האם המעבדות הרובוטיות של ויוודיין יפתרו את פער הנתונים של AI בתחום התרופות?

הטענה המרכזית: הבעיה היא בנתונים, לא רק באלגוריתם

ויוודיין (Vivodyne) טוענת שגילוי תרופות באמצעות בינה מלאכותית נתקל קודם כול בבעיית נתונים. מערכות AI מסוגלות להציע מטרות ביולוגיות, מולקולות ורעיונות לניסויים במהירות, אך התחזיות שלהן מוגבלות כאשר נתוני האימון מתארים בעיקר בעלי חיים, תאים מבודדים, חלבונים או תצפיות — ולא את האופן שבו רקמה אנושית מורכבת מגיבה להתערבות.

אנדריי גאורגסקו, מנכ״ל ויוודיין, אמר שמודלים של AI עדיין אינם מייצרים תרופות טובות משמעותית מאלה שתוכננו בידי בני אדם, בין היתר מפני שאין די נתוני מעבדה רלוונטיים שמהם יוכלו ללמוד. 25

הפתרון של החברה הוא HIVE — פלטפורמה מודולרית למעבדה אוטונומית, שנועדה לגדל רקמות אנושיות, לתת להן תרופות, לנטר את תגובתן ולנתח את התוצאות בקנה מידה גדול.

למה מתאם ביולוגי לא מספיק

מודל לגילוי תרופות עשוי לזהות קשר בין מאפיין ביולוגי מסוים לבין תוצאה של מחלה. אבל קשר כזה אינו בהכרח מלמד מה יקרה כאשר תרופה תשנה את המערכת — במינון מסוים, ברקמה מסוימת ובהקשר ביולוגי מסוים.

לכן ויוודיין מתמקדת במה שהיא מכנה התערבות או Perturbation: שינוי מכוון של תנאי הניסוי ומדידה של תגובת הרקמה. לפי גישת החברה, ניסוי כזה יכול לספק קשר שימושי יותר לפיתוח תרופות: אם טיפול X ניתן במינון Y, רקמה Z משתנה באופן מדיד. הפלטפורמה מתארת את התהליך כיצירת נתונים על סיבתיות תאית באמצעות ניסויים מבוקרים ברקמות אנושיות. 2

ההבדל חשוב משום שמודל שאומן על ביולוגיה חלקית או לא מתאימה עלול להפיק תחזיות בטוחות מאוד — שלא יתממשו אצל מטופלים. ויוודיין אינה טוענת שמודלים גדולים יותר חסרי תועלת; הטענה היא שהגדלת המודלים בלי להגדיל במקביל את האיכות ואת הרלוונטיות האנושית של נתוני הניסוי עלולה להניב שיפור מוגבל. 1725

איך HIVE פועלת

מערכת HIVE משלבת רובוטיקה, מיקרופלואידיקה — שליטה בזרימת נוזלים בכמויות זעירות — הנדסת רקמות, מתן תרופות אוטומטי ומדידות ביולוגיות. ויוודיין אומרת שהמערכת מסוגלת לגדל 20 סוגים של רקמות אנושיות, לתת להן תרופות או התערבויות אחרות ולעקוב אחר השינויים לאורך זמן. 117

בליבת הפלטפורמה נמצאות TissueDisks, דיסקיות המאפשרות לגדל ולתת טיפול למאות רקמות אנושיות נפרדות במקביל, לפי החברה. כל מודל רקמה כולל, לדבריה, כ-200 אלף עד 500 אלף תאים, ובחלק מהמקרים גם רשתות כלי דם תלת־ממדיות, ייחודיות לרקמה וניתנות לזילוח, כדי לדמות באופן מציאותי יותר את הגעת הטיפול. 24

תהליך העבודה אמור להיות מחזורי:

1. גידול מודלים סטנדרטיים של רקמות אנושיות.
2. מתן תרופה, מינון, שינוי גנטי או שילוב של התערבויות.
3. מדידת התגובות המולקולריות, התאית והתפקודית.
4. הזנת התוצאות לניתוח ולתכנון סבב הניסויים הבא.

כך המעבדה הופכת ממקבץ של בדיקות נפרדות למערכת לייצור נתונים. התוצאה אינה רק תשובה לשאלה אם הרקמה שרדה. היא עשויה לכלול את האופן שבו השתנתה הרקמה, את מועד השינוי, את התאים שנפגעו ואת ההבדלים בין מינונים או שילובי טיפולים.

איפה מחקר בבעלי חיים ובתאים עלול להחמיץ

מודלים של בעלי חיים עדיין שימושיים לבדיקת השפעות על הגוף כולו. עם זאת, ביולוגיה שעובדת בבעל חיים אינה מתנהגת בהכרח באותו אופן בבני אדם. הבדלים בין מינים עשויים להשפיע על פירוק התרופה, רעילות, תגובות חיסוניות, מנגנוני מחלה והאינטראקציות בין רקמות שונות.

גם מחקר בתאים בודדים ובחלבונים מספק מידע חשוב, אך הוא מוציא מהמשוואה חלק גדול מהמבנה הרב־תאי ומההקשר הפיזיולוגי שמעצבים את השפעת התרופה.

הפער הזה מסייע להסביר מדוע מועמדים שנראים מבטיחים בשלב הפרה־קליני עלולים להיכשל בהמשך הפיתוח בבני אדם. התפקיד שוויודיין מבקשת למלא הוא להוסיף ראיות מרקמות אנושיות בשלב מוקדם יותר, כדי לזהות חלק מבעיות הבטיחות והיעילות לפני שהמועמד מגיע לניסוי יקר במטופלים. 113

עם זאת, רקמה שגדלה במעבדה אינה גוף אנושי שלם. מודלים כאלה אינם משחזרים בהכרח פרמקוקינטיקה של הגוף כולו — כלומר ספיגה, פיזור, פירוק והפרשה של תרופה — וגם לא איתות בין איברים, השפעות חיסוניות ארוכות טווח, שונות בין מטופלים או את כל מאפייני המחלה. לכן יש לראות בהם גשר אפשרי בין בדיקות מעבדה מפושטות לבין מחקר קליני, ולא תחליף לניסויים קליניים.

אילו תוצאות הציגה ויוודיין

ויוודיין דיווחה על בדיקה של 20 תרופות כימותרפיות מול כמה מודלים של רקמות. לפי החברה, מודל הכבד שלה חזה רעילות אנושית בדיוק של 94%, מודל דרכי הנשימה התאים להתנהגות של רקמה אנושית ב-96%, ומודל מח העצם הגיע ל-100% התאמה במערך הבדיקה הזה. 17

המספרים עשויים להיות משמעותיים, אך צריך לקרוא אותם בזהירות. החומר הזמין מציג אותם כטענות ביצוע של החברה. הוא אינו מוכיח תיקוף רחב, בלתי תלוי ומשוחזר בביקורת עמיתים, על פני סוגים רבים של תרופות. כמו כן, הוא אינו מראה שתחזיות HIVE כבר שיפרו את שיעורי האישור הקליני בהשוואה עתידית ישירה לתוכניות פרה־קליניות קונבנציונליות.

ויוודיין הודיעה גם על מתקן הכולל 12 מעבדות HIVE, עם קיבולת שנתית מוצהרת של 3.1 מיליון ניסויים מבוקרים ברקמות אנושיות חיות. מדובר בטענה על היקף הפעילות של הפלטפורמה — לא בהוכחה כשלעצמה לכך שהניסויים מנבאים תוצאות קליניות. 37

המימון וההיגיון המסחרי

בשנת 2023 הודיעה החברה על גיוס כולל של 38 מיליון דולר במימון סיד, בהובלת Khosla Ventures ובהשתתפות Kairos Ventures, CS Ventures, MBX Capital ו-Bison Ventures. בהמשך פרסמה ויוודיין גם סבב גיוס של 40 מיליון דולר, שנועד להרחיב את תשתית הבדיקות שלה, המשלבת רובוטיקה ו-AI ברקמות אנושיות. 97

המימון תומך באסטרטגיה שרואה בביולוגיה ניסויית תשתית לאימון AI: קודם לייצר מאגרי נתונים גדולים וסטנדרטיים, ולאחר מכן להשתמש בהם כדי לשפר תחזיות טיפוליות ולתעדף את הניסויים הבאים.

כיצד זה עשוי להשפיע על ניסויים קליניים

אם הפלטפורמה תוכיח את יכולת החיזוי שלה במחקרים עתידיים ובלתי תלויים, היא עשויה להשפיע על פיתוח תרופות בשלושה אופנים מרכזיים.

זיהוי מוקדם יותר של כישלונות

מועמדים בעלי יעילות חלשה או רעילות בלתי סבירה יוכלו לקבל עדיפות נמוכה יותר עוד לפני חשיפה של מטופלים. הדבר לא ימנע את כל הכישלונות הקליניים, אך עשוי לצמצם את מספר המועמדים שנכנסים לניסוי עם בסיס ביולוגי חלש.

בחירה טובה יותר של מועמד ומינון

בדיקת כמה מינונים והקשרים שונים של רקמה עשויה לסייע לחוקרים להבין אילו מועמדים ראויים להתקדם ואילו טווחי מינון מצדיקים בדיקה קלינית. ויוודיין מציגה את פלטפורמת הנתונים האנושיים שלה ככלי שעשוי לשמש בשלבי הגילוי, בבדיקות ADME/רעילות — ספיגה, פיזור, מטבוליזם והפרשה — ובעיצוב ניסויים. 13

מודלים אינפורמטיביים יותר של AI

ניסויים חוזרים של התערבות ותגובה עשויים לספק למערכות AI נתוני אימון שמקשרים בין טיפול לבין תוצאה ביולוגית ברמת הרקמה. לאורך זמן, ויוודיין מקווה שהדבר יתמוך במודל חישובי רחב יותר — או ב״מודל עולם״ — של הביולוגיה האנושית. 8

התוצאה תלויה באיכות הנתונים, בשחזור שלהם, במגוון הרקמות ובאימות חיצוני. ניסויים רבים יותר אינם בהכרח טובים יותר אם מודלי הרקמות אינם מייצגים אוכלוסיות מטופלים רלוונטיות או אם המדידות אינן מנבאות תוצאות בבני אדם.

מדוע טיפולים משולבים הם מבחן חשוב

טיפולים משולבים מחייבים לבדוק יותר ממשתנה אחד: שילובי תרופות, מינונים, סדר מתן, תזמון והקשר של הרקמה. פלטפורמה של רקמות אנושיות עשויה להפוך בדיקה שיטתית של שילובים כאלה למעשית יותר, תוך חיפוש אחר השפעות סינרגטיות ובמקביל סינון רעילות לפני חשיפת מטופלים.

הדבר עשוי להיות שימושי במיוחד במחלות שבהן תרופה יחידה משפיעה רק על חלק ממסלול ביולוגי מורכב. אך גם כאן קיימת אותה הסתייגות: ניסויי רקמות יכולים לחשוף אינטראקציות בתוך הביולוגיה שמודל הניסוי מייצג, בעוד שהתוצאה הקלינית תלויה גם בספיגה, בפיזור, במטבוליזם, בתגובות חיסוניות, באינטראקציות בין איברים ובהבדלים בין מטופלים.

השורה התחתונה

ויוודיין מהמרת שהקפיצה הבאה בגילוי תרופות באמצעות AI תגיע מעיגון ניסויי טוב יותר — לא רק מאלגוריתמים גדולים יותר. HIVE נועדה לספק את העיגון הזה באמצעות ניסויים מבוקרים ובקנה מידה גדול ב-20 סוגים של רקמות אנושיות שגדלו במעבדה, ולהמיר את התוצאות לנתונים ביולוגיים מובנים. 117

הגישה מתמודדת עם חולשה אמיתית בתרגום מחקר פרה־קליני לטיפול: מודלים שאומנו או נבדקו במערכות מפושטות אינם תמיד מנבאים באופן אמין מה יקרה בבני אדם. נתוני הביצוע הראשוניים והיקף הפעילות שעליהם מדווחת ויוודיין ראויים לתשומת לב, אך בשלב זה הם עדיין ראיות שמקורן בחברה. המבחן המכריע יהיה אם תחזיות HIVE, לאחר אימות עצמאי, יצליחו לשפר את בחירת המועמדים, להפחית כישלונות קליניים וליצור מודלי AI שמכלילים מעבר לרקמות ולתרופות שעליהן אומנו.