Hoe Vivodyne met robotlaboratoria het datagat in AI voor geneesmiddelen wil dichten

Vivodyne stelt dat AI voor geneesmiddelenontwikkeling eerst een dataprobleem heeft en pas daarna een modelprobleem. AI-systemen kunnen snel nieuwe doelwitten, moleculen en experimenten voorstellen. Maar hun voorspellingen blijven beperkt als de onderliggende data vooral afkomstig zijn van dieren, losse cellen, eiwitten of waarnemingen — en niet laten zien hoe complex menselijk weefsel op een behandeling reageert.

Volgens CEO Andrei Georgescu zijn door AI ontworpen geneesmiddelen momenteel nog niet wezenlijk beter dan middelen die door mensen zijn ontworpen. Daarvoor ontbreekt volgens hem simpelweg voldoende relevante laboratoriumdata waarop de modellen kunnen leren. 25

De oplossing die Vivodyne naar voren schuift, heet HIVE: een modulair platform voor autonome laboratoria die menselijk weefsel op grote schaal kweken, doseren, volgen en analyseren.

Het knelpunt: verbanden zijn niet hetzelfde als oorzaken

Een model voor geneesmiddelenonderzoek kan een verband vinden tussen een biologisch kenmerk en een ziekte-uitkomst. Dat zegt nog niet automatisch wat er gebeurt wanneer een geneesmiddel het systeem verandert — bij een bepaalde dosis en in een specifieke weefselcontext.

Daarom richt Vivodyne zich op perturbatie: het bewust veranderen van een toestand en vervolgens meten hoe het weefsel reageert. In de formulering van het bedrijf levert zo'n experiment een bruikbaarder verband op voor geneesmiddelenontwikkeling: als behandeling X bij dosis Y wordt toegediend, verandert weefsel Z op een meetbare manier. Het platform noemt dit causale data op cellulair niveau, verkregen via gecontroleerde experimenten met menselijk weefsel. 2

Dat onderscheid is belangrijk. Een model dat op onvolledige of slecht passende biologische gegevens is getraind, kan zeer zelfverzekerd voorspellen en toch naast de werkelijkheid zitten zodra een middel bij patiënten wordt getest. Vivodyne zegt niet dat grotere modellen nutteloos zijn. De kern van het betoog is dat grotere modellen zonder betere en mensrelevante experimenten waarschijnlijk maar beperkte vooruitgang opleveren. 1725

Zo werkt HIVE

HIVE brengt robotica, microfluïdica, weefseltechnologie, geautomatiseerde dosering en biologische metingen samen. Vivodyne zegt dat het systeem twintig soorten menselijk weefsel kan kweken en daar vervolgens zelfstandig geneesmiddelen of andere ingrepen op kan toepassen, terwijl het de veranderingen in de tijd volgt. 117

De basis bestaat uit zogenoemde TissueDisks. Daarmee kunnen volgens het bedrijf honderden afzonderlijke menselijke weefsels gelijktijdig worden gekweekt en gedoseerd. Elk weefselmodel bevat naar schatting 200.000 tot 500.000 cellen. Sommige modellen omvatten bovendien doorbloede, weefselspecifieke driedimensionale vaatnetwerken, zodat geneesmiddelen realistischer kunnen worden toegediend. 24

De beoogde werkwijze is cyclisch:

1. Kweek gestandaardiseerde modellen van menselijk weefsel.
2. Dien een geneesmiddel, dosis, genetische verandering of combinatie van ingrepen toe.
3. Meet moleculaire, cellulaire en functionele reacties.
4. Gebruik de resultaten voor analyse en het ontwerpen van volgende experimenten.

Zo wordt het laboratorium niet alleen een verzameling losse tests, maar ook een systeem voor dataproductie. De uitkomst is meer dan de vraag of een weefsel overleeft. Onderzoekers kunnen bijvoorbeeld vastleggen hoe en wanneer het weefsel verandert, welke cellen worden beïnvloed en hoe verschillende doseringen of combinaties het resultaat veranderen.

Waarom dierproeven en celtests tekort kunnen schieten

Diermodellen blijven nuttig voor onderzoek naar effecten in een volledig organisme. Toch werkt biologie bij dieren niet altijd hetzelfde als bij mensen. Verschillen tussen soorten kunnen invloed hebben op de afbraak van geneesmiddelen, toxiciteit, immuunreacties, ziektemechanismen en de wisselwerking tussen organen.

Tests met losse cellen en eiwitten leveren waardevolle details op, maar halen een groot deel van de meercellige structuur en fysiologische context weg die het effect van een geneesmiddel mede bepalen. Dat helpt verklaren waarom veel veelbelovende kandidaten uit preklinisch onderzoek later falen tijdens de ontwikkeling voor mensen. Vivodyne wil menselijk-weefselbewijs eerder in het proces toevoegen, zodat problemen met werkzaamheid en veiligheid mogelijk vóór een dure patiëntstudie zichtbaar worden. 113

Tegelijkertijd is gekweekt weefsel geen compleet menselijk lichaam. Zulke modellen bootsen mogelijk niet alle aspecten na van de verdeling en verwerking van geneesmiddelen in het lichaam, signalering tussen organen, langdurige immuunreacties, verschillen tussen patiënten of het volledige ziektebeeld. Ze moeten daarom worden gezien als een mogelijke brug tussen vereenvoudigde laboratoriumtests en klinisch onderzoek — niet als vervanging van klinische trials.

Welk bewijs heeft Vivodyne gemeld?

Vivodyne heeft resultaten bekendgemaakt van tests met twintig chemotherapiemiddelen op verschillende weefselmodellen. Het bedrijf zegt dat zijn levermodel menselijke geneesmiddeltoxiciteit met 94% nauwkeurigheid voorspelde, dat het luchtwegmodel in 96% van de gevallen overeenkwam met het gedrag van menselijk weefsel en dat het beenmergmodel in die testset 100% overeenkomst liet zien. 17

Die cijfers zijn interessant, maar moeten voorzichtig worden geïnterpreteerd. In het beschikbare materiaal worden ze gepresenteerd als prestatieclaims van het bedrijf. Er is geen bewijs aangeleverd voor een grote, onafhankelijk gerepliceerde en peer-reviewed validatie bij veel verschillende geneesmiddelklassen. Evenmin blijkt hieruit dat HIVE-voorspellingen in een prospectieve vergelijking met conventionele preklinische programma's tot meer goedgekeurde geneesmiddelen hebben geleid.

Vivodyne heeft daarnaast een faciliteit aangekondigd met twaalf HIVE-laboratoria en een jaarlijkse capaciteit van 3,1 miljoen gecontroleerde experimenten met levend menselijk weefsel. Dat is een claim over de capaciteit van het platform en op zichzelf geen bewijs dat de experimenten klinische uitkomsten betrouwbaar voorspellen. 37

Financiering en commerciële steun

In 2023 maakte Vivodyne bekend in totaal 38 miljoen dollar aan startfinanciering te hebben opgehaald. De ronde werd geleid door Khosla Ventures, met deelname van Kairos Ventures, CS Ventures, MBX Capital en Bison Ventures. 9 Later publiceerde het bedrijf een financieringsronde van 40 miljoen dollar om de infrastructuur voor robotgestuurde en AI-ondersteunde tests met menselijk weefsel uit te breiden. 7

De financiering past bij een strategie waarin experimentele biologie de infrastructuur voor AI vormt: eerst grote, gestandaardiseerde datasets opbouwen en die vervolgens gebruiken om therapeutische voorspellingen te verbeteren en nieuwe experimenten gerichter te kiezen.

Wat kan dit betekenen voor klinische trials?

Als het platform in onafhankelijke, prospectieve studies voorspellend blijkt, kan het de ontwikkeling van geneesmiddelen op drie manieren beïnvloeden.

Mislukkingen eerder signaleren

Kandidaten met een beperkte werkzaamheid of onaanvaardbare toxiciteit kunnen mogelijk worden afgevoerd voordat mensen eraan worden blootgesteld. Dat voorkomt niet alle mislukkingen in de kliniek, maar kan wel het aantal zwak onderbouwde kandidaten dat een trial ingaat verminderen.

Betere kandidaten en doseringen kiezen

Door meerdere doseringen en weefselcontexten te testen, kunnen onderzoekers beter bepalen welke kandidaten verder onderzoek verdienen en welke doseringsbereiken klinisch moeten worden onderzocht. Vivodyne positioneert zijn mensdataplatform voor het volledige traject van ontdekking en ADME/toxiciteitsonderzoek tot het ontwerpen van trials. 13

Informatierijkere AI-modellen bouwen

Herhaalde experimenten waarin een ingreep en de reactie daarop worden gemeten, kunnen AI-systemen trainingsdata geven die een behandeling koppelen aan een biologische uitkomst op weefselniveau. Op langere termijn hoopt Vivodyne zo een breder computationeel model — een zogenoemd ‘wereldmodel’ — van de menselijke biologie te helpen ontwikkelen. 8

Dat hangt volledig af van de kwaliteit, reproduceerbaarheid, diversiteit en externe validatie van de data. Meer experimenten zijn niet automatisch beter als de weefselmodellen geen relevante patiëntgroepen vertegenwoordigen of als de metingen de uitkomsten bij mensen niet voorspellen.

Waarom combinatietherapieën een belangrijke proef zijn

Bij combinatietherapieën moeten onderzoekers meer dan één variabele tegelijk onderzoeken: combinaties van geneesmiddelen, doseringen, de volgorde van toediening, timing en weefselcontext. Een platform met menselijk weefsel kan het praktischer maken om die combinaties systematisch te testen — op zoek naar synergie, maar ook naar toxiciteit voordat patiënten worden blootgesteld.

Dat kan vooral waardevol zijn bij ziekten waarbij één geneesmiddel slechts een deel van een ingewikkelde biologische route beïnvloedt. De kanttekening blijft echter dezelfde: weefselexperimenten tonen interacties binnen het gemodelleerde systeem, terwijl klinische uitkomsten ook afhangen van opname, verspreiding en afbraak van een middel, immuunreacties, interacties tussen organen en verschillen tussen patiënten.

De conclusie

Vivodyne gokt erop dat de volgende doorbraak in AI voor geneesmiddelenontwikkeling niet alleen uit grotere algoritmen komt, maar vooral uit betere experimentele onderbouwing. HIVE moet die onderbouwing leveren door gecontroleerde experimenten uit te voeren op twintig soorten in het laboratorium gekweekt menselijk weefsel en de resultaten om te zetten in gestructureerde biologische data. 117

De aanpak richt zich op een reële zwakte in de vertaling van preklinisch onderzoek naar patiënten: modellen die op vereenvoudigde systemen zijn getraind of getest, voorspellen mogelijk niet betrouwbaar wat er in mensen gebeurt. De eerste prestatiecijfers en de door Vivodyne geclaimde schaal zijn opvallend, maar blijven voorlopig bedrijfsgerapporteerd bewijs.

De doorslaggevende test wordt onafhankelijke validatie. Pas wanneer HIVE-voorspellingen aantoonbaar betere kandidaten opleveren, klinische mislukkingen helpen verminderen en ook buiten de gebruikte weefsels en geneesmiddelen generaliseren, is duidelijk hoe groot de belofte werkelijk is.