ainews
Bristol Myers Squibb купила суперкомпьютер Nvidia для поиска лекарств на базе ИИ
Фармацевтическая компания Bristol Myers Squibb приобрела суперкомпьютер Nvidia DGX SuperPOD на архитектуре Vera Rubin — первой в отрасли. Система будет использоваться для обучения моделей ИИ и предсказаний в разработке лекарств: от поиска мишеней до оптимизации молекул. BMS утверждает, что ИИ уже сократил время подготовки препаратов к клиническим испытаниям на 20-30%, а некоторые молекулы вообще не были бы открыты без этих инструментов.
Это показатель того, как ИИ становится критической инфраструктурой в разработке лекарств — не экспериментом, а обязательным этапом пайплайна. Если тренд подтвердится цифрами из клиники, это может значительно ускорить появление новых препаратов и снизить стоимость R&D.
Bristol Myers Squibb ставит на ИИ в фарме
Фармацевтический гигант Bristol Myers Squibb (BMS) приобрёл суперкомпьютер Nvidia DGX SuperPOD на базе новейшей архитектуры Vera Rubin. Компания станет первой в life sciences, кто получит эту систему — Nvidia анонсировала архитектуру в начале года как замену нынешнему поколению.
Система состоит из восьми стоек DGX Vera Rubin NVL72, объединяющих процессоры Vera и графические ускорители Rubin. BMS будет обучать на них собственные модели и прогонять предсказания по соединениям, белкам и другим научным данным.
Зачем фарме такие мощности
У BMS уже есть один SuperPOD — работает три года, но сейчас загружен под завязку. Новая система в несколько раз мощнее и будет доступна учёным по всему миру без очередей и лимитов. Главный цифровой директор Грег Мейерс объясняет: растут модели — растут и требования к железу.
По словам компании, ИИ теперь участвует в каждой программе по малым молекулам и большинстве — по крупным. Это поиск мишеней, оптимизация кандидатов, предсказания структур больших молекул, разработка внутренних foundation-моделей.
Подход называется «Predict First»: сначала модель отсеивает молекулы, не подходящие по свойствам, потом учёные синтезируют только перспективные варианты. Вице-президент Пэйел Шет подчёркивает: так драгоценные лабораторные эксперименты идут на молекулы с наибольшей вероятностью успеха.
Результаты в цифрах
Главный научный директор Роберт Пленге говорит, что раньше команда могла оценить 10 кандидатов на ранней стадии, теперь — десятки. Время подготовки препаратов к клиническим испытаниям уже сократилось на 20–30%, цель — дойти до 50%.
Пример: экспериментальный препарат для лечения серповидноклеточной анемии, по словам Пленге, вообще не был бы открыт без ИИ-инструментов компании.
BMS также использует ИИ для расширения библиотеки CELMoD — соединений, избирательно разрушающих раковые белки. Моделирование позволило изучить больше мишеней и кандидатов до начала экспериментов.
Доступ через естественный язык
Новая система интегрируется с Nvidia BioNeMo — набором инструментов для предсказания структур белков, генерации молекул, докинга, анализа последовательностей и геномики.
BMS внедряет интерфейсы на естественном языке: учёные смогут запускать сложные вычисления простыми командами, без глубоких технических знаний. Управление — через Nvidia Mission Control.
Окончательные решения, какие соединения двигать дальше, остаются за людьми.
Ключевые выводы
- Фармгиганты переходят от точечного использования ИИ к полноценным AI-first стратегиям в R&D
- Подход «Predict First» (предсказывай сначала, синтезируй потом) экономит время и деньги на лабораторных экспериментах
- ИИ уже сокращает сроки разработки кандидатов для клиники на 20–30%, цель — 50%
- Democratization вычислений: BMS даёт доступ к суперкомпьютеру всем учёным через естественный язык, а не узкой группе специалистов
- Некоторые молекулы (например, для лечения серповидноклеточной анемии) без ИИ вообще не были бы найдены
Автор: Роман Швец · Источник: artificialintelligence-news.com
На первый взгляд — типичный enterprise-кейс: купили железо, говорят о сокращении сроков. Но дьявол в деталях.
Во-первых, BMS не просто покупает GPU для экспериментов — они заявляют, что ИИ **участвует в каждой программе** по малым молекулам. Это уже не пилоты, а производственный процесс. Во-вторых, конкретный пример: препарат для серповидноклеточной анемии «вообще не был бы открыт» без ИИ. Если это правда — это уже не оптимизация, а принципиально новые возможности.
С другой стороны, все цифры о сокращении сроков относятся к **доклинической стадии** — то есть до того, как препарат попадёт к пациентам. Клинические испытания по-прежнему длятся годами, там ИИ пока не помощник. И пока ни одна из этих ускоренных молекул не дошла до аптек, говорить о революции рано. Но тренд очевиден: big pharma ставит на ИИ всерьёз, и если хотя бы часть обещаний сбудется — индустрия изменится.
Комментарии