AWS сократила разработку лекарств с месяцев до 3 недель: как ИИ-агент Kiro ускоряет исследования

Разработка новых лекарств — процесс долгий и ресурсоемкий, часто занимающий месяцы и даже годы из-за огромных объемов данных и сложности исследований. AWS продемонстрировала, как их ИИ-агент Kiro способен сократить этот цикл до трех недель, автоматизируя идентификацию целей для новых препаратов и значительно ускоряя R&D.

В фармацевтике и биотехе, где каждый день промедления — это потерянные возможности и миллиарды, ускорение исследований критически важно. Напишите нашему менеджеру, он проведёт бесплатный анализ вашего бизнеса и ниши и расскажет, как именно в вашем случае получить реальный бизнес-результат от ИИ-агента, а не красивую картинку. Написать менеджеру

Узкое горлышко в поиске новых целей для лекарств

Идентификация целей (target identification) — это критически важный этап в разработке лекарств, на котором ученые ищут молекулы или биологические пути, способные служить мишенью для воздействия нового препарата. Этот процесс требует анализа огромного количества разнородных данных:

• клинические испытания,
• геномные последовательности,
• базы данных белковых путей,
• научная литература (например, PubMed, где ежегодно публикуется около 1,5 миллиона статей).

Исследователи физически не могут прочитать и обработать такой объем информации, что создает серьезное «бутылочное горлышко» и замедляет вывод новых лекарств на рынок.

Как ИИ-агент Kiro решает проблему

AWS разработала ИИ-агента для идентификации целей, который не только извлекает релевантную информацию, но и анализирует ее из различных источников, выявляет закономерности и предоставляет научно обоснованные рекомендации. Это позволяет ученым проверять и использовать полученные данные для принятия решений.

Цели внедрения Kiro:

• Объединение разрозненных знаний. Агент собирает информацию из PubMed, ClinicalTrials.gov и других публичных репозиториев.
• Поддержание научной строгости. Предоставляет цитируемые сводки и ссылки на источники для сохранения целостности исследований.
• Демократизация вычислительных инструментов. Делает сложные вычисления доступными для биологов без специальных навыков в области инженерии данных.

Методология Spec-Driven Development

Ключом к быстрому созданию ИИ-агента стала методология Spec-Driven Development (разработка, управляемая спецификациями). Вместо «vibe coding» (интуитивной разработки) Kiro создает три основных документа на основе первоначального запроса:

1. requirements.md. Определяет, что именно создается, включая требования к функциям, критерии приемки и метрики успеха.
2. design.md. Описывает техническую архитектуру, подход к реализации и точки интеграции.
3. tasks.md. Разбивает дизайн на конкретные, выполнимые шаги реализации.

Этот подход позволяет Kiro автономно реализовывать функции, пока разработчики сосредоточены на проверке и валидации. Он также упрощает адаптацию новых членов команды и ускоряет разработку последующих функций, поскольку Kiro может использовать предыдущие реализации в качестве основы.

Результаты и перспективы

Благодаря ИИ-агенту Kiro, AWS удалось сократить сроки разработки рабочей системы идентификации целей с нескольких месяцев до трех недель, наняв всего трех разработчиков. Это демонстрирует, что быстрая разработка ИИ-агентов возможна даже в таких сложных областях, как фармацевтика.

ИИ-агент Kiro не только ускоряет R&D, но и позволяет:

• Существенно сократить время вывода лекарств на рынок.
• Снизить затраты на исследования.
• Увеличить точность и надежность данных.

Источник: aws.amazon.com

Хотите узнать, как ИИ-агенты могут ускорить ваши бизнес-процессы? Напишите менеджеру. Мы бесплатно разберем ваш кейс и предложим оптимальное решение.