Стартап Vivodyne строит «человеческие центры обработки данных», чтобы ИИ наконец смог лечить рак

Биотехнологический стартап Vivodyne заявляет, что индустрия ИИ-разработки лекарств сталкивается с проблемой нехватки данных, и предлагает собственное решение — модульные роботизированные лаборатории HIVE. Эти установки способны выращивать 20 видов человеческих тканей, автономно проводить их тестирование и мониторинг, генерируя каузальные биологические данные, которых сегодня не хватает ИИ-моделям. Обычно такие данные получают в ходе испытаний на животных или исследований отдельных клеток и белков, но не живой ткани.

«Без испытаний на людях, что будут делать эти [ИИ] модели? — задается вопросом генеральный директор и сооснователь Vivodyne Андрей Джорджеску. — Они будут лечить рак у мышей».

Даже глава Anthropic Дарио Амодеи в минувшие выходные написал, что заявления об излечении рака с помощью ИИ стали скорее клише, чем заслуживающими доверия утверждениями — «то, что действительно сработает, — это фактическое излечение рака».

Справедливости ради, идею об ИИ, побеждающем рак, сам Амодеи высказывал в своих эссе; Сэм Альтман неоднократно называл лечение рака обоснованием стремления OpenAI к AGI и наращиванию вычислительных мощностей; а Демис Хассабис из Google DeepMind в прошлом году заявил, что ИИ потенциально может излечить все болезни в течение десятилетия.

Реальные результаты пока скромные. Некоторые препараты, разработанные с помощью ИИ, дошли до испытаний на людях — один даже до третьей фазы, — но основные препятствия не всегда решаемы современными ИИ-технологиями.

Удостоенный Нобелевской премии AlphaFold стал большим прорывом в понимании строительных блоков жизни, но пока не привел к созданию нового лекарства. Isomorphic Labs, основанная для развития AlphaFold, ожидает первые испытания, изначально запланированные на 2025 год, к концу текущего года. В феврале компания написала, что настоящий процесс открытия лекарств потребует «высокоточных прогностических моделей, охватывающих широкий спектр биохимических свойств и взаимодействий».

Джорджеску считает, что отрасли нужна «проверка на адекватность» — существующим моделям не хватает данных для понимания сложности человеческой биологии. Это проблема, с которой сталкивается вся фармацевтическая индустрия: 90% препаратов, показавших эффективность на животных и допущенных к клиническим испытаниям, не получают одобрения регуляторов для применения у людей.

План Vivodyne иной. Компания была выделена из Пенсильванского университета в 2021 году после получения Джорджеску докторской степени по биоинженерии. Vivodyne утверждает, что ее ткани точно имитируют поведение реальных человеческих органов: клетки печени демонстрируют 94% предсказательной точности по сравнению с испытаниями токсичности на людях, ткани дыхательных путей совпадают с реальными на 96%, а костный мозг показал 100% согласованность в тестах с 20 различными химиотерапевтическими препаратами.

На прошлой неделе компания, привлекшая почти 80 миллионов долларов (~6,4 млрд рублей) в двух раундах под руководством Khosla Ventures, открыла то, что называет крупнейшим в мире «центром обработки человеческих данных» недалеко от Сан-Франциско. Джорджеску утверждает, что его команда уже достигает вдвое большей пропускной способности, чем все испытания на животных, проводимые в США.

Биолаборатория будущего?
Источник изображения:Tim Fernholz / TechCrunch / TechCrunch/Tim Fernholz

Идея заключается в ускорении пути кандидатов в лекарства за счет лучшего понимания того, что сработает, до дорогостоящих клинических испытаний, которые обычно стоят десятки миллионов долларов. Vivodyne не раскрывает своих партнеров, но заявляет о сотрудничестве с несколькими крупными фармацевтическими компаниями. Джорджеску сравнивает эту задачу с краш-тестами автомобилей: автопроизводитель обычно уверен, что его машина пройдет требования NHTSA до тестирования, но фармкомпании редко имеют такую уверенность перед клиническими испытаниями, где большинство препаратов не получают одобрения FDA.

Но есть и более масштабное видение: Джорджеску рассматривает свои автономные биолаборатории как ключ к генерации каузальных данных для обучения новых моделей на основе человеческой биологии. Он ссылается на исследования, например, опубликованное в Nature Methods в прошлом месяце, которые не находят четких законов масштабирования данных при обучении генеративных ИИ-моделей на существующих клеточных данных.

«Все обучение проводится на статических снимках клеток, и модели совершенно не учитывают, как клетка пришла в это состояние, — рассказал Джорджеску TechCrunch. — Иными словами, модель учит „это состояние клетки А", „это состояние клетки Б", но никогда не учит „состояние Б является результатом воспаления состояния А"».

Машины HIVE от Vivodyne отслеживают сотни тысяч текущих экспериментов, где больные ткани подвергаются воздействию стимулов. Джорджеску ожидает, что это обеспечит своего рода обучение с подкреплением, которое позволит создавать ИИ-модели, понимающие человеческую биологию достаточно для значимого прогресса в здравоохранении.

Он считает, что это будет ключом не только к сегодняшним медицинским проблемам, но и к будущему, где сложные заболевания потребуют лекарств, воздействующих на множественные пути, в отличие от большинства существующих сегодня препаратов.

«Если мы хотим комбинированной терапии, пространство для поиска взрывается — это не может быть экспериментальный подход, — заявил он TechCrunch. — Нужно сказать: „Я хочу, чтобы произошел этот эффект, какую причину мне вызвать?" Установление причинности в человеческой биологии — основа всего этого».