В список 35 Innovators Under 35 от MIT Technology Review в 2026 году вошли девять исследователей, которые меняют биотех — от устройства за $70 против послеродовых кровотечений до ИИ-дизайна вирусов. Эти биотех-инноваторы до 35 важны не только для медицины: их работа показывает, куда движутся AI, hardware, персонализированная терапия и синтетическая биология, то есть сразу несколько рынков, за которыми внимательно следят разработчики, инвесторы и продуктовые команды.
По данным MIT Technology Review, в свежей подборке особенно выделяются пять проектов. 28-летний Паскал Киджа из Танзании разработал Mkanda Salama — «безопасный пояс» для остановки послеродового кровотечения. Это осложнение связано примерно с 29% материнских смертей в Танзании. Устройство стоит около $70, рассчитано на простое применение и, согласно исследованию, остановило кровотечение у 73% женщин в течение 20 минут. Для глобального healthtech это редкий случай, когда инновация начинается не с дорогой платформы, а с жесткого ограничения: минимум цены, минимум инфраструктуры, максимум пользы в клинике.
Другой пример — работа 34-летней Сяо Ян с мозговыми электродами. Нейроинтерфейсы давно используют для изучения активности мозга и лечения неврологических нарушений, но имплантация в мозг почти всегда означает риск повреждения ткани. Ян делает электроды ультрамалыми и гибкими, по форме они напоминают нейроны. Отдельная часть проекта звучит почти как встреча инженерии и ремесла: исследовательница вдохновилась киригами, японским искусством вырезания бумаги, и создала лист электродов с сотовой структурой в виде спиральной корзины. Его уже применяют для изучения клеток мозга в лаборатории.
Самая персональная история в подборке связана с Сарой Грандинетт, которой сейчас 26 лет. В 2024 году Кайл «KJ» Малдун-младший родился с редким и потенциально смертельным генетическим заболеванием. Грандинетт участвовала в команде, которая создала для него индивидуальную терапию на основе генного редактирования — по сути, попытку исправить конкретную ошибку в ДНК. Она создала клетки с генетическим вариантом KJ, проверяла на них подходы к редактированию, а затем тестировала потенциальные препараты на мышах и обезьянах. Первый курс терапии ребенок получил примерно в семь месяцев, хорошо ответил на лечение и позже был выписан из больницы.
Для IT-аудитории здесь важен не только медицинский результат, а сама логика разработки. Персонализированная терапия начинает напоминать софтверный цикл: есть баг на уровне генетического кода, есть тестовая среда в виде клеточных моделей, есть доклинические проверки, есть релиз в реального пациента — только цена ошибки несравнимо выше, а регуляторный контур куда жестче. В таких проектах растет роль вычислительной биологии, автоматизации лабораторий, управления данными и ML-инструментов, которые помогают быстрее отбирать подходящие варианты терапии.
Еще один заметный тренд — клеточное «омоложение». 34-летний Юаньчэн, или Райан, Лу работает с перепрограммированием клеток: подходом, который пытается откатить возрастные изменения, возвращая клетки к более раннему состоянию. В исследовании 2020 года Лу и коллеги показали, что такая терапия смогла обратить потерю зрения у старых слепых мышей. Сейчас почти идентичную версию терапии тестируют на людях с заболеванием глаз. Компания Life Biosciences, которая разрабатывает препарат, ввела первую дозу добровольцу в июне. Это не обещание бессмертия из презентации для венчурных фондов, а более узкая и проверяемая задача: восстановить функцию конкретной ткани.
Пятый кейс напрямую касается искусственного интеллекта. 27-летний Сэмюэл Кинг использовал генеративную модель для создания новых генетических схем бактериофагов — вирусов, заражающих бактерии. После генерации он напечатал эти схемы как цепочки ДНК. В экспериментах ИИ-спроектированные вирусы смогли создавать свои копии, выходить из бактериальных клеток и заражать соседние бактерии. Вирусы не считаются живыми организмами, но сам факт работает как сильный сигнал: генеративные модели постепенно переходят от текста, изображений и кода к проектированию биологических систем.
Эти биотех-инноваторы до 35 хорошо показывают, почему граница между IT и биологией становится все менее удобной. Один проект требует дешевого и надежного медицинского hardware, другой — микроэлектроники и материаловедения, третий — пайплайна для персонализированного генного редактирования, четвертый — клеточного перепрограммирования, пятый — AI-моделей для дизайна вирусов. Для разработчиков это означает спрос на инструменты для анализа биоданных, симуляций, лабораторной автоматизации и контроля качества. Для бизнеса — новый класс продуктов, где нельзя отделить алгоритм от мокрой лаборатории, клинических данных и регуляторики.
Есть и менее праздничная сторона. Чем ближе AI подходит к проектированию биологических объектов, тем острее вопросы безопасности, доступа и контроля. Генеративная модель, способная предложить рабочий бактериофаг, может быть полезна для лекарств или очистки загрязнений, но отрасли придется заранее решать, кто проверяет такие системы, как логируются эксперименты и где проходит граница между исследованием и опасной самодеятельностью. Похоже, следующий большой спор в биотехе будет не о том, может ли ИИ помочь ученым, а о том, кто получит право запускать эти идеи в живую среду.