Ваш купон на скидку:
Модульные роботизированные лаборатории HIVE, созданные компанией Vivodyne, способны выращивать 20 видов тканей человека, а затем автономно дозировать препараты и контролировать состояние образцов. Это позволяет получать причинно-следственные биологические данные, которых сегодня не хватает моделям искусственного интеллекта. В настоящее время подобные данные в основном получают с помощью испытаний на животных либо исследований отдельных клеток или белков, а не живых тканей. «Если не проводить испытания на людях, что собираются делать эти [ИИ-]модели?» — спрашивает генеральный директор и сооснователь Vivodyne Андрей Георгеску. «Они будут лечить рак у мышей».
Даже генеральный директор Anthropic Дарио Амодеи в минувшие выходные написал, что заявления о том, будто ИИ вылечит рак, стали скорее клише, чем убедительным прогнозом: по его словам, «сработает именно настоящее лечение рака». При этом сам Амодеи высказывал подобную идею в предыдущих эссе, а Сэм Альтман неоднократно называл лечение рака одной из причин, оправдывающих стремление OpenAI к созданию AGI и дальнейшее наращивание вычислительных мощностей. Демис Хассабис из Google DeepMind в прошлом году заявил, что ИИ потенциально способен победить все болезни в течение десятилетия. Однако реальные результаты пока остаются скромными. Несколько препаратов, разработанных с помощью ИИ, дошли до клинических испытаний на людях, и один из них — до III фазы, предполагающей масштабные испытания. Но препятствия на этом пути не обязательно относятся к тем, которые ИИ способен устранить уже сегодня.
Получившая Нобелевскую премию система AlphaFold стала значительным прорывом в изучении строительных блоков жизни, однако пока не создала новый препарат. Компания Isomorphic Labs, основанная для развития технологий AlphaFold, ожидает начала первых испытаний к концу текущего года; первоначально их планировали провести в 2025 году. В феврале компания написала, что для настоящего открытия лекарств потребуются «высокоточные прогнозные модели», способные работать с широким спектром биохимических свойств и взаимодействий. Георгеску считает, что этой области необходима «проверка здравого смысла»: существующим моделям не хватает данных, чтобы учитывать сложность биологии человека. Та же проблема уже стоит перед фармацевтической отраслью: 90% препаратов, которые показывают достаточную эффективность на животных и допускаются к клиническим испытаниям, в итоге не получают разрешения регулирующих органов для применения у людей.
План Vivodyne отличается от традиционного подхода. Компания была выделена из Университета Пенсильвании в 2021 году после того, как Георгеску получил там докторскую степень в области биоинженерии. В Vivodyne утверждают, что выращиваемые ими ткани по своим свойствам близки к настоящим человеческим органам: точность прогноза поведения клеток печени по сравнению с человеческими испытаниями на токсичность составляет 94%, ткани дыхательных путей в 96% случаев ведут себя так же, как настоящие человеческие ткани, а костный мозг показал 100%-ное совпадение результатов при тестировании 20 различных химиотерапевтических препаратов.
На прошлой неделе компания, привлекшая чуть менее 80 млн долларов в ходе двух раундов финансирования во главе с Khosla Ventures, открыла недалеко от Сан-Франциско то, что называет крупнейшим в мире «центром обработки данных о человеке». По словам Георгеску, его команда уже обеспечивает вдвое большую пропускную способность, чем все испытания на животных, проводимые в США. Идея заключается в том, чтобы ускорить разработку препаратов, заранее точнее определяя, какие кандидаты сработают, до дорогостоящего этапа клинических испытаний, которые обычно обходятся в десятки миллионов долларов. Vivodyne не раскрывает имена партнеров, но утверждает, что сотрудничает с несколькими крупными фармацевтическими компаниями. Георгеску сравнивает проблему с автомобильными краш-тестами: автопроизводитель обычно уверен, что его машина пройдет требования NHTSA еще до испытаний, тогда как разработчики лекарств редко обладают такой уверенностью перед началом клинических исследований, где подавляющее большинство препаратов не получает одобрения FDA.
Однако у Vivodyne есть и более масштабная цель. Георгеску рассматривает автономные биологические лаборатории компании как инструмент для получения причинно-следственных данных, на которых можно будет обучать новые модели биологии человека. Он ссылается, в частности, на исследование, опубликованное в прошлом месяце в Nature Methods: его авторы не обнаружили четких закономерностей масштабирования данных при обучении генеративных ИИ-моделей на уже имеющихся данных о клетках. «Все обучение проводится на статичных снимках этих клеток, и модели вообще не учитывают, каким образом клетка пришла в это состояние, — сказал Георгеску TechCrunch. — Иными словами, модель учится понимать: “это состояние клетки A”, “это состояние клетки B”, но никогда не узнает: “состояние клетки B является результатом воспаления состояния клетки A”».
Машины HIVE компании Vivodyne отслеживают сотни тысяч текущих экспериментов, в которых пораженная заболеванием ткань подвергается воздействию определенного стимула. Георгеску ожидает, что эти данные обеспечат своего рода обучение с подкреплением и позволят создавать ИИ-модели, достаточно хорошо понимающие биологию человека для более значимого прогресса в здравоохранении. По его мнению, это будет важно не только для решения нынешних медицинских задач, но и для будущего, в котором сложные заболевания потребуют препаратов, воздействующих сразу на несколько биологических путей, в отличие от большинства доступных сегодня лекарств. «Если мы хотим создавать комбинированные методы лечения, пространство, которое нужно исследовать, резко разрастается — экспериментальный подход здесь невозможен, — сказал он TechCrunch. — Нужно сформулировать: “Я хочу получить такой эффект — какую причину следует вызвать?” Установление причинно-следственных связей в биологии человека — основа всего этого».