ปริศนาที่ยิ่งใหญ่ของร่างกายและโรคเริ่มยอมจํานนต่อ AI ซีอีโอของ Recursion กล่าว

การเรียนรู้เชิงลึกและเครื่องมือข้อมูลขนาดใหญ่จะนําไปสู่ความก้าวหน้าในด้านต่างๆ เช่น มะเร็งวิทยาในอีกไม่กี่ปีข้างหน้า Chris Gibson ซีอีโอกล่าว

ห้องปฏิบัติการที่สํานักงานใหญ่ของ Recursion ในซอลต์เลกซิตี้

วิธีหนึ่งในการคิดเกี่ยวกับปัญญาประดิษฐ์ในรูปแบบการเรียนรู้เชิงลึกที่ทันสมัยคือจิ๊กซอว์ คุณมีรูปภาพบนกล่อง และคุณเริ่มจัดระเบียบชิ้นส่วน ของคุณ

"ฉันมักจะเริ่มต้นด้วยการหาชิ้นส่วนขอบ จับคู่สี เห็นว่านี่คือแมวสีขาว" Chris Gibson กล่าวถึงแนวทางของเขาในการทํางานจิ๊กซอ ว์

Gibson เป็นผู้ร่วมก่อตั้งและซีอีโอของบริษัทอายุเก้าปีชื่อ Recursion Pharmaceuticals ซึ่งใช้การเรียนรู้เชิงลึกเพื่อตามล่าหาแนวทางการรักษาโรคแบบ ใหม่

อันที่จริง Gibson กําลังจัดเรียงสิ่งที่อาจเป็นชิ้นส่วนของปริศนาที่ใหญ่มาก

และภาพบนกล่อง? 

"ภาพรวมคือการคาดการณ์ว่าร่างกายตอบสนองต่อสิ่งใดอย่างไร" Gibson กล่าวในการให้สัมภาษณ์กับ ZDNet เมื่อเร็ว ๆ นี้ผ่าน Zoom "เหตุการณ์ใด ๆ ยาใด ๆ โปรตีนใด ๆ โมเลกุลใด ๆ - ผลลัพธ์ของปฏิสัมพันธ์นั้นคืออะไร และเป็นสิ่งที่สามารถป้องกันได้หรือไม่"

ในที่สุดก็เป็นปริศนาว่าจะรักษาร่างกายได้อย่างไร "มันเป็นปริศนาที่ยิ่งใหญ่ และมันเป็นสิ่งที่ไขได้อย่างแท้จริง" Gibson กล่าว "ชิ้นส่วนกําลังมารวมกัน"

Recursion พร้อมกับเทคโนโลยีชีวภาพรุ่นเยาว์อีกหลายสิบคนหวังว่าการเรียนรู้เชิงลึกและเทคนิค AI และข้อมูลขนาดใหญ่อื่น ๆ จะนําไปสู่การบําบัดรูปแบบใหม่ เดิมพันคือแนวทาง AI จะพิสูจน์ได้เร็วกว่าทศวรรษครึ่งที่โดยทั่วไปจะใช้ในการเปลี่ยนจากการตั้งครรภ์ไปจนถึงการทดสอบไปจนถึงการตลาดยา 

การเรียกซ้ําและคนอื่น ๆ ยังหวังว่าเทคโนโลยีนี้อาจนําไปสู่อัตราความสําเร็จที่มากกว่ากฎของอุตสาหกรรมที่น้อยกว่าหนึ่งในสิบความคิดริเริ่มพัฒนาไปสู่การบําบัดที่ประสบความสําเร็จ

ตอนนี้เป็นช่วงเวลาของการกลั้นหายใจสําหรับ AI ในการค้นพบยา ยังไม่มีบริษัทใดในบรรดาผู้ที่มีความหวังด้านชีววิทยา AI ทั้งหมดที่นําการบําบัดแบบใหม่ออกสู่ตลาดตั้งแต่ต้นจนจบด้วยการเรียนรู้ของเครื่อง โลกได้ยินมามากมายเกี่ยวกับบริษัทและเทคโนโลยี แต่ยังไม่เห็นหลักฐานว่างานของพวกเขาเปลี่ยนเส้นทางสู่การไขปริศนาทางชีววิทยา อย่างมาก

"เรากําลังไปถึงจุดนั้น" Gibson กล่าวถึงการแข่งขัน Recursion และเพื่อนร่วมงานเพื่อพิสูจน์ประโยชน์ของการเรียนรู้เชิงลึก "อีกไม่กี่ปีนับจากนี้ สองหรือสามปี" เขากล่าว ก่อนที่ผลลัพธ์ของโปรแกรมในการค้นพบยาจะเริ่มแสดงให้เห็นถึงผลลัพธ์ที่แท้จริง

ข้อพิสูจน์ว่า AI การเรียนรู้เชิงลึกสามารถไขปริศนาของโรคได้ไม่นานหลายทศวรรษ Chris Gibson ผู้ร่วมก่อตั้งและซีอีโอกล่าว "อีกไม่กี่ปีนับจากนี้ สองหรือสามปี" เขากล่าว ก่อนที่ผลลัพธ์ของโปรแกรมในการค้นพบยาจะเริ่มแสดงให้เห็นถึงผลลัพธ์ที่แท้จริง

บริษัทของ Gibson ซึ่งก่อนหน้านี้จัดทําโปรไฟล์โดย ZDNet ซึ่งเผยแพร่สู่สาธารณะเมื่อเดือนเมษายนปีที่แล้ว เชี่ยวชาญในการใช้ข้อมูลจํานวนมหาศาลเพื่อสร้างสิ่งที่เรียกว่า Phenomaps ซึ่งเป็นฐานข้อมูลที่มีความสัมพันธ์หลายหมื่นล้านรายการระหว่างการแทรกแซงต่างๆ ที่ดําเนินการกับเซลล์ เทคโนโลยีแมชชีนเลิร์นนิงใช้เพื่อประเมินความสําคัญของการโต้ตอบ เหล่านั้น

บริษัทได้รวบรวมข้อมูลมูลค่ามากกว่าสิบสามเพตะไบต์ใน Phenomaps และ "ความสัมพันธ์ที่อนุมาน" มากกว่า 200 พันล้านรายการที่สามารถทดสอบได้ในห้องปฏิบัติการเปียกของ Recursion ซึ่งสามารถทดลองการรบกวนในหลอดทดลองเพื่อดูว่าโมเลกุลที่กําหนดตอบสนองต่อสารประกอบอย่างไร ความวุ่นวายอาจรวมถึงบางอย่างเช่นการเปลี่ยนแปลง RNA ของเซลล์เพื่อดูว่ามันเปลี่ยนโครงสร้างของเซลล์ อย่างไร

จากการผสมผสานระหว่างการทดสอบที่ขับเคลื่อนด้วย AI และการทดลองในหลอดทดลอง การเรียกซ้ํามี "การยิงเข้าประตู" จํานวนมากขึ้นเรื่อย ๆ เพื่อใช้วลีของ Wall Street ซึ่งหมายถึงโอกาสในการค้นหาการบําบัดแบบใหม่หรือการนําการบําบัดที่มีอยู่กลับมาใช้ใหม่ด้วยผลลัพธ์ใหม่ๆ ซึ่งจะดีพอ ๆ กัน

บริษัทในเดือนมกราคมกล่าวว่ามีโครงการมากกว่า 50 โครงการ ซึ่งเป็นโครงการที่ Recursion ตกลงที่จะดําเนินการกับลูกค้าเป็นเวลาหลายปี ซึ่งโครงการใดโครงการหนึ่งอาจก่อให้เกิดความก้าวหน้า เพิ่มขึ้นจาก 37 ในช่วงเวลาที่บริษัทเสนอขายหุ้น IPO ในเดือนเมษายนปีที่แล้ว

ในบรรดา 50 คนนั้น สองคนดูเหมือนจะมีแนวโน้มในทันที ทั้งในด้านเนื้องอกวิทยา หนึ่งคือการรักษาติ่งเนื้อในครอบครัวซึ่งเป็นภาวะที่ถ่ายทอดทางพันธุกรรมซึ่งติ่งเนื้อก่อตัวในลําไส้ใหญ่ อีกวิธีหนึ่งสําหรับ Neurofibromatosis Type 2 ซึ่งเนื้องอกก่อตัวในสมอง ไขสันหลัง หรือเส้นประสาท 

ทั้งสองกําลังมุ่งหน้าสู่การทดลองทางคลินิกระยะที่ 2 เมื่อยาได้รับการทดสอบประสิทธิภาพไม่ว่าจะเป็นไตรมาสนี้หรือไตรมาสหน้า ตามการอัปเดตที่บริษัทให้ไว้เมื่อต้นเดือนนี้  

Gibson ในเดือนมกราคมบอกกับกลุ่มนักลงทุนในการประชุม JP Morgan ว่าความคิดริเริ่มทั้งสองแสดงสัญญาณให้กําลังใจ ยาสําหรับติ่งเนื้อ REC-4881 แสดงให้เห็นว่า "ติ่งเนื้อทั้งหมดลดลงเกือบทั้งหมด" ยารักษาโรค neurofibromatosis REC-2282 แสดงให้เห็นว่าการกระตุ้นวิถีสําคัญบางอย่างในผู้ป่วยลดลง Gibson กล่าว "ซึ่งค่อนข้างน่าตื่นเต้น"

Recursion มีโปรแกรมประมาณ 50 โปรแกรมที่กําลังดําเนินการเพื่อค้นหาวิธีรักษาแบบใหม่หรือนํายาที่มีอยู่กลับมาใช้ใหม่ซึ่งหลายโปรแกรมสําหรับสิ่งที่เรียกว่าสภาพเด็กกําพร้าซึ่งประชากรของผู้ที่ทุกข์ทรมานจากโรคมีน้อยกว่าสองสามแสนคน

หน่วยงานกํากับดูแล เช่น สํานักงานคณะกรรมการอาหารและยาแห่งสหรัฐอเมริกา และหน่วยงานในยุโรป ยังไม่ได้ปฏิบัติต่อรูปแบบการเรียนรู้เชิงลึกของ AI ราวกับว่าเป็นปาฏิหาริย์ แต่หน่วยงานกํากับดูแลจะดําเนินการอย่างรวดเร็วมากขึ้นในทุกวันนี้เพื่อขจัดอุปสรรคบางอย่างในการพัฒนายาที่มีความเร่ง ด่วนอย่างมาก

เมื่อภาวะหนึ่งถูกมองว่าเป็นภาวะ "กําพร้า" โดยทั่วไปแล้วผู้ที่มีผู้ป่วยน้อยกว่า 200,000 คน เช่นเดียวกับกรณีของทั้งสองเงื่อนไขที่กล่าวถึง FDA และหน่วยงานกํากับดูแลในประเทศอื่น ๆ จะให้ความสําคัญกับภาวะนี้ บางทีอาจโบกมือข้อกําหนดการทดลองระยะที่ 3 ขั้นสุดท้าย เพื่อนําออกสู่ตลาดเมื่ออุตสาหกรรมยาล่วงเลยในการพยายามหาวิธีรักษาก่อนหน้านี้ 

"ทั้งสองอย่างนี้เป็นข้อบ่งชี้ด้านเนื้องอกวิทยาที่เรามีแรงจูงใจด้านกฎระเบียบ เช่น การกําหนดยากําพร้าหรือการกําหนดช่องทางด่วน" Gibson กล่าวกับ ZDNet โดยอ้างถึงวิธีการของ FDA ในการให้ความสําคัญกับการรักษาบางอย่าง "และทั้งสองโปรแกรมมีการอ่านว่าในทางทฤษฎี หากคุณเห็นข้อมูลที่ดีจริงๆ คุณสามารถออกสู่ตลาดได้" โดยไม่ต้องมีการทดลองระยะ ที่ 3

Gibson ไม่ได้คาดการณ์ว่าความพยายามทั้งสองอย่างจะได้รับอนุญาตให้ข้ามระยะที่ 3 แม้ว่าบางคนในวอลล์สตรีทจะคิดว่ามีความเป็นไปได้ 

Gibson รู้สึกตื่นเต้นว่าฟีโนแมปสามารถค้นหาชิ้นส่วนของปริศนาที่ไม่ชัดเจนด้วยวิธีการแบบดั้งเดิมได้อย่างไร ในเดือนมกราคมบริษัทของเขาได้หารือเกี่ยวกับวิธีการพบยีนที่ไม่เกี่ยวข้องกับมะเร็งรังไข่มาก่อนเพียงแค่ใช้ฟีโนแมปเพื่อทํางานย้อนกลับจากยีนที่รู้จักซึ่งยาส่วนใหญ่กําหนดเป้าหมายสําหรับภาวะ นี้

การเรียกซ้ําทํางานย้อนกลับจากแผนที่ชีววิทยาฐานข้อมูล Phenomap เพื่ออนุมานเส้นทางที่สําคัญ

เมื่อนักวิทยาศาสตร์ของ Recursion กําหนดเป้าหมายโปรตีนของยีนใหม่ในห้องปฏิบัติการในหนูผลลัพธ์ก็มีนัยสําคัญ "โดยพื้นฐานแล้ว เรากําจัดเนื้องอกโดยสิ้นเชิง จากนั้นเราก็หยุดให้ยาแก่หนู และเนื้องอกก็ไม่งอกกลับมา" Gibson อธิบาย "และนั่นคือมาตรฐานทองคําสําหรับโปรแกรมมะเร็งวิทยาที่น่าตื่นเต้น"

 สําเนาของการนําเสนอของ JP Morgan บนเว็บไซต์ของ Recursion ให้รายละเอียดเพิ่มเติมเกี่ยวกับแนวทางของบริษัท

ผลลัพธ์ทางวิทยาศาสตร์ที่มีแนวโน้มคือสิ่งที่ดูเหมือนจะเป็นการลงคะแนนความไว้วางใจที่มีความหมายจาก Big Pharma Recursion ได้รับเงินล่วงหน้า 230 ล้านดอลลาร์จากบริษัทต่างๆ ซึ่งรวมถึง Bayer AG มีอีกครึ่งพันล้านดอลลาร์ในการชําระเงินตามหลักชัยที่เป็นไปได้ "ในระยะกลาง" และอาจเพิ่มขึ้นอีก 13 พันล้านดอลลาร์ในอนาคต จากนั้นก็มีค่าลิขสิทธิ์ที่อาจเกิดขึ้นและไม่ระบุรายละเอียดอยู่ด้านบน

โชคลาภครั้งล่าสุดสําหรับ บริษัท คือการเป็นพันธมิตรหลายปีกับ Roche ยักษ์ใหญ่ด้านยาและแผนก Genentech ซึ่งประกาศในเดือนธันวาคม ข้อตกลงดังกล่าวเกี่ยวข้องกับ Roche ที่จ่ายเงิน Recursion ล่วงหน้า 150 ล้านดอลลาร์ นอกจากนี้ ข้อตกลงยังมาพร้อมกับการส่งมอบหลายอย่างที่สามารถเล่นได้สําหรับ Recursion 

การส่งมอบรวมถึงการให้ Roche และ Genentech หลาย Phenomaps ฐานข้อมูลสําหรับเป้าหมายมะเร็งวิทยาเฉพาะและในด้านประสาทวิทยาศาสตร์ Phenomaps เหล่านั้นสามารถรับ Recursion ได้มากกว่าหนึ่งในสี่พันล้านดอลลาร์จาก Roche บวกกับค่าธรรมเนียมการใช้งานเพิ่มเติมอีกสี่พันล้านดอลลาร์ 

นอกจากนี้ สี่สิบโปรแกรมที่เป็นไปได้อาจเกิดขึ้นในอีกไม่กี่ปีข้างหน้า ซึ่งแต่ละรายการอาจทําให้ Recursion ได้รับเงินอีก 300 ล้านดอลลาร์ในการพัฒนาและการชําระเงินเชิงพาณิชย์จาก Roche ขึ้นอยู่กับแต่ละโปรแกรมเหล่านั้นที่บรรลุเป้าหมาย 

แน่นอนว่าไม่มีการรับประกันว่าโปรแกรมใด ๆ จะบรรลุเป้าหมาย แต่หากพวกเขาคนใดคนหนึ่งทําได้ — "ถ้าเราตีมันออกจากสวนสาธารณะ" คือวิธีที่ Gibson พูดกับ ZDNet แล้ว นอกเหนือจากการชําระเงินครั้งสําคัญเหล่านั้นแล้ว จะมีค่าลิขสิทธิ์แบบแบ่งชั้นที่จะมาจากการขายการรักษาของ Roche

ข้อตกลงของ Roche ไม่เพียงแต่เป็นข้อตกลงที่ใหญ่ที่สุดจนถึงปัจจุบันสําหรับ Recursion แต่ยังเป็นสิ่งที่ดูเหมือนจะเป็นก้าวสําคัญสําหรับทั้งสาขาอีกด้วย "นี่เป็นหนึ่งในความร่วมมือด้านการค้นพบที่ไม่ใช่สินทรัพย์ที่ใหญ่ที่สุดในประวัติศาสตร์เภสัชกรรม" Gibson กล่าว ซึ่งหมายถึงข้อตกลงที่ไม่ได้ออกใบอนุญาตสารประกอบที่มีอยู่ "เพราะไม่มียาเสพติดอยู่จริง เพราะล้วนๆ เรามาหาสิ่งต่าง ๆ ด้วยกันเถอะ นี่เป็นหนึ่งในยาที่ใหญ่ที่สุดที่เราสามารถหาได้ และฉันคิดว่านั่นบ่งบอกถึงศักยภาพของพื้นที่นี้" Gibson กล่าว โดยอ้างถึงคลื่นการวิจัยที่ขับเคลื่อนด้วย AI

การเรียกซ้ําได้รับผลตอบแทนทางการเงินเพียงเล็กน้อยจนถึงตอนนี้ แต่วอลล์สตรีทคาดว่าจะเปลี่ยนแปลงอย่างมากในปีนี้ Recursion ประกาศผลประกอบการไตรมาสที่ 4 ในเช้าวันพุธ โดยเปิดเผยรายได้รวม 10.2 ล้านดอลลาร์ในปีที่แล้ว เพิ่มขึ้นจาก 4 ล้านดอลลาร์ในปี 2020 ซึ่งอาจเพิ่มขึ้นเป็น 29 ล้านดอลลาร์ในปี 2022 ตามฉันทามติ ของ FactSet

หลายอย่างขึ้นอยู่กับช่วงเวลาที่รับชําระเงินล่วงหน้า ตัวอย่างเช่น ในกรณีของ 150 ล้านดอลลาร์จาก Roche แม้ว่าเงินจะอยู่ในความครอบครองของ Recursion แต่ก็ได้รับการยอมรับว่าเป็นรายได้เท่านั้น เนื่องจากภาระผูกพันบางอย่างได้รับการปฏิบัติตามโดย Recursion 

"มันเป็นที่ยอมรับจริงๆ เมื่อเราทํางาน และฉันเดาว่างานเริ่มต้นนั้นเป็นระยะกลางใกล้" Gibson กล่าวถึงรายได้ของ Roche ซึ่งหมายความว่า "สองสามปี สามปี" ด้วยผลลัพธ์ที่ "จะได้รับการรับรู้เป็นชิ้น ๆ ทุกไตรมาสในช่วงเวลานั้น"

มีแรงกดดันมากมายจากนักลงทุนสําหรับบริษัทอายุน้อยที่จะต้องบรรลุเป้าหมายเพื่อพิสูจน์ว่าสามารถส่งมอบผลตอบแทนทางการเงินได้ เขากล่าวว่าในขณะนี้การรับ REC-4881 และ REC-2282 ผ่านคลินิกเป็นจุดสนใจ

อย่างไรก็ตาม Gibson กําลังมองหาช่วงที่สองของชีวิตของบริษัทอยู่แล้วเมื่อบริษัทจัดระเบียบชิ้นส่วนปริศนาอย่างลึกซึ้งยิ่งขึ้น จนถึงปัจจุบัน การค้นหาวิธีรักษาเป็นเรื่องเกี่ยวกับการใช้ยาที่มีอยู่ของพันธมิตรยาและหาวิธีใช้ที่ดีกว่า เช่น โดยการระบุเป้าหมาย ใหม่

ในระยะที่สอง บริษัท จะคิดค้นการบําบัดแบบใหม่ตั้งแต่เริ่มต้น โดยมองไปที่สิ่งที่รู้จักอยู่แล้ว แต่ดูสิ่งที่อนุมานจากฟีโนแมปของโรคที่กําหนด เท่านั้น

"สิ่งที่ฉันตื่นเต้นที่สุดในตอนนี้คือการมาถึงของโปรแกรมรุ่นต่อไป เคมีของเราเอง และการทําแผนที่และการนําทางเป็นเรื่องราวต้นกําเนิด" Gibson กล่าว

ประเด็นทั้งหมดของการใช้การเรียนรู้เชิงลึก Gibson กล่าวว่า "คือการทําให้ดีขึ้นเมื่อเวลาผ่านไป" โดยพาดพิงถึงอัตราความล้มเหลวที่สูงและเวลาพัฒนาที่ยาวนานในด้านเภสัชกรรม "ดังนั้นหากสมมติฐานนั้นเป็นจริง โดยเฉลี่ยแล้วโปรแกรมทั้งหมดควรดีขึ้นเมื่อเวลาผ่านไป" เนื่องจากเริ่มต้นจากข้อมูลเชิงลึกที่ดีกว่า

"เราตื่นเต้นมากกับรุ่นแรกของเรา เรากําลังขับรถพาพวกเขาไปที่คลินิกเพราะเราเชื่อ" Gibson กล่าว "แต่เราคิดว่าความน่าจะเป็นของความสําเร็จควรเพิ่มขึ้นเมื่อเวลาผ่านไป และเราหวังว่าเราจะแสดงให้เห็นว่าโปรแกรมมะเร็งวิทยารุ่นต่อไปเหล่านี้มีการเปลี่ยนแปลงสําหรับผู้ป่วยมากกว่ารุ่นแรกของเรา"

นอกเหนือจากช่วงที่สองของชีวิตแล้ว ยังมีอีกช่วงหนึ่งสําหรับการเรียกซ้ํา ซึ่งยังไม่ได้กําหนดไว้ Gibson กล่าว "มีหลายสิ่งหลายอย่างที่อาจเกิดขึ้น" อาจเกี่ยวข้องกับการทดสอบความเป็นพิษของยาใน silico ก่อนทํางานในห้องปฏิบัติการแบบเปียก นั่นอาจช่วยเพิ่มจํานวนเป้าหมายที่ถูกต้องที่บริษัทไล่ตาม เป็นต้น  

"อาจเป็นไปได้ว่าเราคาดการณ์ความเป็นพิษและการดูดซึม และการกระจายและคุณสมบัติประเภทการเผาผลาญ" Gibson กล่าว เขากล่าวว่า หรือการเรียกซ้ําอาจไปตาม "รูปแบบอื่นๆ" โดยก้าวไปไกลกว่าแค่ยาโมเลกุลขนาดเล็ก ระยะต่อไปอาจเกี่ยวข้องกับ "การระบุการรักษาแบบผสมผสาน ซึ่งยาสองชนิดที่เราคาดการณ์ว่าจะมีความสัมพันธ์เสริมฤทธิ์กันกับเป้าหมายอย่างน้อยหนึ่งเป้าหมาย"

เมื่อมีทิศทางที่เป็นไปได้มากมายที่เราสามารถไปได้ดูเหมือนว่าสิ่งสําคัญคือต้องมีภาพของปริศนาที่สมบูรณ์บนกล่อง ความรู้สึกของ Gibson ที่ว่า AI สามารถส่งมอบความก้าวหน้าในอีกไม่กี่ปีข้างหน้าได้รับการเสริมสร้างเนื่องจากภาพนั้น เขายืนยันว่าเป็นความแน่นอนว่าภาพรวมที่กว้างขึ้น กล่าวคือ การทําความเข้าใจร่างกายและการรักษาร่างกายจะได้รับการแก้ไขด้วยเครื่องมือใหม่เหล่านี้

"ที่นี่มีแรงกดดันมากมาย" Gibson กล่าวถึงการพัฒนายา "แต่มันสําคัญเพราะไม่ว่าจะเป็นเราหรือคนอื่นที่ประสบความสําเร็จ