ШІ уже допомагає шукати перспективні молекули та аналізувати біологічні дані, але до створення ефективних ліків від складних захворювань йому ще далеко. Біотехнологічний стартап Vivodyne вважає, що одна з головних причин у тому, що моделі штучного інтелекту просто не мають достатньо якісних даних про те, як насправді поводяться людські тканини.
Нестача даних для ШІ
Компанія розробила роботизовані лабораторії HIVE, які вирощують людські тканини та автоматично проводять на них тисячі експериментів. Система може працювати приблизно з 20 типами тканин, змінювати умови їхнього середовища, вводити різні речовини й відстежувати результат.
На думку співзасновника та CEO Vivodyne Андрія Джорджеску, саме таких даних сьогодні бракує системам ШІ. Більшість доступної інформації походить із досліджень на тваринах або експериментів з окремими клітинами та білками. Проблема в тому, що людський організм значно складніший, а реакція живої тканини не завжди відповідає тому, що відбувається в лабораторній моделі.
Це добре видно на етапі розробки ліків. За оцінкою компанії, близько 90% препаратів, які показали достатню ефективність під час доклінічних випробувань на тваринах і перейшли до тестування на людях, зрештою не отримують схвалення регуляторів.
Vivodyne хоче зменшити цю проблему за допомогою органоїдних і тканинних моделей людини. Компанія стверджує, що її лабораторні тканини в окремих тестах демонструють високу відповідність реальній людській біології. Наприклад, для тканини печінки заявлена точність прогнозування токсичності становить 94%, для тканини дихальних шляхів — 96%. У тестах із 20 хіміотерапевтичними препаратами модель кісткового мозку, за даними стартапу, показала 100% відповідність.
Минулого тижня Vivodyne відкрила поблизу Сан-Франциско новий автоматизований лабораторний комплекс, який називає найбільшим у світі центром обробки даних людей. Компанія залучила майже $80 млн інвестицій у двох раундах, які очолювала Khosla Ventures.
Втім, стартап хоче не просто прискорити пошук нових препаратів. Його головна мета – створити великий масив даних про причинно-наслідкові зв’язки в людській біології, на якому можна буде навчати нові моделі ШІ.
