近年の産業の期待は「がんの治療を加速するAIの能力」のトピックを中心に高くなっていますが、実際の臨床と画期的なケースはまだ限られています。 バイオテクノロジーのスタートアップ企業であるVIvodyneは、ボトルネックが主にモデリング能力にないと主張していますが、そのトレーニングデータは実際の人間の生活プロセスから遠くまであります。
同社によると、AI薬の研究開発システムの多くは、動物実験、単細胞研究、タンパク質レベルのデータに依存しています。 これらのデータはモデル構造と状態を助けますが、刺激、薬物または病気の後にヒト組織が変化する理由を説明することは困難です。
進歩はまだ限られています
過去数年間、AIは薬のスクリーニング、ターゲットの検出および分子設計のために頻繁に使用されます。 AI参加で設計された候補薬の数が人間の試験に導入され、臨床フェーズIIIに取り組む個々のプロジェクトが導入されました。 しかし、全体的な結果の観点では、AIが新しい医薬品開発の成功率を著しく引き換えているこの領域にはまだ証拠はありません。
この記事では、AlphaFoldがタンパク質構造予測に大きな進歩を遂げていると言及していますが、まだ新しい薬を直接生成していません。 DeepMind の Isomorphic Labs のハッチングはまだ最初の試用を待っています。 Vivodyneは、既存のモデルが人間の生物学の複雑さをカバーするのに十分でないと判断しました。
HIVEは20人の組織を開発します
ペンシルバニア大学から2021年にVivodyneを設立 同社は、20人の組織を育成し、配送、観察、文書のプロセスを自動的に完了するモジュラーロボット研究室システム、ハイブを開発しました。 目標は、臨床練習に入る前に、候補薬が効果的であるか、または有毒なリスクを持っている可能性が高いことを識別することです。
- Hepatotoxic予測は94%にマッチします。
- エアウェイ行動マッチは96%です。
- 骨髄モデルは20ケモセラピーテストで100%一貫したものです。
先週、Vivodyneは、サンフランシスコ・ベイエリア近くの世界最大の「人民データセンター」と呼ばれるものを発表しました。 同社によると、約80万ドルの資金調達が完了し、Khosla Ventures社がリード投資家として2ラウンドの資金調達を完了しました。
会社は、原因と効果の生物学的データに賭けています。
Vivodyneによると、薬物研究開発から本当に欠落しているものは「因果データ」であり、それは、細胞や組織が何であるかだけでなく、それが形成される方法である。 この考え方では、モデルは静的な状態を学習するだけでなく、薬物や結果の刺激、炎症、または配信の関係を理解する必要があります。
同社によると、ハイブは、さまざまなインセンティブの下で病理組織の進化を文書化するために、何千もの継続的な実験をフォローしています。 ジョージスカは、このような連続データが次世代の生物学的モデルを訓練し、AIが静的な識別ではなく、人間の反応を理解するのに役立つより良い機会を持っていることに適していると信じています。
彼のビューでは、これは将来の組み合わせ療法のために特に重要です。 疾患の治療がますますますます多岐にわたる介入を伴うため、候補の組み合わせの数が急速に増加し、伝統的な実験方法だけでスクリーニングを完了することは困難になります。 Vivodyneの賭けは、実際の人間の反応に近いデータベースを構築し、医療分野におけるAIの大規模なブレークスルーについて話することです。