Un Laboratorio de Robots Cultiva Tejido Humano para Darle a la IA los Datos que Necesita para Encontrar Fármacos Reales

Puntos clave

• Vivodyne, una startup de biotecnología escindida de la Universidad de Pensilvania en 2021, inauguró lo que llama el mayor centro de datos biológicos humanos del mundo cerca de San Francisco la semana pasada.
• Los laboratorios robóticos de la empresa, llamados HIVE, pueden cultivar 20 tipos de tejido humano y realizar experimentos de fármacos en ellos sin intervención de operadores humanos.
• Vivodyne ha recaudado poco menos de 80 millones de dólares en dos rondas de financiación, ambas lideradas por la firma de capital de riesgo Khosla Ventures.
• Su tejido hepático cultivado en laboratorio predijo correctamente los resultados de toxicidad humana el 94% de las veces; la médula ósea coincidió con los resultados en 20 fármacos de quimioterapia con una precisión del 100%.
• Alrededor del 90% de los fármacos que superan las pruebas en animales aún fracasan en ensayos clínicos humanos, un problema de larga data que la startup intenta resolver.

Se suponía que la inteligencia artificial aceleraría la búsqueda de nuevos medicamentos. Hasta ahora los resultados han sido modestos. Un puñado de candidatos a fármacos diseñados con IA han entrado en pruebas humanas, pero ninguno ha llegado a los pacientes como tratamiento aprobado. Vivodyne, una startup del área de San Francisco, argumenta que sabe cuál es la razón: los modelos de IA tienen datos terribles de los que aprender.

¿Qué hace exactamente el laboratorio de robots?

Las máquinas ejecutan experimentos completamente autónomos en tejido humano vivo sin que un investigador humano las toque. Cada unidad HIVE puede cultivar 20 tipos diferentes de tejido humano dentro de cámaras controladas, aplicar automáticamente compuestos de fármacos y monitorear qué sucede a lo largo del tiempo.

Esta última parte es importante. Los modelos de IA actuales en biología aprenden principalmente de instantáneas estáticas, como lo explica el CEO Andrei Georgescu: una fotografía de una célula en un momento, no una película de qué la llevó a ese estado. Las máquinas HIVE rastrean cientos de miles de experimentos en curso y registran cómo responde el tejido enfermo a un estímulo mientras sucede, construyendo el tipo de registro de causa y efecto que los conjuntos de datos existentes simplemente no contienen.

"Todo el entrenamiento se realiza en instantáneas estáticas de estas células", dijo Georgescu a TechCrunch. "El modelo aprende 'este es el estado de célula A', 'este es el estado de célula B', pero nunca 'el estado de célula B es el efecto de inflamar el estado de célula A'".

Para los lectores que siguen la historia más amplia de la calidad de datos en la IA física, nuestro informe del 12 de agosto sobre por qué los datos de entrenamiento deficientes ralentizan la robótica se asigna exactamente al mismo problema estructural aquí, solo dentro de un cuerpo en lugar de un almacén.

¿Por qué importa que el tejido sea humano?

Las pruebas en animales no predicen los resultados humanos a una tasa sorprendente. Aproximadamente el 90% de los fármacos que funcionan en animales fracasan cuando se prueban en personas, una cifra que apenas ha cambiado en décadas. La analogía de Georgescu: los fabricantes de automóviles realizan pruebas de choque con la confianza de que sus vehículos pasarán los estándares de seguridad, pero los fabricantes de fármacos entran en costosos ensayos humanos sin esa misma seguridad.

Los ensayos clínicos humanos típicamente cuestan decenas de millones de dólares cada uno. La propuesta de Vivodyne a las grandes compañías farmacéuticas es que probar primero en tejido humano les da una lectura más clara de lo que funcionará antes de comprometerse con ese gasto.

Las cifras de precisión iniciales son impactantes a primera vista. El tejido de las vías respiratorias coincidió con el comportamiento humano real el 96% de las veces. Las células hepáticas predijeron la toxicidad correctamente en el 94% de las comparaciones con resultados reales de ensayos humanos. La salvedad honesta es que Vivodyne reporta estos números ella misma; la replicación independiente es lo que el campo necesitará antes de que los equipos de compras farmacéuticas confíen plenamente en la plataforma.

¿Qué sucede a continuación?

Vivodyne ya está trabajando con múltiples grandes compañías farmacéuticas, aunque no las nombrará. Georgescu dice que su instalación actualmente realiza el doble del volumen de todos los ensayos en animales realizados en EE.UU. combinados, una afirmación que, si es precisa, representa un cambio real en cómo podría realizarse las pruebas iniciales de fármacos.

El objetivo a más largo plazo es utilizar esos datos experimentales para entrenar modelos de IA que comprendan la causa y el efecto en la biología humana. Sin eso, argumenta Georgescu, el descubrimiento de fármacos con IA sigue produciendo resultados que funcionan en ratones y se derrumban en personas. "Sin pruebas humanas", dijo a TechCrunch, "estos modelos van a curar el cáncer en ratones".

Preguntas frecuentes

¿Significa esto que la IA curará el cáncer pronto?

Aún no. Incluso el CEO de Anthropic, Dario Amodei, escribió recientemente que las afirmaciones de que la IA curará el cáncer se han vuelto más cliché que creíble. El trabajo de Vivodyne es un intento en etapa inicial de construir herramientas mejores; los fármacos útiles de este enfoque aún están años alejados de los pacientes.

¿Es el tejido tejido humano real o una simulación?

No es una simulación por computadora ni tejido tomado de pacientes. Vivodyne cultiva el tejido a partir de células humanas en condiciones de laboratorio controladas, produciendo estructuras que se comportan como órganos humanos reales sin provenir de una persona viva.

¿Qué significa esto para las pruebas en animales?

Los fundadores de Vivodyne creen que datos de tejido humano de alta calidad eventualmente podrían reemplazar gran parte de las pruebas en animales realizadas en el desarrollo inicial de fármacos, aunque ese cambio requeriría que los organismos reguladores acepten los nuevos datos como evidencia suficiente de seguridad.