Искусственный интеллект (AI) меняет подходы к открытию противоопухолевых препаратов, решая проблемы традиционных методов: длительные сроки разработки, высокие затраты и существенную межпациентную гетерогенность.

Обзор описывает, как AI применяется на всех этапах создания противоопухолевых препаратов: идентификация мишеней, виртуальный скрининг соединений, молекулярный докинг, предсказание фармакокинетики. Модели машинного обучения ускоряют оптимизацию от hit к lead-соединениям, улучшают дизайн клинических исследований за счет стратификации пациентов и позволяют проводить мониторинг токсичности в реальном времени.

Ключевое внимание уделено интеграции AI с мультиомиксными данными — протеомикой, геномикой, транскриптомикой и метаболомикой — для поддержки прецизионной онкологии и персонализированного лечения.

Авторы обсуждают важные вопросы валидации: интерпретируемость моделей, качество данных и регуляторные проблемы, которые необходимо решить до широкого внедрения AI в клиническую практику. Обзор суммирует современные данные и обозначает пробелы в исследованиях, предлагая четкое представление о том, как AI усиливает открытие, персонализацию и валидацию противоопухолевых методов лечения.