ИИ пока далёк от излечения рака. Этот стартап утверждает, что знает, что для этого потребуется.

Биотехнологический стартап под названием Vivodyne утверждает, что в индустрии поиска лекарств с помощью ИИ существует проблема с данными и что компания создала машину для её решения.

HIVE — модульные роботизированные лаборатории, разработанные компанией, — могут выращивать 20 видов человеческих тканей, а затем автономно дозировать препараты и наблюдать за ними, генерируя тот тип причинно-следственных биологических данных, которого не хватает современным моделям ИИ, — данных, которые сегодня в основном получают в ходе испытаний на животных или исследований отдельных клеток либо белков, а не живых тканей.

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

Даже генеральный директор Anthropic Дарио Амодеи написал в выходные, что утверждения о том, будто ИИ вылечит рак, стали скорее избитой фразой, чем чем-то убедительным, — «сработает то, что действительно вылечит рак», как он выразился.

Справедливости ради, сам Амодеи в предыдущих эссе допускал, что ИИ вылечит рак; Сэм Альтман неоднократно ссылался на лечение рака как на обоснование стремления OpenAI к AGI и создания всё более крупных вычислительных мощностей; а Демис Хассабис из Google DeepMind заявил в прошлом году, что ИИ потенциально может вылечить все болезни в течение десятилетия.

Фактические результаты пока остаются скромными. Несколько лекарств, разработанных с помощью ИИ, перешли к испытаниям на людях — одно из них дошло до III фазы, то есть масштабных испытаний на людях, — но реальность такова, что препятствия не обязательно относятся к тем, которые ИИ способен преодолеть уже сегодня.

Обладатель Нобелевской премии AlphaFold стал большим достижением в понимании строительных блоков жизни, но пока ему не удалось создать новое лекарство. Компания Isomorphic Labs, основанная для дальнейшего развития AlphaFold, ожидает начала своих первых испытаний, первоначально запланированных на 2025 год, к концу этого года. В феврале компания написала, что для настоящего открытия лекарств потребуются «высокоточные прогностические модели, охватывающие широкий спектр биохимических свойств и взаимодействий».

Георгеску говорит, что этой сфере нужна «проверка на здравый смысл» — существующим моделям не хватает данных, чтобы уловить сложность человеческой биологии. Это уже известная фармацевтической отрасли проблема: 90% препаратов, эффективных в испытаниях на животных и допущенных к клиническим испытаниям, не получают регуляторного одобрения для применения у людей.

План Vivodyne отличается. Компания была выделена из Пенсильванского университета в 2021 году, после того как Георгеску получил там докторскую степень по биоинженерии. Компания утверждает, что её ткани по своим характеристикам близки к поведению настоящих человеческих органов: точность прогнозов её клеток печени при сравнении с испытаниями на людях, проверяющими токсичность, составляет 94%, её ткани дыхательных путей в 96% случаев демонстрируют поведение, соответствующее настоящей человеческой ткани, а её костный мозг достиг 100%-ного совпадения в испытаниях с 20 различными химиотерапевтическими препаратами.

На прошлой неделе компания, привлекшая чуть менее 80 миллионов долларов в рамках двух раундов финансирования во главе с Khosla Ventures, открыла неподалёку от Сан-Франциско то, что называет крупнейшим в мире «центром человеческих данных», а Георгеску утверждает, что его команда уже достигает вдвое большей пропускной способности, чем все испытания на животных, проводимые в США.

Идея заключается в том, чтобы ускорить продвижение кандидатов в лекарства, заранее лучше понимая, что сработает, прежде чем тратить средства на клинические испытания, которые обычно обходятся в десятки миллионов долларов. Хотя Vivodyne не называет своих партнёров публично, компания утверждает, что работает с несколькими крупными фармацевтическими компаниями над решением проблемы, которую Георгеску сравнивает с краш-тестами автомобилей: автопроизводитель обычно уверен, что его автомобиль пройдёт требования NHTSA, ещё до проведения испытаний, но у разработчиков лекарств редко бывает такая же уверенность перед началом клинических испытаний, где подавляющее большинство препаратов не получает одобрения FDA.

Но существует и более масштабное видение: Георгеску считает, что его автономные биологические лаборатории имеют ключевое значение для получения причинно-следственных данных, которые можно использовать для обучения новых моделей человеческой биологии. Он указывает на такие исследования, как это, опубликованное в прошлом месяце в Nature Methods, в котором не обнаружено явных закономерностей масштабирования данных при обучении генеративных моделей ИИ на существующих клеточных данных.

«Всё обучение проводится на статичных снимках этих клеток, и модели вообще не учитывают, как клетка пришла к этому состоянию, — рассказал Георгеску TechCrunch. — Иными словами, модель усваивает: “это состояние клетки A”, “это состояние клетки B”, но никогда не узнаёт: “состояние клетки B — результат воспаления состояния клетки A”».

Однако машины HIVE компании Vivodyne отслеживают сотни тысяч текущих экспериментов, в ходе которых больная ткань подвергается воздействию какого-либо стимула. Георгеску ожидает, что это обеспечит такой тип обучения с подкреплением, который позволит создавать модели ИИ, достаточно хорошо понимающие человеческую биологию для более значимого прогресса в здравоохранении.

Георгеску считает, что это будет иметь ключевое значение не только для решения сегодняшних медицинских проблем, но и для будущего, в котором сложные заболевания потребуют лекарств, нацеленных на несколько путей, в отличие от большинства доступных сегодня препаратов.

«Если мы хотим создавать комбинированные методы лечения, пространство для поиска взрывается — экспериментальный подход здесь невозможен, — рассказал он TechCrunch. — Нужно сказать: “Я хочу добиться такого эффекта — какую причину мне следует вызвать?” Установление причинно-следственных связей в человеческой биологии — основа всего этого».