Google DeepMind обещает вылечить все болезни с помощью ИИ. Не так быстро

Что сказал Хассабис на Google I/O 2026

На ежегодной конференции Google I/O в мае 2026 года CEO DeepMind Демис Хассабис вышел на сцену с заявлением, которое мгновенно разлетелось по заголовкам: «В течение следующего десятилетия ИИ поможет нам понять и потенциально вылечить все болезни». Зал аплодировал. Twitter взорвался. Акции Alphabet выросли на 4% за день.

Хассабис представил три новых продукта. AlphaFold 3 — обновлённая версия системы предсказания структуры белков, которая теперь моделирует взаимодействия белков с ДНК, РНК и малыми молекулами (потенциальными лекарствами). AlphaGenome — модель, предсказывающая влияние генетических мутаций на здоровье, обученная на геномах 5 миллионов человек. И AlphaMed — система, анализирующая медицинские снимки (МРТ, КТ, рентген) с точностью, «превышающей средний уровень радиолога».

Презентация была впечатляющей. Демонстрации — убедительными. Но между демонстрацией на конференции и реальным лечением пациентов лежит пропасть, которую Хассабис элегантно обошёл. И именно об этой пропасти стоит поговорить.

AlphaFold: реальное достижение, но не лекарство

AlphaFold — безусловно, одно из величайших научных достижений XXI века. Система решила проблему предсказания трёхмерной структуры белка по его аминокислотной последовательности — задачу, над которой биологи бились 50 лет. За это Хассабис получил Нобелевскую премию по химии в 2024 году. Заслуженно.

Но предсказание структуры белка — это не создание лекарства. Это первый шаг из примерно двадцати. Знание структуры белка-мишени позволяет начать поиск молекулы, которая с ним взаимодействует. Но эту молекулу нужно синтезировать, проверить на токсичность, протестировать на клеточных культурах, затем на животных, затем в трёх фазах клинических испытаний на людях. Весь процесс занимает 10–15 лет и стоит $1–2 миллиарда. AlphaFold ускоряет первый этап, но не отменяет остальные.

К маю 2026 года ни одно лекарство, разработанное с помощью AlphaFold, не прошло дальше фазы I клинических испытаний. Это не провал — это нормальная скорость фармацевтической разработки. Но это означает, что реальные пациенты получат пользу от AlphaFold не раньше 2030–2032 годов. «Вылечить все болезни за десятилетие» — это, мягко говоря, оптимистичный таймлайн.

Биолог и научный журналист Дерек Лоу, ведущий блог «In the Pipeline» о фармацевтической разработке, комментирует: «AlphaFold — это как GPS для путешественника. Он показывает, куда идти. Но он не строит дорогу, не заправляет машину и не убирает камни с пути. Знать структуру белка — необходимо, но совершенно недостаточно для создания лекарства».

AlphaGenome: обещания и реальность геномной медицины

AlphaGenome — более амбициозный и более спорный проект. Идея: обучить модель на геномных данных миллионов людей и научить её предсказывать, какие генетические варианты приводят к болезням. Если это работает, можно будет при рождении (или даже до рождения) определить риски конкретного человека и принять превентивные меры.

Проблема в том, что генетика — это не детерминизм. Большинство распространённых заболеваний (диабет, сердечно-сосудистые болезни, рак, депрессия) определяются не одним геном, а взаимодействием сотен генов с факторами среды. Даже идеальная модель, знающая весь геном, не может предсказать, заболеет ли конкретный человек диабетом — потому что это зависит от его диеты, физической активности, стресса и десятков других факторов.

Генетик Эрик Топол из Scripps Research отмечает: «Полигенные шкалы риска — а именно это делает AlphaGenome — полезны на популяционном уровне, но ненадёжны на индивидуальном. Они могут сказать, что у вас риск диабета на 30% выше среднего. Но это не означает, что вы заболеете. И это не говорит вам ничего, чего не скажет простой анализ крови и измерение веса».

Есть и этические вопросы. Геномные данные 5 миллионов человек — это чувствительная информация. Кто дал согласие на их использование? Как они защищены? Что произойдёт, если модель начнёт использоваться страховыми компаниями для отказа в покрытии людям с «плохими» генами? Google утверждает, что данные анонимизированы и используются только в исследовательских целях. Но история технологических компаний не внушает оптимизма в вопросах приватности.

AlphaMed и диагностика: где ИИ действительно помогает

Из трёх представленных продуктов AlphaMed — наиболее близкий к реальному клиническому применению. ИИ-системы для анализа медицинских изображений уже используются в практике: FDA одобрило более 500 таких устройств к 2026 году. Они помогают радиологам находить опухоли на маммограммах, выявлять диабетическую ретинопатию на снимках глазного дна, обнаруживать переломы на рентгенах.

AlphaMed, по заявлению Google, превосходит предшественников по двум параметрам: универсальности (одна модель для всех типов снимков вместо отдельных моделей для каждой задачи) и точности (на 12% меньше ложноотрицательных результатов по сравнению с лучшими существующими системами). Если эти цифры подтвердятся в независимых испытаниях, это будет значимый прогресс.

Но и здесь есть нюансы. ИИ-диагностика работает как «второе мнение» — она не заменяет врача, а помогает ему. Финальное решение о диагнозе и лечении принимает человек. И это правильно: ИИ может ошибаться, и цена ошибки в медицине — жизнь пациента. Ложноположительный результат приводит к ненужным биопсиям и стрессу. Ложноотрицательный — к пропущенному раку.

Радиолог Московского онкологического института Елена Сергеева делится опытом: «Мы используем ИИ-системы для скрининга маммограмм уже два года. Они действительно помогают — особенно при большом потоке пациентов, когда внимание врача притупляется. Но я видела случаи, когда ИИ пропускал очевидную (для человека) патологию и находил "опухоль" там, где была просто тень от ребра. Без врача эта система опасна».

Разрыв между наукой и маркетингом

Заявление «вылечить все болезни за десятилетие» — это не научный прогноз. Это маркетинг. И это проблема, потому что маркетинг формирует ожидания, а неоправданные ожидания приводят к разочарованию и недоверию.

Вспомним историю. В 2000 году, при объявлении результатов проекта «Геном человека», президент Клинтон заявил: «Это революция в диагностике, профилактике и лечении большинства, если не всех, человеческих болезней». Прошло 26 лет. Геномика принесла реальную пользу — но «вылечить большинство болезней» не удалось. Потому что знание генома — это карта, а не лекарство.

То же самое с ИИ. AlphaFold — это карта белков. AlphaGenome — карта генетических рисков. AlphaMed — улучшенная лупа для врача. Всё это полезно, всё это ускоряет прогресс. Но между «ускорить прогресс» и «вылечить все болезни» — дистанция огромного размера.

Почему Хассабис делает такие заявления? Потому что Google — публичная компания, которая конкурирует с Microsoft (инвестировавшей $13 млрд в OpenAI), Meta (развивающей собственные AI-модели) и десятками стартапов. В этой гонке побеждает тот, кто громче заявляет о своих амбициях. «Мы ускорим разработку лекарств на 20%» — это честно, но скучно. «Мы вылечим все болезни» — это преувеличение, но это заголовок.

Что ИИ реально может в медицине сегодня

Отбросив маркетинг, посмотрим на реальные достижения ИИ в медицине к 2026 году. Они впечатляют — но они скромнее, чем обещания.

Диагностика изображений: ИИ помогает находить рак на ранних стадиях, выявлять патологии сетчатки, диагностировать кожные заболевания по фотографии. Это работает, это спасает жизни, это уже в клинической практике. Но это не «лечение» — это обнаружение проблемы. Лечить по-прежнему должен врач.

Разработка лекарств: ИИ ускоряет поиск молекул-кандидатов, предсказывает их свойства, оптимизирует дизайн клинических испытаний. Несколько препаратов, разработанных с помощью ИИ, находятся в фазе II–III испытаний (Insilico Medicine, Recursion Pharmaceuticals). Но ни один пока не вышел на рынок. Ожидаемый срок — 2027–2028 годы.

Персонализированная медицина: ИИ анализирует данные пациента (генетика, анализы, история болезни) и помогает врачу выбрать оптимальное лечение. Это особенно полезно в онкологии, где выбор терапии зависит от молекулярного профиля опухоли. Системы вроде IBM Watson for Oncology и Tempus уже используются в крупных клиниках.

Административная оптимизация: ИИ помогает с рутиной — расшифровкой медицинских записей, планированием операций, управлением потоком пациентов, предсказанием эпидемий. Это не glamorous, но это реально экономит время врачей и деньги системы здравоохранения.

Чего ИИ не может (и, возможно, не сможет)

ИИ не понимает причинно-следственные связи. Он находит корреляции в данных, но не объясняет механизмы. Это критично в медицине: знать, что ген X коррелирует с болезнью Y — недостаточно для создания лекарства. Нужно понять, как именно мутация в гене X приводит к патологическому процессу, и найти точку, где этот процесс можно прервать.

ИИ не заменяет клинические испытания. Даже если модель предсказывает, что молекула будет эффективна и безопасна, это нужно проверить на реальных пациентах. Биология слишком сложна для полной симуляции: побочные эффекты, взаимодействия с другими препаратами, индивидуальные реакции — всё это невозможно предсказать только по данным.

ИИ не решает проблему доступа. Даже если ИИ поможет создать идеальное лекарство от рака, оно будет стоить сотни тысяч долларов за курс (как современные CAR-T терапии). Миллиарды людей в развивающихся странах не получат к нему доступа. Технологический прогресс без социальной справедливости — это прогресс для избранных.

ИИ не лечит системные проблемы здравоохранения: нехватку врачей, перегруженность больниц, бюрократию, коррупцию, неравенство. Эти проблемы убивают больше людей, чем отсутствие новых лекарств. И никакой алгоритм их не решит — это задача для политиков, экономистов и общества.

Опасность хайпа: почему завышенные ожидания вредят

Цикл хайпа Gartner описывает типичную траекторию новой технологии: пик завышенных ожиданий → разочарование → плато продуктивности. ИИ в медицине находится где-то между пиком и началом спуска. Заявления вроде «вылечить все болезни» толкают ожидания ещё выше — а значит, падение будет болезненнее.

Когда обещания не сбываются, страдает доверие. Пациенты, которым обещали «ИИ вылечит ваш рак», разочаровываются в медицине. Инвесторы, вложившие миллиарды в AI-биотех стартапы, теряют деньги и перестают финансировать исследования. Регуляторы, напуганные хайпом, ужесточают правила и замедляют внедрение реально полезных технологий.

Мы уже видели это с генной терапией в 1990-х: после смерти пациента Джесси Гелсингера в 1999 году вся область была заморожена на десятилетие. С стволовыми клетками в 2000-х: обещания «вырастить новые органы» не сбылись, и финансирование резко сократилось. Каждый раз хайп приводил к откату, который задерживал реальный прогресс на годы.

Биоэтик Артур Каплан из NYU предупреждает: «Самое опасное, что может сделать технологическая компания — это пообещать больным людям исцеление, которое она не может обеспечить. Это не просто маркетинг — это эксплуатация надежды. И когда надежда разбивается, люди теряют веру не только в конкретную компанию, но и в науку в целом».

Трезвый взгляд: что ждать от ИИ в медицине

Реалистичный прогноз на ближайшие 10 лет: ИИ станет стандартным инструментом в арсенале врача — как стетоскоп или МРТ. Он будет помогать с диагностикой, подбором лечения, мониторингом пациентов. Он ускорит разработку лекарств — возможно, сократив средний срок с 12 до 7–8 лет. Он сделает медицину более точной и персонализированной.

Но он не «вылечит все болезни». Не потому что ИИ плох, а потому что болезни — это не задача оптимизации. Это биологическая реальность, сформированная миллиардами лет эволюции. Рак — это не баг, который можно пофиксить патчем. Это фундаментальное свойство многоклеточных организмов. Старение — не поломка, которую можно починить. Это термодинамический процесс.

Это не значит, что прогресс невозможен. Он возможен и происходит. Но он будет постепенным, неравномерным и полным разочарований. Некоторые болезни (определённые виды рака, генетические заболевания) станут излечимыми. Другие (нейродегенеративные заболевания, аутоиммунные расстройства) останутся сложными на десятилетия. И это нормально — это и есть наука.

Демис Хассабис — блестящий учёный и визионер. AlphaFold — настоящий прорыв. Google DeepMind делает важную работу. Но когда CEO технологической компании выходит на сцену и обещает «вылечить все болезни», правильная реакция — не аплодисменты, а вопрос: «Покажите данные. Покажите клинические результаты. Покажите пациентов, которым стало лучше». Пока этих данных нет — это не наука. Это маркетинг. И относиться к нему нужно соответственно.