ШІ ще далекий від лікування раку. Цей стартап стверджує, що знає, що для цього знадобиться.

Біотехнологічний стартап під назвою Vivodyne заявляє, що індустрія пошуку ліків за допомогою ШІ має проблему з даними, і що компанія створила машину для її вирішення.

HIVE — модульні роботизовані лабораторії, розроблені компанією, — можуть вирощувати 20 видів людських тканин, а потім автономно вводити їм препарати та відстежувати їхній стан, генеруючи дані про біологічні причинно-наслідкові зв’язки, яких бракує сучасним моделям ШІ. Сьогодні такі дані здебільшого отримують під час випробувань на тваринах або досліджень окремих клітин чи білків, а не живих тканин.

«Якщо не проводити випробування на людях, що робитимуть ці [ШІ] моделі?» — запитує Андрій Георґеску, генеральний директор і співзасновник Vivodyne. «Вони лікуватимуть рак у мишей».

Навіть генеральний директор Anthropic Даріо Амодеї написав цими вихідними, що твердження про те, ніби ШІ вилікує рак, стали радше кліше, ніж чимось переконливим, — «працюватиме лише реальне лікування раку», як він висловився.

Справедливості заради, сам Амодеї висував ідею про те, що ШІ вилікує рак, у попередніх есе; Сем Альтман неодноразово називав лікування раку обґрунтуванням прагнення OpenAI до AGI та дедалі масштабнішої інфраструктури обчислень; а Деміс Хассабіс із Google DeepMind заявив минулого року, що ШІ потенційно може вилікувати всі хвороби протягом десятиліття.

Фактичні результати залишаються доволі скромними. Кілька препаратів, розроблених за допомогою ШІ, перейшли до випробувань на людях — один із них навіть досяг III фази, тобто масштабних випробувань на людях, — але реальність така, що перешкоди не обов’язково належать до тих, які ШІ здатен подолати вже сьогодні.

Alphafold, за розробку якого було присуджено Нобелівську премію, став великим проривом у розумінні будівельних блоків життя, але поки що не створив нового препарату. Isomorphic Labs, заснована для розвитку напрацювань Alphafold, очікує на свої перші випробування, спочатку заплановані на 2025 рік, до кінця цього року. У лютому компанія написала, що справжнє відкриття ліків потребуватиме «високоточних прогностичних моделей, здатних охоплювати широкий спектр біохімічних властивостей і взаємодій».

Георґеску каже, що цій галузі потрібна «перевірка на здоровий глузд» — наявні моделі не мають даних, необхідних для відтворення складності людської біології. Це виклик, який уже стоїть перед фармацевтичною індустрією: 90% препаратів, ефективних під час випробувань на тваринах і допущених до клінічних випробувань, зрештою не отримують регуляторного схвалення для застосування у людей.

План Vivodyne інший. Компанія вийшла зі складу Університету Пенсильванії у 2021 році після того, як Георґеску здобув там ступінь доктора філософії з біоінженерії. Компанія заявляє, що її тканини дуже точно відтворюють поведінку справжніх людських органів: точність прогнозування її клітин печінки порівняно з випробуваннями на людях для оцінки токсичності становить 94%, її тканини дихальних шляхів у 96% випадків відповідають поведінці справжніх людських тканин, а її кістковий мозок продемонстрував 100% збіг під час тестування 20 різних хіміотерапевтичних препаратів.

Минулого тижня компанія, яка залучила трохи менше ніж 80 мільйонів доларів у межах двох раундів фінансування під керівництвом Khosla Ventures, відкрила неподалік Сан-Франциско те, що називає найбільшим у світі «центром даних про людей», і Георґеску каже, що його команда вже досягає вдвічі більшої пропускної здатності, ніж усі випробування на тваринах, що проводяться у США.

Ідея полягає в тому, щоб прискорити шлях кандидатів у препарати, краще розуміючи, що спрацює, ще до дорогих клінічних випробувань, які зазвичай коштують десятки мільйонів доларів. Хоча компанія не називає своїх партнерів публічно, Vivodyne заявляє, що співпрацює з кількома великими фармацевтичними компаніями, щоб розв’язати проблему, яку Георґеску порівнює з автомобільними краш-тестами: автовиробник зазвичай упевнений, що його автомобіль відповідатиме вимогам NHTSA, ще до початку випробувань, тоді як розробники ліків рідко мають таку саму впевненість перед клінічними випробуваннями, де переважна більшість препаратів не отримує схвалення FDA.

Але є й масштабніше бачення: Георґеску вважає, що його автономні біологічні лабораторії мають ключове значення для генерування причинно-наслідкових даних, які можна використовувати для навчання нових моделей людської біології. Він посилається на дослідження на кшталт цього, опублікованого минулого місяця в Nature Methods, автори якого не виявили чітких закономірностей масштабування даних під час навчання генеративних моделей ШІ на наявних клітинних даних.

«Усе навчання відбувається на статичних знімках цих клітин, і моделі взагалі не враховують як клітина дійшла до цього стану, — сказав Георґеску TechCrunch. — Іншими словами, модель навчається, що “це стан клітини A”, “це стан клітини B”, але ніколи не дізнається, що “стан клітини B є наслідком запалення стану клітини A”».

Однак машини HIVE від Vivodyne відстежують сотні тисяч поточних експериментів, у яких хвора тканина піддається впливу певного стимулу. Георґеску очікує, що це забезпечить тип навчання з підкріпленням, завдяки якому з’являться моделі ШІ, що достатньо добре розумітимуть людську біологію для більш вагомого прогресу в охороні здоров’я.

Георґеску вважає, що це буде важливо не лише для розв’язання сучасних медичних проблем, а й для майбутнього, у якому складні захворювання потребуватимуть препаратів, що, на відміну від більшості доступних сьогодні, діятимуть на кілька біологічних шляхів.

«Якщо ми хочемо комбінованих методів лікування, простір, який потрібно дослідити, вибухово розростається — експериментальний підхід тут не спрацює, — сказав він TechCrunch. — Потрібно сказати: “Я хочу, щоб відбувся цей ефект, то яку причину я маю спричинити?” Встановлення причинно-наслідкових зв’язків у людській біології є основою всього цього».