مقابلات
آلان موراي، المؤسس المشارك والرئيس التنفيذي لشركة Conceivable Life Sciences – سلسلة المقابلات

آلان موراي، المؤسس المشارك والرئيس التنفيذي لشركة Conceivable Life Sciences – هو مهندس وريادي أعمال متسلسل مع أكثر من ثلاثة عقود من الخبرة في مجالات التكنولوجيا والتعلم الآلي والأجهزة اللوجستية وبناء الشركة. قبل إطلاق Conceivable، كان المؤسس المشارك لشركة TMRW Life Sciences، حيث ساعد في تطوير منصة آلية لإدارة وحماية البويضات والاجنة المrozenة المستخدمة في التلقيح الصناعي (IVF). موراي也是 المؤسس المشارك والشريك في شركة Coriolis Ventures وقد ساعد في تأسيس الشركات عبر الإعلان الرقمي والضيافة والعلوم الحياتية، بما في ذلك Integral Ad Science ، Dstillery وNeueHouse. في Conceivable، يعمل كقائد استراتيجي ورئيس مهندس لمنصة AURA، حيث ي監督 دمج الروبوتات والتصوير المتقدم والتعلم الآلي في عمليات مختبرات الخصوبة.
Conceivable Life Sciences هي شركة تكنولوجيا حيوية تعمل على تطوير منصة AURA، وهي مختبر تلقيح صناعي آلي مساعد ينسق العمليات المعقدة المشاركة في إنشاء وتنمية وحفظ الأجنة. بدلاً من توفير آلية لإجراء واحد، تدمج المنصة الروبوتات والبرمجيات والبصريات المتقدمة والذكاء الاصطناعي والمعدات المختبرية عبر تدفق التلقيح الصناعي، مع الحفاظ على قابليتها للتتبع الرقمي وإمكانية السيطرة على القرارات السريرية من قبل الأخصائيين.
في السابق كنت المؤسس المشارك لشركة TMRW Life Sciences، حيث ساعدت في إدخال الآلية في تخزين وإدارة البويضات والاجنة المrozenة. ما الذي تعلمته من هذه التجربة حول حدود البنية التحتية للخصوبة الحالية، وما الذي أقنعتك في النهاية بتأسيس Conceivable Life Sciences ومواجهة التحدي الأكثر تعقيداً وهو توفير آلية لإنشاء الأجنة؟
في TMRW، قمنا بتوفير آلية لتخزين وتتبع البويضات والاجنة المrozenة بعد إنشائها. حل هذا مشكلة حقيقية، حيث إن سلاسل الحفظ في التبريد العميق غير قابلة للمسامحة، وأهمية الحصول على ذلك بشكل صحيح أمر بالغ الأهمية للمرضى. لكنه أيضًا أظهر لي حدود ما يمكن أن تحققه الآلية في تخزين وحدها. العرقلة في التلقيح الصناعي لم تكن أبداً ما يحدث بعد إنشاء الجنين. إنه عمل لا يزال يعتمد على عدد صغير من الأخصائيين المدربين تدريباً عالياً يقومون بمهام يدوية متكررة بدقة تحت المايكرون يدوياً، ونتيجة ذلك تختلف باختلاف من يقوم بالتلاعب بالأنابيب ذلك اليوم.
عندما بدأت TMRW، كانت سوق تخزين الخصوبة لا يزال يعامل كزاوية صغيرة من الطب الإنجابي. لم أراه كذلك. أصبحت الأمومة المتأخرة هي القاعدة، وأكثر الناس يخزنون البويضات والمني في وقت مبكر، وبدأت الشركات في إضافة الحفاظ على الخصوبة إلى حزم المنافع، ومجتمعات المثليات والمثليين ومجتمع الآباء المنفردين يبنين العائلات من خلال بنك البويضات والمني بمقياس لم يخطط له قطاع الصناعة. كل ذلك يشير إلى مشكلة في التخزين والتتبع التي ست trở nên أكبر بكثير، وأسرع مما توقع معظم الناس في هذا المجال. هذا جزء من سبب أهمية سلاسل الحفظ بالنسبة لي في TMRW. إذا كنت تبني لنظام سوف ينمو بمقدار كبير، لا يمكنك الاعتماد على التتبع اليدوي وذاكرة الإنسان للحفاظ على البويضات والمني والاجنة.
في عام 2018، بدأت في تصميم ما أصبح AURA من الصفر، من الميكروفلويديك إلى دمج الروبوتات وتقنية الحقن. ما أقنعتني بإنشاء Conceivable كان بسيطاً: إذا استطعنا إحضار نفس الدقة التي جلبتها الصناعة والروبوتات إلى صناعات أخرى دقيقة، يمكننا جعل التلقيح الصناعي أكثر ثباتاً ومتاحاً في نفس الوقت. كان ذلك مشكلة أكثر صعوبة، لكنها كانت القضية التي تستحق الحل.
تنسق AURA أكثر من 200 خطوة عبر أنظمة متصلة لتحضير الأطباق ومعالجة المنى وتحديد البويضات وحقن السائل المنوي داخل البويضة والحضانة ونقل الروبوت والتجميد السريع. كيف تعمل البرمجيات والروبوتات وأنظمة التصوير والمعدات المختبرية كمنصة موحدة مع الحفاظ على التتبع لكل بويضة وخلية منى وجنين؟
تجري AURA هذه الخطوات أكثر من 200 خطوة ك نظام متصل بدلاً من سلسلة من الآلات المنفصلة. طبقة البرمجيات هي ما يجعل ذلك ممكناً. كل действ، كل صورة، كل قياس مربوط ببويضة أو خلية منى أو جنين معين خلال كل دورة، لذلك هناك سجل رقمي كامل لما حدث ولماذا.
هذا التتبع هو الجزء الذي يُقلل منه الناس أهميته. في مختبر تقليدي، يعيش الكثير من هذا التاريخ في ملاحظات الأخصائيين وذاكرتهم. في AURA، إنه بيانات هيكلية من الخطوة الأولى إلى الأخيرة، وهو ما يسمح للروبوتات والتصوير والمعدات المختبرية بالتنسيق في الوقت الفعلي ويدعو الأخصائيين للمشاركة في أي نقطة مع السياق الكامل، وليس صورة جزئية.
تشمل حزمتك التقنية تحويل كاشف لمساعدة في تحديد المنى، وتصوير متقدم لتحديد البويضات، ونماذج رؤية-لغة-فعل مصممة لتوجيه الإجراءات الجسدية الحساسة. كيف يتم تدريب هذه النماذج، ما الإشارات التي تقيمها، وكيف تحدد النظام متى يحتاج الأخصائيون إلى التدخل؟
نستخدم نماذج رؤية حاسوبية (بما في ذلك YOLO وRT-DETR) لتركيز المجاهر وضبط مواقف الروبوتات وتحديد وتتبع المنى ووضع وتقييم البويضات وتوجيه الروبوتات خلال الإجراءات مثل حقن السائل المنوي داخل البويضة.
تتم تدريب هذه النماذج على مكتبة متزايدة من الصور المسمى بدقة عالية من الحالات السابقة. تحدياتنا الهندسية تتضمن تحقيق استدلال ذو زمن انتقال منخفض للغاية لتنسيق الليزر والحركات الروبوتية بدقة.
لقد استوحيت الإلهام من صناعة تصنيع الشبكات والمركبات المستقلة، وهي صناعات تجمع بين الإدراك والتخطيط والتنفيذ الدقيق. ما هي المبادئ الهندسية التي تم نقلها بنجاح إلى علم الأجنة، وما هي المبادئ التي يجب إعادة تصميمها لأن AURA تتعامل مع الخلايا الحية بدلاً من المكونات المصنعة؟
المبادئ الهندسية التي تم نقلها جيداً كانت حول التصنيع الدقيق على نطاق واسع: التحكم الدقيق في العملية، اندماج الحواس، معاملة التباين كشيء لقياسه وتصميمه بدلاً من قبوله. المركبات المستقلة أظهرت لنا نموذجاً جيداً ل كيفية عمل الإدراك والتخطيط والتنفيذ معاً في الوقت الفعلي، وكيف يجب على النظام أن يتصرف عندما لا يكون واثقاً مما يراه.
ما يجب إعادة تصميمه几乎 بالكامل كان تحملنا للتوقع غير المتوقع. لوحظ أن لوح الشبكة يتصرف بنفس الطريقة دائماً. الخلية الحية لا تفعل ذلك. بويضتان من نفس المريض يمكن أن تبدو مختلفة، وتتصرف بشكل مختلف، ويتجاوب بشكل مختلف مع نفس الإجراء. لذلك، بدلاً من بناء نظام يهدف إلى نتيجة “صحيحة” واحدة، يجب علينا بناء نظام يمكنه التعرف على مجموعة واسعة من التباين البيولوجي ويعرف الفرق بين التباين العادي وشيء يحتاج إلى شخص ينظر إليه. هذا مشكلة هندسية مختلفة بشكل根本ي عن أي شيء في تصنيع الشبكات أو القيادة.
توصف Conceivable كل دورة AURA بأنها تساهم في عجلة بيانات عملية معيارية لا يمكن لمختبرات التلقيح الصناعي التقليدية جمعها بسهولة. ما هي البيانات التي يتم جمعها خلال الدورة، وكيف يمكن أن تحسن النماذج المستقبلية، وكيف تتناولون خصوصية المرضى، والتحيز الديموغرافي، والاختلافات بين العيادات، ومخاطر تحديث أنظمة الذكاء الاصطناعي السريرية؟
توليد كل دورة AURA مجموعة بيانات معيارية: صور، بيانات حساسة، توقيت، ونتائج مرتبطة بكل خطوة، بمستوى من التفاصيل الذي لا تنتجه مختبرات التلقيح الصناعي اليدوية اليوم لأن جزءاً كبيراً من العملية لا يتم تسجيله بشكل منهجي. هذه البيانات تغذي تحسين نماذجنا مع مرور الوقت، وهو أحد المزايا الحقيقية للآلية. النظام يتحسن مع الحجم بطريقة لا يمكن للمهام اليدوية تحقيقها.
فيما يتعلق بالخصوصية، يتم إزالة تعريف بيانات المرضى لتدريب النماذج ويتم التعامل معها وفق المعايير التنظيمية التي تحكم البيانات السريرية بشكل عام. فيما يتعلق بالتحيز، نحن متعمدون في تدريب النماذج على بيانات عبر مجتمعات مرضى مختلفة ومواقع سريرية مختلفة حتى لا تعمل النماذج جيداً فقط لتحسين الديموغرافيا في البيانات الأولى. الاختلافات بين العيادات هي متغير حقيقي نتبعه، لأن ظروف المختبر و人口 المرضى تختلف. وفيما يتعلق بتحديث أنظمة الذكاء الاصطناعي السريرية بأمان، فإن أي تحديث للنموذج يمر بتحقق قبل النشر، ونحن لا ننتقل بسرعة أكبر من الدليل الذي يدعمه.
أجرت Conceivable دراسات تجريبية تشمل أكثر من 100 مريض و1000 بويضة. ما هي النقاط النهائية السريرية التي ستكون الأكثر أهمية في إثبات أن الآلية يمكن أن تحسن الثبات والسلامة ونمو الجنين ونتائج الحمل أو ولادة الأطفال مقارنة بالتلقيح الصناعي اليدوي التقليدي؟
مع أكثر من 100 مريض و1000 بويضة في دراساتنا التجريبية، النقاط النهائية التي تهم هي تلك التي تتنبأ بالفعل بنتيجة صحية للمريض، وليس فقط مقاييس العملية. معدل التلقيح، نمو الجنين إلى طور البلاستوسيت، ومعدلات اليوبلويدي告诉نا ما إذا كانت البيولوجيا تتصرف كما ينبغي. من هناك، معدلات الحمل وولادة الأطفال告诉نا ما إذا كان ذلك يترجم إلى فرصة حقيقية للحصول على طفل. ولادة الأطفال هي النقطة النهائية التي تهم، وهي أيضًا أبطأ في التجميع، لأنها تأخذ أشهر بعد النقل.
ما نركز عليه بشكل أكبر هو إثبات الثبات: أن AURA تنتج نفس النتيجة الجيدة بغض النظر عن المختبر أو اليوم أو السكان المرضى الذين يخدمهم. هذا الجزء الذي لم تتمكن التلقيح الصناعي اليدوي من ضمانه أبداً، وهو الجزء الذي تم بناء الآلية عليه.
تم تصميم C:VIT لتبريد الأجنة بسرعة تصل إلى 50 مرة أسرع من طرق التجميد التقليدية مع معايير معيارية لتعرض المواد الحافظة وتقليل تكوين بلورات الثلج. كيف يترجم التبريد الأسرع إلى فوائد سريرية هامة، وما هي الأدلة التي ستحتاج إلى إثبات تحسينات في بقاء الأجنة وغرسها وولادة الأطفال؟
المنطق السريري بسيط: التبريد البطيء يعطي بلورات الثلج وقتًا أطول لتكوينها، وبلورات الثلج تؤذي بنية الخلية. التبريد الأسرع والمعياري يقلل من هذا الخطر ويعطي كل جنين نفس تعرض المواد الحافظة، بدلاً من التعرض الذي يختلف باختلاف الأخصائي الذي يقوم بالإجراء ومدى سرعته.
صممنا C:VIT لتحسين بقاء الجنين خلال دورة التجميد والذوبان، وهو أول شيء وأكثر ما يمكن قياسه. من هناك، الدليل الذي يهم هو معدلات الحمل وولادة الأطفال في الأجنة المجمدة بتقنية C:VIT مقارنة بالطرق التقليدية. نحن نبني هذا الدليل بشكل متعمد، من خلال دراسات محكومة، قبل إصدار أي ادعاءات حول النتائج على نطاق واسع.
تؤكد Conceivable أن AURA هي آلية مساعدة وأن القرارات السريرية تظل مع الأخصائيين. ما هي القرارات التي يجب أن تظل دائماً تحت السيطرة البشرية، ما هي الحماية التي تسمح للأخصائيين بإيقاف أو إلغاء النظام، وكيف يتم التعامل مع المسؤولية عندما يؤثر تقدير أو إجراء آلي على بويضة أو جنين؟
كل قرار يؤثر على الحكم السريري، سواء كان بويضة قابلة للحياة، أو جنين مناسب للنقل، أو متابعة الإجراء، يظل مع الأخصائي. AURA هي آلية مساعدة. تم تصميمها لتنفيذ مهام جسدية بدقة وثبات وتنبيه أي شيء خارج المعايير المتوقعة، لكنها لا تتخذ قرارات سريرية بنفسها.
يمكن للأخصائيين إيقاف أو إلغاء النظام في أي نقطة من الدورة، والنظام مصمم لجعل ذلك سهلاً، وليس شيئاً يجب عليك القتال مع الواجهة لفعل ذلك. فيما يتعلق بالمسؤولية، كل действية تقوم بها AURA يتم تسجيلها وربطها بالأخصائي الذي ي監督 تلك الدورة، لذلك هناك سجل واضح لما فعلته النظام، ما هو ما تم إيقافه، وما هو القرار الذي اتخذه الإنسان استجابة لذلك. هذه القابلية للتتبع هي ما يجعل المسؤولية ممكنة في المقام الأول.
تخطط Conceivable وIVI RMA لتنفيذ أول نظام AURA في عيادة أمريكية في عام 2027. ما هي التحديات التنظيمية والسريرية والبنية التحتية والعملية التي يجب حلها قبل أن يمكن للمنصة الانتقال من الدراسات المسيطرة إلى الرعاية السريرية الروتينية؟
هناك عمل حقيقي قادم على أربعة جبهات. التنظيمي: العمل من خلال المسار المناسب مع إدارة الأغذية والأدوية للنظام الذي يجمع بين الروبوتات والبرمجيات والطب الإنجابي، وهو ما لا يوجد له الكثير من السابقة. السريرية: بناء قاعدة الأدلة على النطاق المطلوب لموقع سريري أمريكي، أبعد مما يمكن أن تظهره الدراسات الأولية. البنية التحتية: وضع التنفيذ الفعلي في عيادة أمريكية مع IVIRMA، وهو مشروع كبير في حد ذاته. والعملية: ضمان أن الأخصائيين والموظفين السريريين في الموقع الأول مدربون ومريحون مع النظام قبل أن يلمس الرعاية السريرية.
لا أحد من هذه التحديات صغير، ونحن لا نعامل عام 2027 كتاريخ نصل إليه بغض النظر من حيث يصل الدليل. إنه التاريخ الذي نعمل نحوه عندما يدعمه التحقق.
يظل التلقيح الصناعي مكلفاً ومحدوداً جغرافياً ويعتمد على عدد صغير من الأخصائيين المدربين تدريباً عالياً. ما الذي يجب أن يتغير في اقتصاديات ونموذج عمل الرعاية الخصوبة حتى تتمكن الآلية من جعل التلقيح الصناعي أكثر إمكانية الوصول، وكيف ستقيس ما إذا كانت AURA تقلل فعلاً من التكلفة لكل ولادة ناجحة؟
المشكلة الأساسية هي أن التلقيح الصناعي اعتمد على عدد صغير من الأخصائيين المدربين تدريباً عالياً يقومون بعمله اليدوي الذي لا يتناسب مع التوسع. هذا ما يجعله مكلفاً ومحدوداً جغرافياً. ليس هناك نقص في الطلب، بل هناك عرقلة في العرض.
قمنا مؤخراً بتنسيق دراسة لتحليل تكلفة الطفل كجزء من دخل الأسرة عبر 25 دولة، والنمط واضح. الدول التي تدفع فيها تكلفة صافية للمريض أقل من نصف دخل الأسرة المتوسط، مثل إسرائيل واليابان وإسبانيا وتايوان، يصل التلقيح الصناعي إلى حوالي 9 إلى 12 في المائة من جميع المواليد. في الولايات المتحدة، حيث تتراوح التكاليف الصافية عادةً فوق 75 في المائة من دخل الأسرة، يصل هذا الرقم إلى حوالي 2.5 في المائة. لا يبدو أن التكلفة هي العامل الأساسي. إذا شهدت الولايات المتحدة مكاسب مماثلة لما وجدناه في مكان آخر، يمكن أن يعني ذلك شيئاً على غرار 140,000 إلى 160,000 ميلاد إضافية في السنة. وراء هذا الرقم هناك عائلات تريد طفلاً ولا تستطيع دفع تكلفة المسار الحالي.
تعالج الآلية هذا العرقة مباشرة: منصة معيارية يمكن أن تجلب دقة مختبرية إلى المزيد من المواقع دون الحاجة إلى نفس تركيز الموهبة النادرة والمدربة تدريباً عالياً في كل عيادة، وعدد أقل من الدورات لكل نتيجة ناجحة هو الذراع الذي يحرك التكلفة فعلاً. لقياس ما إذا كانت AURA تقلل فعلاً من التكلفة لكل ولادة ناجحة، الرقم الذي يهم ليس التكلفة لكل دورة. إنه التكلفة لكل ولادة حية، لأن دورة أقل تكلفة لا تعمل नहى ليست أكثر ملاءمة فعلاً للمريض. نحن نتبع هذا الرقم مباشرة أثناء التوسع، ونحن نفضل أن نكون محافظين حول ما نزعمه حتى يدعمه البيانات.
شكراً على المقابلة الرائعة، القراء الذين يرغبون في التعلم المزيد يجب أن يزوروا Conceivable Life Sciences.












