一家名为 Vivodyne 的生物科技初创公司表示，AI 药物发现行业存在数据问题，而且它已经建造了一台机器来解决这个问题。
尽管 AI 在药物发现领域被寄予厚望，但现实是，AI 远未攻克癌症。问题不在于 AI 模型本身，而在于训练这些模型所使用的数据。
Vivodyne 的创始人兼 CEO Andrej Kralj 表示：「AI 药物发现行业的最大问题是数据质量。大多数公司使用的是公开数据集，这些数据通常不完整、不一致，而且缺乏临床相关性。」
Vivodyne 采取了一种不同的方法。该公司开发了一种名为「Lab-in-a-Loop」的平台，该平台结合了自动化实验室、人体组织芯片和 AI 分析。其核心是一个能够培养和测试人体组织样本的机器人系统，这些样本可以模拟人类对药物的反应。
「我们不是在计算机中模拟生物学，我们是在实际培养真实的人体组织，用候选药物处理它们，然后用 AI 分析结果。」Kralj 解释道。
这种方法产生的高质量数据，正是 AI 模型所需要的。大多数 AI 药物发现公司依赖的是已经发表的科学文献中的数据，这些数据往往存在发表偏倚——只有阳性结果才会被发表。Vivodyne 的平台能够生成全面的数据集，包括阴性和阳性结果，从而提供更完整的生物学图像。
该公司已经筹集了 4500 万美元的资金，并正在与多家大型制药公司合作。Kralj 表示，Vivodyne 的方法已经展示出在预测药物安全性方面的显著改进，有望将临床试验失败率降低 30%。
「AI 非常强大，但垃圾进垃圾出。如果你给 AI 提供糟糕的数据，它会产生糟糕的预测。我们正在解决这个根本问题。」Kralj 说。
对于 AI 药物发现领域来说，Vivodyne 的方法代表了一种范式转变：不是用更好的 AI 来解决药物发现问题，而是用更好的数据来让现有的 AI 发挥作用。
来源：TechCrunch
