Глава Anthropic Дарио Амодеи на выходных написал прямо: обещания ИИ вылечить рак стали клише, а не реальным планом. Раньше подобные фразы произносил и он сам, и Сэм Альтман, и глава DeepMind Демис Хассабис. Прорывов ждали годами. Пока результат скромный.
Проблема в данных, на которых учатся модели. Они видят результаты опытов на мышах, на отдельных клетках, на изолированных белках — но не на живых человеческих тканях. Это будто учить пилота летать по фотографиям самолётов.
Стартап Vivodyne, выросший из Пенсильванского университета, предложил решение: модульные роботизированные лаборатории HIVE выращивают 20 видов человеческих тканей, сами вводят препараты и сами следят за реакцией. Печень в этих установках предсказывает токсичность для человека с точностью 94%, дыхательные пути совпадают с реальным поведением тканей на 96%, а костный мозг показал 100% совпадение в тестах 20 химиопрепаратов. На прошлой неделе компания открыла под Сан-Франциско то, что называет крупнейшим в мире «центром данных о человеке», и уже выполняет вдвое больше экспериментов, чем все испытания на животных в США вместе взятые.
Главная идея глубже отдельных тестов. Гендиректор Андрей Георгеску объясняет: нынешние модели видят только статичные снимки клеток — «это клетка в состоянии А», «это клетка в состоянии Б» — но не понимают причинно-следственной связи между ними. HIVE отслеживает сотни тысяч экспериментов, где к больной ткани применяют раздражитель и фиксируют, что происходит дальше. Именно такие причинные данные, по мнению Георгеску, нужны для моделей, которые смогут работать с комбинированными терапиями — препаратами, воздействующими сразу на несколько путей заболевания одновременно.
Правило простое, как автомобильный краш-тест: производитель авто уверен, что машина пройдёт проверку, ещё до испытаний. У фармакомпаний такой уверенности нет — 90% препаратов, успешно прошедших тесты на животных, проваливаются на людях. Vivodyne, привлекшая почти 80 млн долларов при участии Khosla Ventures, пытается закрыть именно этот разрыв — не обещаниями, а конвейером живой ткани.
Во что углубиться:
- AlphaFold и Isomorphic Labs: почему предсказание структуры белка ещё не равно созданию лекарства
- Почему 90% препаратов проваливаются между тестами на животных и клиническими испытаниями на людях
- Что такое каузальные данные в машинном обучении и почему их не хватает биологии