Штучний інтелект та боротьба з раком: Стартап пропонує своє бачення майбутнього

Стартап у сфері біотехнологій Vivodyne стверджує, що індустрія розробки ліків за допомогою штучного інтелекту (ШІ) має проблему з даними, і вони створили машину для її вирішення.

HIVE – це модульні роботизовані лабораторії, розроблені компанією. Вони здатні вирощувати 20 видів людських тканин, а потім автономно дозувати та моніторити їх, генеруючи причинно-наслідкові біологічні дані, яких бракує сучасним моделям ШІ. Наразі ці дані здебільшого отримують шляхом тестування на тваринах, вивчення окремих клітин або білків, а не на живих тканинах.

«Якщо немає людських випробувань, що робитимуть ці [ШІ] моделі?» — запитує Андрій Джорджеску, генеральний директор та співзасновник Vivodyne. — «Вони лікуватимуть рак у мишей».

Навіть генеральний директор Anthropic Даріо Амодеї написав минулими вихідними, що заяви про те, що ШІ вилікує рак, стали більш кліше, ніж достовірними — «насправді працюватиме лікування раку», як він висловився.

Звісно, ідея про те, що ШІ вилікує рак, раніше лунала від самого Амодеї; Сем Альтман неодноразово наводив лікування раку як виправдання для прагнення OpenAI до загального штучного інтелекту (AGI) та постійного збільшення обчислювальних потужностей; а Деміс Хассабіс з Google DeepMind минулого року заявив, що ШІ потенційно може вилікувати всі хвороби протягом десятиліття.

Реальні результати залишаються скромними. Кілька препаратів, розроблених за допомогою ШІ, пройшли клінічні випробування на людях — один навіть до третьої фази, широких випробувань на людях — але реальність така, що перешкоди не обов’язково є тими, які ШІ може вирішити сьогодні.

AlphaFold, що отримав Нобелівську премію, був значним кроком у розумінні будівельних блоків життя, але він ще не призвів до створення жодного нового препарату. Isomorphic Labs, заснована на базі AlphaFold, очікує свої перші випробування, заплановані спочатку на 2025 рік, до кінця цього року. У лютому компанія написала, що справжня розробка ліків вимагатиме «високоточних прогнозних моделей, що охоплюють широкий спектр біохімічних властивостей та взаємодій».

Джорджеску вважає, що галузі потрібна «перевірка здорового глузду» — що існуючі моделі не мають достатньо даних для охоплення складності людської біології. Це виклик, з яким вже стикається фармацевтична промисловість, де 90% препаратів, які є достатньо ефективними у тестуванні на тваринах для початку клінічних випробувань, не отримують дозволу для використання людьми.

План Vivodyne інший. Vivodyne була виділена з Університету Пенсільванії у 2021 році, після того, як Джорджеску отримав там ступінь доктора з біоінженерії. Компанія стверджує, що її тканини точно відтворюють поведінку реальних людських органів — клітини печінки мають 94% прогнозованої точності порівняно з клінічними випробуваннями на токсичність, її дихальна тканина у 96% випадків відповідає поведінці реальних людських тканин, а її кістковий мозок досяг 100% узгодженості у тестуванні 20 різних хіміотерапевтичних препаратів.

Минулого тижня компанія, яка залучила трохи менше 80 мільйонів доларів за два раунди під керівництвом Khosla Ventures, відкрила те, що вона називає найбільшим у світі «центром людських даних» неподалік Сан-Франциско. Джорджеску каже, що його команда вже досягає вдвічі більшої пропускної здатності, ніж усі випробування на тваринах, що проводяться в США.

Ідея полягає в прискоренні виведення кандидатів на ліки завдяки кращому розумінню того, що спрацює, перш ніж витрачати кошти на клінічні випробування, які зазвичай коштують десятки мільйонів доларів. Хоча компанія не називає своїх партнерів публічно, Vivodyne стверджує, що співпрацює з кількома великими фармацевтичними компаніями для вирішення проблеми, яку Джорджеску порівнює з краш-тестами автомобілів: автовиробник зазвичай впевнений, що його автомобіль пройде вимоги NHTSA перед тестуванням, але виробники ліків рідко мають таку ж впевненість перед клінічними випробуваннями, де переважна більшість препаратів не отримують схвалення FDA.

Але є й ширше бачення: Джорджеску вважає свої автономні біологічні лабораторії ключовими для генерації причинно-наслідкових даних, які можна використовувати для навчання нових моделей людської біології. Він посилається на дослідження, подібні до цього, опублікованого минулого місяця в Nature Methods, які не виявляють чітких законів масштабування даних під час навчання генеративних моделей ШІ на наявних клітинних даних.

«Усе навчання проводиться на статичних знімках цих клітин, і моделі зовсім не обумовлені тим, як клітина досягла такого стану», — сказав Джорджеску TechCrunch. «Іншими словами, модель навчається: ‘це стан клітини А’, ‘це стан клітини Б’, але ніколи: ‘стан клітини Б є наслідком запалення стану клітини А’».

Натомість машини HIVE від Vivodyne відстежують сотні тисяч поточних експериментів, де хвора тканина піддається певному стимулу. Джорджеску очікує, що це забезпечить навчання з підкріпленням, яке призведе до створення моделей ШІ, що розумітимуть людську біологію достатньою мірою для досягнення більш значного прогресу в охороні здоров’я.

Джорджеску вважає, що це буде ключовим не лише для сучасних медичних викликів, але й для майбутнього, де складні захворювання вимагатимуть препаратів, які, на відміну від більшості наявних сьогодні, спрямовані на кілька шляхів.

«Якщо ми хочемо комбінованої терапії, простір, який потрібно дослідити, вибухово зростає — це не може бути експериментальний підхід», — сказав він TechCrunch. «Ви повинні сказати: ‘Я хочу, щоб цей ефект відбувся, то яку причину я повинен викликати?’ Встановлення причинно-наслідкових зв’язків у людській біології є основою всього цього».

За матеріалами: techcrunch.com