Rozšiřování na nové trhy ve zdravotnictví: rostoucí vliv umělé inteligence v medicíně

Umělá inteligence v medicíně se nejčastěji spojuje s odhalováním abnormalit na lékařských snímcích, analýzou výsledků vyšetření a pomocí lékařům při stanovování diagnóz. V poslední době se ale stále častěji setkávám s novými poznatky a technologiemi, které tyto možnosti dalece přesahují a zpochybňují naše představy o tom, čeho může zdravotnická technologie dosáhnout. Některé jsou natolik ambiciózní, že jejich potenciální dopad by mohl zasáhnout i daleko za hranice zdravotnictví, ovlivnit zcela jiné oblasti našeho života a přinést nové technologie, obchodní modely, a dokonce i trhy, které zatím neexistují.

Proč se vzácná onemocnění stávají lákavou příležitostí pro zdravotnické startupy

Jednou z nejzajímavějších oblastí, které v poslední době sleduji, je objevování léčiv, tedy hledání a vývoj nových léčivých látek pomocí výpočetních metod a umělé inteligence. Práce společnosti DeepMind na projektu AlphaFold významně přispěla k rozvoji tohoto oboru. Její databáze obsahuje více než 200 milionů predikovaných struktur proteinů a poskytuje výzkumníkům množství informací, které mohou využít k prozkoumání potenciálních molekulárních interakcí. Zároveň otevřela nové příležitosti pro startupy zaměřené na konkrétní zdravotní problémy.

Představme si, že chce někdo založit startup a vyvíjet léčbu relativně vzácného onemocnění, které postihuje jen malé procento žen v určité věkové skupině. První otázka zní: proč se zaměřovat na tak omezený trh, když by se startup mohl věnovat mnohem častějšímu onemocnění? I po zúžení světové populace na tuto konkrétní skupinu by však mohl mít tisíce potenciálních pacientek. A pokud by pacientky musely užívat lék každý den po dobu deseti let nebo po zbytek života, i tato relativně malá skupina by mohla představovat značný trh.

Farmaceutická společnost může být komerčně úspěšná, aniž by potřebovala desítky milionů zákazníků. Mezi odhadem potenciálního trhu a skutečnými příjmy je samozřejmě obrovský rozdíl. Je třeba počítat například s náklady na výzkum, klinické studie, výrobu a schvalování regulačními orgány. Startup se přesto může zaměřit na jediné nedostatečně léčené onemocnění a vybudovat kolem něj celý výzkumný program.

Například Recursion Pharmaceuticals je americká biotechnologická společnost, která vyvíjí léčbu s využitím umělé inteligence pro onemocnění, u nichž stále existují významné nenaplněné léčebné potřeby. Jeden z jejích hodnocených léčivých přípravků, REC-4881, je určen k léčbě familiární adenomatózní polypózy, vzácného dědičného onemocnění, které podle odhadů postihuje 50 000 lidí v USA a pěti největších evropských zemích. Společnost oznámila slibné výsledky klinického hodnocení fáze 1b/2, včetně snížení výskytu abnormálních tkáňových útvarů u pacientů.

Virtuální laboratoře jako nový obchodní model

Najít molekulu, která dokáže zasáhnout protein související s konkrétním onemocněním, je skutečná výzva. Je třeba prověřit obrovské množství chemických sloučenin a zjistit, které se mohou navázat na cílový protein, změnit jeho aktivitu nebo ovlivnit související biologické procesy. Nezáleží přitom jen na chemickém složení. Při určování toho, jak tyto interakce probíhají, hraje zásadní roli trojrozměrná struktura každé molekuly.

Otestovat každou možnou kombinaci ve fyzické laboratoři je prakticky nemožné. I při značných finančních zdrojích by provedení takového množství experimentů trvalo příliš dlouho. Proto se část výzkumného procesu přesouvá do virtuálního prostředí, kde výpočetní modely a simulace dokážou předpovídat molekulární interakce a určit nejperspektivnější sloučeniny pro další testování. Tento přístup snižuje počet experimentů, které je třeba provést v laboratoři, předpovědi však stále musí být ověřeny fyzickým testováním.

Kolem těchto technologií vzniká celý ekosystém startupů s různými obchodními modely. Některé budují infrastrukturu pro molekulární simulace a zpřístupňují ji farmaceutickým společnostem a výzkumným týmům. Jiné využívají existující nástroje k vývoji vlastních kandidátních léčiv. Je to zajímavý příklad toho, jak jediný technologický pokrok může vytvořit obchodní příležitosti na několika úrovních trhu. Společnost může vybudovat komerčně úspěšný podnik, aniž by kdy uvedla na trh vlastní léčivý přípravek, pokud se její technologie ukáže jako přínosná pro další vývojáře.

Dobrým příkladem je Isomorphic Labs, která vyvíjí technologie umělé inteligence pro objevování léčiv a návrh molekul. Společnost navázala výzkumná partnerství se společnostmi Novartis a Eli Lilly a v roce 2025 rozšířila spolupráci se společností Novartis o další programy zaměřené na objevování léčiv. Tento příklad ukazuje, že technologie používaná k objevování a navrhování molekul může sama o sobě tvořit základ podnikání spolupracujícího s významnými farmaceutickými společnostmi.

Personalizovaná pilulka za dvacet minut

Některé startupy posouvají myšlenku objevování léčiv ještě dál. Nedávno jsem se setkal s týmem, který pracuje na technologiích souvisejících s rakovinou kůže. Zajímá se o odhalování genetických predispozic k tomuto onemocnění a zkoumá možnosti jeho léčby na úrovni DNA. Místo vývoje léčiva pro širokou skupinu pacientů zkoumá, zda by bylo možné léčbu přizpůsobit genetickému profilu konkrétního člověka.

Zakladatelé popsali mimořádně ambiciózní představu budoucnosti. Představte si, že vejdete do kliniky, odevzdáte vzorek slin a přístroj analyzuje vaši DNA, aby připravil lék navržený přímo pro vás. Podle jejich představy by celý proces jednou mohl trvat zhruba dvacet minut a stát pouhých 100 dolarů. Jde samozřejmě stále o technologickou ambici, nikoli o dostupnou zdravotní službu, a její uskutečnění by vyžadovalo překonat obrovské vědecké, výrobní a regulační překážky.

Podobné rozhovory však ukazují, jak se mění ambice podnikatelů ve zdravotnictví. Nechtějí pouze zdokonalovat stávající diagnostické postupy, ale ptají se, zda by nebylo možné zásadně přepracovat samotný proces vývoje léčby. Fascinuje mě, jak pokrok ve výpočetních technologiích vede zakladatele k tomu, aby znovu promýšleli postupy, které se po desetiletí téměř neměnily.

Proč startupy v oblasti chirurgické robotiky často míří k akvizici

Zatímco výpočetní technologie umožňují malým týmům prozkoumat obrovské množství možností při objevování léčiv, chirurgická robotika vyžaduje zcela jinou úroveň zdrojů. Vývoj systému schopného provádět chirurgické zákroky vyžaduje špičkové strojírenské znalosti, přesné řízení pohybu, rozsáhlé testování a přístup ke klinickým pracovištím. Vývoj spolehlivého robotického chirurgického ramena může trvat deset až patnáct let, přičemž jediná instalace může stát miliony dolarů. Okruh potenciálních zákazníků je navíc omezený a výrobci musí po řadu let zajišťovat údržbu a technickou podporu. Pro malý startup je tak chirurgická robotika mimořádně složitým a kapitálově náročným oborem.

Proto některé týmy staví svou strategii na tom, že je časem koupí velká společnost vyrábějící zdravotnické technologie. Jejich cílem je vytvořit přesvědčivý technologický koncept a ukázat jeho potenciál. Startup může například sestavit prototyp robotického ramena, které dokáže provádět určité zákroky na lékařské figuríně, přestože má ještě daleko k tomu, aby mohlo operovat skutečného pacienta. Tým mezitím aktivně jedná s investory, účastní se oborových konferencí a navazuje vztahy s potenciálními firemními kupci, jak často vídáme při práci na zdravotnických akcích ve společnosti Scryon. V podstatě se snaží prodat příslib technologie ještě předtím, než se z ní stane hotový produkt.

Zpočátku mi tento přístup připadal poněkud zvláštní. Proč vyvíjet zdravotnické vybavení, když ho nemáte v úmyslu sami uvést na trh? Má to však svou obchodní logiku. Malý tým může mít talentované inženýry a slibný nápad, ale nemusí mít prostředky na roky testování, přístup do nemocnic ani na výrobu ve velkém měřítku. Velká společnost může potřebnou infrastrukturu zajistit tím, že startup koupí v poměrně rané fázi.

Tato strategie ukazuje, jak se malé týmy a velké společnosti mohou vzájemně doplňovat: jedni se zaměřují na vývoj a testování nových nápadů, zatímco druzí mají prostředky na to, aby z nich vytvořili použitelné zdravotnické produkty. Velikost společnosti přitom nemusí odrážet složitost práce, která stojí za její technologií. 

Přesvědčil jsem se o tom na vlastní oči při projektech ve společnosti Keymakr, kde jsme spolupracovali s vývojáři z malých startupů i s jedním z předních světových výrobců zdravotnického vybavení. Bez ohledu na velikost společnosti tyto projekty zahrnují pečlivou práci na zdokonalování algoritmů, přípravě lékařských datových sad a ověřování přesnosti anotací podle klinických požadavků. 

Za původní myšlenku

Společnost zkoumající konkrétní biologický mechanismus může jednou vyvinout technologii, která promění zcela nesouvisející odvětví. Důsledky mohou být dalekosáhlé a zahrnovat i radikální prodloužení délky života a úplnou proměnu společnosti, jak ji známe.

Právě to mě na dnešních zdravotnických startupech možná fascinuje nejvíc. Díky umělé inteligenci se malé týmy pouštějí do výzev, které by ještě donedávna vyžadovaly zdroje velkých společností, a často k nim přistupují z nečekaných úhlů. Mnohé z těchto nápadů se nikdy nedostanou do praxe, podnikatelé však nemusí předem vědět, jak velký trh může úspěšná technologie nakonec vytvořit. Někdy se ty nejzajímavější příležitosti objeví až poté, co se podaří vyřešit původní vědecký problém.