Как лаборатории HIVE пытаются закрыть дефицит человеческих данных в разработке лекарств с помощью ИИ

Vivodyne исходит из того, что у ИИ в разработке лекарств сначала возникает проблема данных, а уже потом — проблема моделей. Алгоритмы умеют быстро предлагать биологические мишени, молекулы и идеи для экспериментов. Но их прогнозы остаются ограниченными, если исходные данные в основном описывают животных, отдельные клетки, белки или наблюдаемые связи, а не реакцию сложной человеческой ткани на конкретное вмешательство. Генеральный директор Vivodyne Андрей Георгеску заявлял, что созданные с помощью ИИ препараты пока не стали заметно лучше разработанных людьми: моделям попросту не хватает релевантных лабораторных данных для обучения. 25

Ответ компании — HIVE, модульная платформа автономных лабораторий, предназначенная для выращивания, обработки, наблюдения и анализа человеческих тканей в больших масштабах.

Почему одних корреляций недостаточно

Модель для поиска лекарств может обнаружить связь между определённым биологическим признаком и исходом заболевания. Но это ещё не означает, что она сможет точно предсказать, что произойдёт после изменения системы препаратом — при конкретной дозировке и в конкретном тканевом контексте.

Поэтому Vivodyne делает акцент на воздействии, или perturbation: исследователь намеренно меняет условие и измеряет реакцию ткани. В логике компании, такой эксперимент даёт более полезную для разработки лекарств связь: если применить препарат X в дозе Y, ткань Z изменится измеримым образом. Платформа описывает этот подход как получение данных о клеточной причинности в ходе контролируемых экспериментов на человеческих тканях. 2

Разница принципиальна. Модель, обученная на неполной или плохо сопоставимой биологии, может уверенно выдавать прогнозы, которые не подтверждаются у пациентов. Vivodyne не утверждает, что большие модели бесполезны. Её тезис в другом: если одновременно не наращивать качество и человеческую релевантность экспериментальных данных, одно лишь масштабирование моделей даст ограниченный эффект. 1725

Как работают HIVE

HIVE объединяет робототехнику, микрофлюидику, тканевую инженерию, автоматическую подачу препаратов и биологические измерения. Vivodyne заявляет, что система способна выращивать 20 типов человеческих тканей, а затем самостоятельно вводить препараты или проводить другие воздействия и отслеживать изменения во времени. 117

Основой платформы служат TissueDisk — специальные диски, на которых, по данным компании, можно параллельно выращивать и обрабатывать сотни независимых образцов человеческих тканей. В каждой тканевой модели содержится примерно от 200 000 до 500 000 клеток. Некоторые модели также включают перфузируемые, специфичные для ткани трёхмерные сосудистые сети, которые должны реалистичнее имитировать доставку препаратов. 24

Типичный рабочий цикл выглядит так:

1. Вырастить стандартизированные модели человеческих тканей.
2. Воздействовать на них препаратом, определённой дозой, генетическим изменением или комбинацией факторов.
3. Измерить молекулярные, клеточные и функциональные реакции.
4. Передать результаты на анализ и использовать их для планирования следующей серии экспериментов.

Так лаборатория превращается не в набор разрозненных тестов, а в систему производства биологических данных. Результатом становится не только ответ на вопрос, выжила ли ткань. Исследователи могут отслеживать, как именно она изменилась, когда произошла реакция, какие клетки оказались затронуты и как на результат повлияли разные дозы или сочетания препаратов.

Почему эксперименты на животных и отдельных клетках могут ошибаться

Животные модели по-прежнему важны для изучения процессов во всём организме. Однако биологический эффект препарата у животного не обязательно будет таким же у человека. Межвидовые различия могут влиять на метаболизм лекарств, токсичность, иммунные реакции, механизмы заболевания и взаимодействие между тканями.

Исследования отдельных клеток и белков дают ценные детали, но в значительной степени убирают многоклеточную структуру и физиологический контекст, которые определяют действие препарата.

Такие расхождения помогают объяснить, почему перспективные доклинические кандидаты впоследствии проваливаются при разработке для людей. Vivodyne хочет добавить данные о человеческих тканях на более ранней стадии, чтобы часть проблем с безопасностью и эффективностью выявлялась ещё до дорогостоящих исследований с участием пациентов. 113

При этом выращенная в лаборатории ткань — не полноценный человеческий организм. Такие модели могут не воспроизводить в полной мере фармакокинетику всего организма, сигналы между органами, долгосрочные иммунные эффекты, индивидуальные различия пациентов и все особенности конкретного заболевания. Поэтому их разумнее рассматривать как возможный промежуточный этап между упрощёнными лабораторными тестами и клиническими исследованиями, а не как замену клиническим испытаниям.

Какие результаты заявила Vivodyne

Компания сообщила о тестировании 20 химиотерапевтических препаратов на нескольких моделях тканей. По данным Vivodyne, модель печени прогнозировала токсичность препаратов у человека с точностью 94%, модель дыхательных путей совпадала с поведением человеческой ткани в 96% случаев, а модель костного мозга показала 100% совпадение в этом наборе тестов. 17

Эти цифры могут быть значимыми, но требуют осторожной интерпретации. Доступные материалы представляют их как результаты, заявленные самой компанией. Они не подтверждают масштабную независимую рецензируемую проверку на разных классах препаратов и не показывают, что прогнозы HIVE уже повысили долю одобрений лекарств в клинической практике по сравнению с традиционными доклиническими программами.

Vivodyne также объявила о создании комплекса из 12 лабораторий HIVE с заявленной годовой мощностью в 3,1 млн контролируемых экспериментов на живых человеческих тканях. Это показатель масштаба платформы, но сам по себе он не доказывает, что получаемые данные клинически предсказательны. 37

Финансирование и коммерческая опора

В 2023 году компания объявила о привлечении в общей сложности 38 млн долларов посевного финансирования. Раунд возглавил Khosla Ventures; в нём также участвовали Kairos Ventures, CS Ventures, MBX Capital и Bison Ventures. Позднее Vivodyne сообщила о раунде на 40 млн долларов, который должен помочь расширить инфраструктуру роботизированного тестирования человеческих тканей с использованием ИИ. 79

Финансирование поддерживает стратегию, в которой экспериментальная биология рассматривается как инфраструктура для ИИ: сначала создаются большие стандартизированные наборы данных, затем они используются для улучшения прогнозов действия препаратов и выбора следующих экспериментов.

Как это может повлиять на клинические испытания

Если независимые проспективные исследования подтвердят прогностическую способность платформы, она может повлиять на разработку лекарств как минимум в трёх направлениях.

Более раннее выявление неудачных кандидатов

Препараты с недостаточной эффективностью или неприемлемой токсичностью можно будет отсеивать до начала исследований на людях. Это не устранит провалы в клинической разработке, но потенциально сократит число кандидатов с недостаточно убедительным биологическим обоснованием, которые доходят до испытаний.

Более точный выбор препарата и дозы

Параллельное тестирование разных доз и тканевых контекстов может помочь определить, какие кандидаты стоит развивать дальше и какие диапазоны дозировок следует изучать в клинике. Vivodyne позиционирует свою платформу как инструмент для этапов открытия препаратов, оценки ADME/токсичности и планирования клинических испытаний. 13

Более информативные ИИ-модели

Повторяющиеся эксперименты по схеме «воздействие — реакция» могут дать алгоритмам обучающие данные, связывающие лечение с биологическим результатом на уровне ткани. В перспективе Vivodyne рассчитывает использовать такие данные для создания более широкой вычислительной модели, или «мировой модели», человеческой биологии. 8

Однако результат будет зависеть от качества, воспроизводимости и разнообразия данных, а также от их внешней проверки. Большое число экспериментов не делает набор автоматически полезнее, если тканевые модели не отражают важные группы пациентов или измерения плохо предсказывают реальные исходы у людей.

Почему особенно важны комбинации препаратов

Комбинированная терапия требует изучать сразу несколько переменных: сочетания препаратов, дозировки, порядок и время введения, а также особенности тканевого контекста. Платформа человеческих тканей может сделать систематическую проверку таких комбинаций более практичной — например, помочь искать синергетические эффекты и одновременно выявлять токсичность до начала лечения пациентов.

Это особенно важно для заболеваний, при которых один препарат воздействует лишь на часть сложного биологического механизма. Но ограничение остаётся тем же: эксперимент на ткани показывает взаимодействия внутри смоделированной биологии, тогда как клинический результат зависит также от всасывания, распределения и метаболизма препарата, работы иммунной системы, взаимодействия органов и индивидуальных различий пациентов.

Главное

Vivodyne делает ставку на то, что следующий заметный шаг в разработке лекарств с помощью ИИ будет связан не только с увеличением алгоритмов, но и с улучшением экспериментальной базы. HIVE должна обеспечить такую базу за счёт контролируемых высокопроизводительных экспериментов на 20 типах выращенных в лаборатории человеческих тканей и преобразования результатов в структурированные биологические данные. 117

Подход компании нацелен на реальную слабость доклинической разработки: упрощённые системы не всегда надёжно показывают, что произойдёт в организме человека. Ранние показатели эффективности и заявленный масштаб Vivodyne выглядят примечательно, но пока остаются данными, представленными самой компанией. Решающий вопрос — подтвердят ли независимые исследования, что прогнозы HIVE помогают лучше выбирать кандидатов, сокращают число клинических провалов и создают ИИ-модели, способные работать не только с теми тканями и препаратами, на которых они обучались.