Anthropic рассказала о Claude в разработке лекарств
27 октября 2026 года Anthropic опубликовала обзор первых проектов применения Claude в разработке лекарств. Компания пишет о партнерствах с шестью организациями, включая BigHat Biosciences, Bristol Myers Squibb, Divergence Labs и Generate:Biomedicines, а также о собственной работе с Mithril Medicine. В публикации приведены отдельные лабораторные и доклинические результаты. Большинство работ находится на ранней стадии: приведенные результаты не подтверждают безопасность или эффективность новых лекарств для пациентов.
Что изменилось
Claude подключали к разным этапам разработки
Anthropic описывает задачи от анализа научной литературы и планирования экспериментов до оптимизации молекул и подготовки работы с клиническими исследованиями. Компания утверждает, что узкие места распределены по всему циклу, поэтому оценивает модель в реальных программах вместе с исследовательскими командами. Это описание нескольких партнерских проектов, а не одного стандартизованного испытания. Для интерпретации важно сохранять различия в задачах, методах и критериях между организациями.
В проекте Divergence сообщается о дизайне антител
Anthropic пишет, что Claude помог сформировать десятки тысяч вариантов антительных конструкций для проекта по пищевой аллергии, после чего исследователи тестировали отобранные дизайны в лаборатории. В публикации приведены ранние результаты связывания и дислокации IgE. Это еще не готовое лекарство: авторы прямо указывают на дальнейшую необходимость собрать полноценные молекулы и проверить их на клетках. Количество вычислительных дизайнов нельзя считать количеством потенциальных препаратов.
BigHat использовала лабораторный цикл для оптимизации антител
В описании BigHat говорится о двух молекулах, нескольких раундах вариантов и роботизированной лабораторной проверке. Компания с Anthropic сообщает об улучшении ряда свойств кандидатов, включая связывание и стабильность. Такие результаты относятся к измерениям конкретных лабораторных конструкций и не доказывают терапевтическую ценность. Значение имеют выбранные стартовые молекулы, тестовые условия и то, как показатели связываются с безопасностью, производимостью и клинической эффективностью.
Generate:Biomedicines сообщает о лабораторных CAR-T конструкциях
В кейсе Generate описана работа над укороченными сигнальными доменами CAR-T и проверка выбранных конструкций на клетках. В публикации говорится о результатах лабораторных анализов, но следующий этап еще предполагает более сложные доклинические модели. Anthropic подчеркивает, что безопасность и эффективность у пациентов не проверены. Поэтому сообщение следует читать как пример ускорения исследовательского цикла, а не клиническое открытие или доказательство лечения рака.
Bristol Myers Squibb изучает применение в планировании испытаний
Anthropic сообщает о работе BMS с Claude для оценки плана ранней клинической программы и вариантов разработки. Компания описывает это как начальное применение с перспективой расширения в 2027 году. В клинических исследованиях особое значение имеют качество исходных данных, протокол, статистический план и экспертная ответственность. Сам факт использования языковой модели в анализе не означает, что модель выбирает лечение или заменяет исследователей и регуляторные процедуры.
Ранние проекты выявляют и ограничения модели
Anthropic приводит пример, когда модель предлагала дополнительные эксперименты, хотя предыдущие результаты уже давали ясный ответ, и отмечает важность человеческого суждения при выборе следующего шага. Это полезное признание: модель может ускорить перебор и синтез данных, но не всегда рационально распределяет лабораторные ресурсы. Публикация также отмечает, что большая часть результатов доклиническая. Необходимы независимая репликация, дальнейшие испытания и обычная проверка безопасности.
Что это дает пользователю
Показывает несколько способов применять языковые модели в исследовательском цикле.
Содержит конкретные примеры лабораторных работ и партнерств.
Открыто отделяет доклинические наблюдения от результатов у пациентов.
Что нужно учитывать
Источник - публикация Anthropic о собственных партнерских проектах.
Доклинические и лабораторные результаты не подтверждают пользу у людей.
Модель не заменяет исследовательскую, клиническую и регуляторную экспертизу.
Коротко
Публикация Anthropic иллюстрирует, как Claude может участвовать в анализе данных и проектировании лабораторных циклов, но не доказывает, что разработка лекарств стала автоматической. Для чтения результатов важно различать вычислительные предложения, лабораторные измерения, доклинические модели и клинические исходы. Все приведенные примеры остаются ранними и требуют дальнейшего независимого подтверждения. При чтении таких сообщений полезно отделять четыре уровня доказательств: вычислительный дизайн, лабораторный результат, доклиническое исследование и испытание на людях. У каждого уровня свои вопросы: воспроизводимость, контрольные группы, качество измерений, токсикология и клинические конечные точки. Число вариантов, перебранных моделью, описывает масштаб поиска, но не вероятность успешного лекарства. Для практического вывода нужно изучать методические материалы соответствующего партнера, а не переносить результат одного проекта на другой. В этой новости приводятся разные болезни, молекулы и этапы работы, поэтому их нельзя складывать в единый показатель ускорения разработки. Даже заявленное сокращение времени подготовки анализа не означает такого же ускорения всей программы до лечения.