Vivodyne شبکه‌ای از آزمایشگاه‌های رباتیک برای رشد بافت انسانی و آموزش هوش مصنوعی به زیست‌شناسی علّی راه‌اندازی کرد

یک استارتاپ زیست‌فناوری مستقر در فیلادلفیا می‌گوید دلیل اینکه هوش مصنوعی هنوز سرطان را درمان نکرده، مشکل مدل‌سازی نیست — بلکه مشکل داده است. Vivodyne آنچه را که بزرگ‌ترین مرکز داده زیستی انسانی جهان می‌نامد راه‌اندازی کرده، شبکه‌ای از آزمایشگاه‌های رباتیک که بافت زنده انسانی رشد می‌دهند، آن را با دارو دوز می‌کنند و واکنش آن را ثبت می‌کنند — دقیقاً همان نوع داده علّی که مدل‌های هوش مصنوعی امروزی فاقد آن هستند.

این شرکت که در سال ۲۰۲۱ توسط مدیرعامل آندری گئورگسکو پس از اخذ دکترای بیومهندسی از دانشگاه پنسیلوانیا تأسیس شد، در دو دور تأمین مالی به رهبری Khosla Ventures کمتر از ۸۰ میلیون دلار جذب کرده است. هشت شرکت بزرگ داروسازی جهان قبلاً برای دسترسی زودهنگام به این پلتفرم هزینه پرداخت کرده‌اند.

چرا کشف دارو با هوش مصنوعی همچنان به دیوار می‌خورد

گئورگسکو استدلال می‌کند که مدل‌های هوش مصنوعی آموزش‌دیده بر مجموعه‌داده‌های زیستی موجود اساساً محدود هستند، زیرا آن داده‌ها تصاویر ثابت را ثبت می‌کنند، نه علت و معلول را. او به TechCrunch گفت: «تمام آموزش بر روی تصاویر ثابت این سلول‌ها انجام می‌شود. مدل یاد می‌گیرد که 'این وضعیت سلولی A است'، 'این وضعیت سلولی B است'، اما هرگز یاد نمی‌گیرد که 'وضعیت سلولی B نتیجه التهاب وضعیت سلولی A است'.» او گفت بدون آن پیوند علّی، مدل‌هایی که صرفاً بر داده‌های حیوانی یا رده سلولی آموزش دیده‌اند، برای نتایجی بهینه می‌شوند که به انسان منتقل نمی‌شود — از این رو ارزیابی صریح او: «بدون آزمایش انسانی، این مدل‌ها چه کاری می‌توانند انجام دهند؟ آن‌ها سرطان را در موش‌ها درمان می‌کنند.»

درون آزمایشگاه‌های HIVE

پاسخ Vivodyne، HIVE است — آزمایشگاه‌های رباتیک ماژولار که می‌توانند ۲۰ نوع مختلف بافت انسانی را رشد دهند، سپس به‌صورت خودکار و شبانه‌روزی آن‌ها را دوز و پایش کنند. تأسیسات جدید این شرکت نزدیک سانفرانسیسکو، ۱۲ آزمایشگاه HIVE را در خود جای داده که ظرفیت اجرای آزمایش‌های کنترل‌شده روی ۳.۱ میلیون نمونه بافت بزرگ انسانی در سال را دارد؛ Vivodyne می‌گوید این تقریباً دو برابر مقیاس ترکیبی تمام کارآزمایی‌های بالینی انجام‌شده در ایالات متحده است.

نتایج گزارش‌شده تاکنون قابل توجه است: مدل‌های بافت کبدی ۹۴ درصد دقت پیش‌بینی در برابر آزمایش‌های سمّیت انسانی واقعی نشان می‌دهند، بافت راه هوایی ۹۶ درصد از مواقع با رفتار انسانی مطابقت دارد، و آزمایش مغز استخوان روی ۲۰ داروی شیمی‌درمانی به ۱۰۰ درصد تطابق با نتایج بالینی رسید. جدیدترین سخت‌افزار این شرکت، TissueDisk نسل دوم، یک تراشه زیستی در مقیاس ویفر است که صدها بافت زنده و کارآمد انسانی را همزمان رشد می‌دهد و به‌طور کامل روی خط تولید رباتیک خود Vivodyne ساخته می‌شود.

این چه چیزی را باز می‌کند — و چه چیزی را نه

پیشنهاد به پژوهشگران هوش مصنوعی این است که این داده‌های علّی و با توان بالا می‌تواند سرانجام از همان تکنیک‌های یادگیری تقویتی که پیشرفت‌های مدل‌های زبانی را رقم زدند، پشتیبانی کند، اما این بار در مورد فیزیولوژی انسان اعمال شود. این موضوع بیشترین اهمیت را برای درمان‌های ترکیبی دارد، جایی که فضای جستجو برای تعاملات دارویی به‌صورت ترکیبیاتی منفجر می‌شود. گئورگسکو گفت: «اگر بخواهیم درمان‌های ترکیبی داشته باشیم، فضایی که باید جستجو شود منفجر می‌شود. باید بگویید 'می‌خواهم این اثر رخ دهد، پس چه علتی را باید فرا بخوانم؟'» — سؤالی که داده‌های تصویر ثابت به‌سادگی نمی‌توانند به آن پاسخ دهند.

مدل‌های بافتی Vivodyne موجودات کامل نیستند، و منتقدان اشاره خواهند کرد که رفتار بافت در شرایط آزمایشگاهی، هرچقدر هم پیچیده، همچنان یک قدم فاصله دارد از یک بدن انسانی زنده با سیستم ایمنی، تنظیم هورمونی و تعاملات اندام. این شرکت پلتفرم خود را به‌عنوان راهی برای کاهش ریسک داروها پیش از کارآزمایی‌های انسانی معرفی می‌کند، نه جایگزینی برای آن‌ها — اما مقیاس داده‌ای که تولید می‌کند به اندازه‌ای بزرگ است که آزمایشگاه‌های هوش مصنوعی و شرکت‌های دارویی، صرف‌نظر از این محدودیت‌ها، توجه می‌کنند.

طبق گزارش TechCrunch، اعلامیه Vivodyne در ۱۹ اوت اولین رونمایی زیرساختی بزرگ این شرکت از زمان جدایی از پژوهش‌های دانشگاهی پنج سال پیش است.