого в решении самых сложных медицинских проблем человечества. Компании и исследовательские институты, эффективно интегрирующие ИИ в свои рабочие процессы, получат значительное конкурентное преимущество в виде ускоренной разработки инновационных лекарств для лечения сложных заболеваний.

 

Я надеюсь, мой опыт будет Вам полезен.

Представьте себе мир, где неизлечимые болезни становятся управляемыми, где лекарства создаются не за десятилетия, а за месяцы, и где каждый пациент получает лечение, разработанное специально для него. Звучит как фантастика? Уже нет. Сегодня искусственный интеллект становится главным союзником человечества в борьбе с болезнями, открывая новые горизонты в медицине и фармакологии.

Эта публикация — Ваш первый шаг в удивительный мир медицины будущего.

Готовы?

 

Тогда, в добрый путь, друзья и коллеги.

Я надеюсь, что мой опыт будет Вам полезен.

Ваш, Александр Чесалов.

***

Для цитирования:

• Патент на изобретение № 2860793 Российская Федерация (RU), МПК C07D 239/54 (2006.01), A61K 31/505 (2006.01), A61P 35/00 (2006.01). Малотоксичное производное 5-метил-пиримидиндиона, обладающее противоопухолевой активностью / есалов А.Ю. др.; Заявитель и и патентообладатель: ООО «Программные системы Атлансис». Заявка №2025123872, заявл. 29.08.2025 опубл. 21.04.2026. Бюл. №2.
• Патент на изобретение № 2861491 Российская Федерация (RU), МПК C07C 229/08 (2006.01), C07C 227/14 (2006.01), C07F 3/02 (2006.01), A61K 31/205 (2006.01), A61P 9/10 (2006.01), A61P 25/00 (2006.01), A61P 39/00 (2006.01). Супрамолекулярный комплекс на основе 4-аминобутановой кислоты, обладающий нейропротекторным действием в условиях ишемического поражения мозга и гипоксии / Чесалов А.Ю. и др.; Заявитель и и патентообладатель: ООО «Программные системы Атлансис». Заявка №2025109706, заявл. 17.04.2025 опубл. 05.05.2026. Бюл. №13.
• Свидетельство о государственной регистрации программ для ЭВМ № 2025665605 Российская Федерация. Программа машинного обучения, реализующая алгоритм рационального дизайна супрамолекулярного комплекса с нейропротекторными свойствами / А.Ю. Чесалов (RU); правообладатель ООО «Программные системы Атлансис» (RU). – № 2025619459/69: заявлено 21.04.2025: опубликовано 18.06.2025 Бюл.
• Свидетельство о государственной регистрации программ для ЭВМ № 2025687503 Российская Федерация. Программа машинного обучения «EUS Model 1 MedPharma / С 01», реализующая алгоритм противоопухолевого лекарственного средства / А.Ю. Чесалов (RU); правообладатель ООО «Программные системы Атлансис» (RU). – № 2025684628/69 : заявлено 16.09.2025: опубликовано 10.10.2025 Бюл. № 10. – 1 с.