После более чем десятилетнего руководства биотехнологической практикой Andreessen Horowitz, которая достигла управления почти 4 миллиардами долларов, Vijay Pande ушёл в июне прошлого года, чтобы вместе с Zach Werner основать меньшую инвестиционную компанию VZVC. Новая структура ежегодно опирается на ограниченное число сосредоточенных ставок, используя искусственный интеллект и программных агентов для снижения потребности в традиционной инвестиционной команде.
Однако изменение инвестиционной модели — не единственный аспект видения Pande. Он считает, что искусственный интеллект постепенно переводит биологию из области, зависящей от разрозненных открытий и удачи, в область, которую в большей степени можно проектировать и конструировать. Это включает выявление лекарственных мишеней, разработку лекарств и оптимизацию этапов клинических испытаний — этапа, который считается одним из самых дорогих элементов разработки лекарств.
От открытия к проектированию
По словам Pande, технологии машинного обучения позволили компьютерам работать с биологической сложностью, которую было трудно анализировать традиционными методами. За последнее десятилетие параллельно развивались искусственный интеллект для биологии и химии: первый сосредоточен на понимании заболеваний и способов их лечения, а второй — на создании соединений, нацеленных на конкретные белки.
Эти достижения не означают, что разработка лекарств стала дешёвой или гарантированной. Pande говорит, что время и затраты, необходимые для перехода к клиническим испытаниям, начали снижаться, однако проведение испытания всё ещё может требовать сотен миллионов долларов. Он также отмечает, что вероятность успешного прохождения лекарством пути от первого испытания до завершения третьей фазы составляет около 20%, а значит, провал восьми из десяти лекарств повышает расчётную стоимость каждого успешного препарата.
Pande сомневается, что использование синтетических данных уже привело к снижению стоимости клинических испытаний в масштабах, о которых принято говорить; он описывает это скорее как стремление, чем как достигнутую реальность. Значительную часть неудач лекарств он также связывает с ограниченной способностью животных моделей, таких как мыши, предсказывать происходящее у людей. По его мнению, модель искусственного интеллекта не будет идеальной, но в некоторых случаях она может превзойти по прогностической способности животные модели.
Точная медицина нуждается в данных о конкретном человеке
Эта концепция выходит за рамки открытия лекарств и касается выбора наиболее подходящего лечения для каждого пациента. Pande объясняет, что медицинская практика во многом опирается на сравнение результатов анализов пациента со средними показателями населения, тогда как более важным может быть вопрос о том, насколько необычен результат именно для этого человека.
Он считает, что одного генома недостаточно: геном похож на план дома во время его строительства, но не обязательно описывает его состояние спустя годы. Поэтому другие измерения, например протеомика, приобретают значение для понимания текущего состояния организма. Кроме того, автоматизация и роботизированные измерения предоставляют новые объёмы данных, которые можно связывать с моделями искусственного интеллекта.
Проблема закрытых данных
Биология отличается от текстов, доступных в интернете, в одном принципиальном отношении: компании не могут просто собрать свои биологические данные в интернете и обучить на них модели. В результате каждая компания склонна создавать собственный набор данных, что ограничивает возможность обучения совместных моделей или лёгкого переноса знаний из одной модели в другую.
Pande считает, что разработка масштабных атласов биологической информации, часто в форме базовых моделей, может изменить этот путь. Он ожидает, что биологические модели с открытым исходным кодом сыграют роль, аналогичную той, которую сыграли открытые большие языковые модели в их конкуренции с коммерческими моделями. Однако эта идея по-прежнему зависит от готовности компаний и исследователей делиться данными, имеющими коммерческую и научную ценность.
Что меняется на практике?
VZVC сосредоточен на двух основных направлениях, упомянутых Pande: искусственном интеллекте для оказания медицинской помощи и искусственном интеллекте для клинических испытаний. Он говорит, что фонд планирует около пяти инвестиций в год, а не тридцати, при непосредственном участии его самого и Werner в работе с выбранными компаниями. Кроме того, фонд ищет основателей, обладающих порядочностью и настроенных на долгосрочные отношения, а не на краткосрочную конкуренцию за победу в горячем раунде финансирования.
Главный вывод из высказываний Pande заключается в том, что основное препятствие для медицинского искусственного интеллекта — не только алгоритм. Даже по мере совершенствования моделей решающими факторами остаются качество, доступность и возможность совместного использования данных. Успех технологии в лаборатории также не гарантирует коммерческого успеха; Pande признаёт, что выход на рынок может быть сложнее, чем создание самой технологии.
Таким образом, разговор предлагает оптимистичный, но обусловленный взгляд: искусственный интеллект может улучшить выбор лекарственных мишеней, их разработку и назначение лечения, однако он не способен создать отсутствующие биологические данные или устранить риски клинических испытаний. Открытые вопросы, связанные с обменом данными, проверкой моделей на людях и превращением научных результатов в применимые продукты, по-прежнему определяют, станет ли переход от «открытия» к «инженерии» масштабной практической трансформацией.