Биотехнологический стартап Vivodyne заявил, что у индустрии ИИ для поиска лекарств есть проблема с данными, и представил систему, которая, по версии компании, должна ее решить.
Речь идет о HIVE — модульных роботизированных лабораториях, которые выращивают 20 типов человеческих тканей, а затем автоматически вводят препараты и отслеживают реакцию. Компания говорит, что так можно получать причинно-следственные биологические данные, которых не хватает нынешним ИИ-моделям. Сейчас такие данные в основном получают из испытаний на животных или из исследований отдельных клеток и белков, а не живых тканей.
Гендиректор и сооснователь Vivodyne Андрей Джорджеску сформулировал проблему так: «Без испытаний на людях что будут делать эти модели ИИ? Они вылечат рак у мышей».
Контекст для этого скепсиса уже звучит и внутри самой ИИ-индустрии. Глава Anthropic Дарио Амодеи недавно написал, что заявления о том, что ИИ вылечит рак, стали скорее штампом, чем убедительным тезисом: «Сработает именно реальное лечение рака».
При этом подобные обещания раньше звучали и от других участников рынка. Сэм Альтман не раз называл лечение рака одним из аргументов в пользу курса OpenAI на AGI и расширение вычислительной инфраструктуры, а глава Google DeepMind Демис Хассабис в прошлом году говорил, что ИИ потенциально может вылечить все болезни в течение десяти лет.
На практике результаты пока ограничены. Несколько препаратов, созданных с применением ИИ, дошли до испытаний на людях, а один проект — до III фазы. Но ключевые барьеры, как отмечается в материале, пока не обязательно решаются с помощью ИИ.
Даже AlphaFold, который получил Нобелевскую премию и стал важным шагом для понимания структуры белков, пока не привел к созданию нового лекарства. Основанная на этой технологии Isomorphic Labs теперь ожидает первые испытания к концу года, хотя изначально они планировались на 2025 год. В феврале компания писала, что для настоящего поиска лекарств нужны «очень точные предсказательные модели» по широкому набору биохимических свойств и взаимодействий.
По словам Джорджеску, этому рынку нужна «проверка на здравый смысл»: у существующих моделей нет данных, которые отражают всю биологию человека. Это уже видно в фармацевтике: 90% препаратов, показавших эффективность в испытаниях на животных и перешедших к клиническим испытаниям, в итоге не получают разрешения для применения у людей.
Vivodyne предлагает другой подход. Компания выделилась из Пенсильванского университета в 2021 году, после того как Джорджеску защитил там PhD по биоинженерии.
Стартап утверждает, что его ткани близко повторяют поведение настоящих человеческих органов. По данным компании, клетки печени показывают 94% точности прогноза по сравнению с испытаниями на людях при проверке токсичности, ткань дыхательных путей совпадает с реальным поведением в 96% случаев, а костный мозг показал 100% совпадение в тестах 20 химиотерапевтических препаратов.
На прошлой неделе Vivodyne, привлекшая чуть менее 80 млн долларов в двух раундах под руководством Khosla Ventures, открыла рядом с Сан-Франциско объект, который называет крупнейшим в мире «центром человеческих данных». Джорджеску говорит, что команда уже вышла на пропускную способность вдвое выше, чем у всех испытаний на животных, которые сейчас проводятся в США.
Идея в том, чтобы ускорить отбор кандидатов в лекарства и заранее лучше понимать, что сработает, до затратного этапа клинических испытаний. По данным материала, одно такое испытание обычно стоит десятки миллионов долларов. Vivodyne не раскрывает партнеров, но утверждает, что работает с несколькими крупными фармкомпаниями.
Джорджеску сравнивает это с краш-тестами в автопроме. По его словам, автопроизводитель обычно заранее уверен, что машина пройдет требования NHTSA, тогда как разработчики лекарств редко обладают такой уверенностью перед клиническими испытаниями, где большинство препаратов не получает одобрения FDA.
Более широкая цель компании — использовать автономные биологические лаборатории для создания причинно-следственных данных, на которых можно обучать новые модели человеческой биологии. Джорджеску ссылается, в частности, на исследование, опубликованное в прошлом месяце в Nature Methods, где авторы не нашли явных законов масштабирования данных при обучении генеративных моделей на существующих клеточных данных.
В разговоре с TechCrunch он сказал: «Все обучение идет на статичных снимках этих клеток, и модели вообще не учитывают, как клетка пришла в это состояние».
Он пояснил: «Иначе говоря, модель понимает: это состояние клетки A, это состояние клетки B, но не понимает, что состояние B — результат воспаления в состоянии A».
По словам компании, машины HIVE отслеживают сотни тысяч текущих экспериментов, где больные ткани подвергаются определенному воздействию. Джорджеску считает, что такие данные могут дать основу для обучения с подкреплением и помочь создать ИИ-модели, которые лучше понимают биологию человека и способны принести более заметный результат в медицине.
Он добавил, что это важно и для будущих задач, где нужны препараты, воздействующие сразу на несколько путей, а не на один. «Если нам нужны комбинированные терапии, пространство поиска резко растет — это не может оставаться чисто экспериментальным подходом», сказал он TechCrunch.
По словам Джорджеску, подход должен быть таким: «Я хочу получить такой эффект, значит, какую причину мне нужно вызвать? Установление причинности в биологии человека — база для всего этого».
Источник: TechCrunch.
