Alan Murray, Mitgründer und CEO von Conceivable Life Sciences – Interview-Serie

Alan Murray, Mitgründer und CEO, Conceivable Life Sciences – ist ein Ingenieur und Serien-Unternehmer mit mehr als drei Jahrzehnten Erfahrung in den Bereichen Technologie, Machine Learning, Hardware, Logistik und Unternehmensgründung. Bevor er Conceivable gründete, war er Mitgründer von TMRW Life Sciences, wo er half, eine automatisierte Plattform für die Verwaltung und Sicherung von gefrorenen Eizellen und Embryonen zu entwickeln, die in der In-vitro-Fertilisation (IVF) verwendet werden. Murray ist auch Mitgründer und Partner bei Coriolis Ventures und hat geholfen, Unternehmen in den Bereichen digitale Werbung, Hotellerie und Life Sciences zu gründen, darunter Integral Ad Science , Dstillery und NeueHouse. Bei Conceivable ist er sowohl strategischer Leiter als auch Chefarchitekt von AURA, wo er die Integration von Robotik, fortschrittlicher Bildverarbeitung und Machine Learning in die Arbeitsabläufe von Fertilitätslabors überwacht.

Conceivable Life Sciences ist ein Biotechnologie-Unternehmen, das AURA entwickelt, eine automatisierte IVF-Laborplattform, die die komplexen Prozesse bei der Erstellung, Kultivierung und Konservierung von Embryonen koordiniert. Anstatt einen einzelnen Prozess zu automatisieren, integriert die Plattform Robotik, Software, fortschrittliche Optik, künstliche Intelligenz und Laborgeräte über den gesamten IVF-Ablauf, während sie digitale Nachverfolgbarkeit aufrechterhält und es Embryologen ermöglicht, die Kontrolle über klinische Entscheidungen zu behalten. Conceivable zielt darauf ab, mit diesem standardisierten Ansatz die Variabilität zu reduzieren, die Labor-Kapazität zu erweitern und die Fertilitätsbehandlung für Familien zugänglicher und erschwinglicher zu machen, die derzeit mit hohen Kosten oder begrenztem Zugang zu Spezialversorgung konfrontiert sind.

Sie haben zuvor TMRW Life Sciences mitgegründet, wo Sie halfen, die Automation in die Lagerung und Verwaltung von gefrorenen Eizellen und Embryonen einzuführen. Was hat Ihnen diese Erfahrung über die Grenzen der heutigen Fertilitäts-Infrastruktur beigebracht, und was hat Sie letztendlich dazu veranlasst, Conceivable Life Sciences zu gründen und die komplexere Herausforderung der Automation der Embryonen-Erstellung anzugehen?

Bei TMRW haben wir automatisiert, wie Eizellen und Embryonen gespeichert und verfolgt werden, sobald sie existieren. Das hat ein reales Problem gelöst, die Verfolgung der Herkunft in der Kryokonservierung ist unerbittlich, und es ist enorm wichtig für Patienten, dass dies richtig gemacht wird. Aber es hat mir auch die Grenzen dessen gezeigt, was die Automation der Lagerung allein lösen kann. Der Flaschenhals in der IVF war nie wirklich das, was nach der Erstellung des Embryos passiert. Es ist die Erstellung selbst. Diese Arbeit hängt immer noch von einer kleinen Zahl hoch qualifizierter Embryologen ab, die manuelle, repetitive, sub-mikron-Präzisionsarbeiten von Hand durchführen, und das Ergebnis variiert je nachdem, wer an diesem Tag die Pipette hält.

Als ich TMRW gründete, wurde der Fertilitäts-Speicher-Markt noch als eine Nische in der reproduktiven Medizin behandelt. Ich sah das nicht so. Die verzögerte Elternschaft wurde zur Norm, mehr Menschen froren Eizellen und Spermien früher ein, Arbeitgeber begannen, Fertilitäts-Erhaltung in ihre Leistungs-Pakete aufzunehmen, und die LGBTQ+- und Einzel-Eltern-Communities bauten Familien durch Ei- und Samen-Banking auf, im großen Maßstab, mit dem die Industrie nicht gerechnet hatte. All das deutete darauf hin, dass es ein Lager- und Verfolgungs-Problem geben würde, das viel größer und schneller werden würde, als die meisten Menschen in diesem Bereich erwartet hatten. Das ist Teil des Grundes, warum die Verfolgung der Herkunft für mich bei TMRW so wichtig war. Wenn man für einen Markt baut, der auf diese Art von Skala zusteuert, kann man nicht auf manuelle Verfolgung und menschliches Gedächtnis vertrauen, um Eizellen, Spermien und Embryonen auseinanderzuhalten. Die Automation der Lagerung und Verfolgung war nicht nur darum, die heutige Arbeit besser zu machen, sondern um eine Infrastruktur aufzubauen, die standhalten kann, wenn die Anzahl der Patienten, Zyklen und Proben um ein Vielfaches wächst.

Im Jahr 2018 begann ich, das zu entwerfen, was zu AURA wurde, von der Mikrofluidik bis hin zur Robotik-Integration und Injektionstechnik. Was mich dazu veranlasste, Conceivable zu gründen, war ziemlich einfach: Wenn wir die gleiche Strenge bei der Embryonen-Erstellung anwenden könnten, die die Fertigung und Robotik in anderen Präzisions-Industrien gebracht haben, könnten wir die IVF konsistenter und zugänglicher machen. Das war das schwierigere Problem, aber es war das, das es wert war, gelöst zu werden.

AURA koordiniert mehr als 200 Schritte in vernetzten Systemen für die Vorbereitung von Geräten, die Verarbeitung von Spermien, die Identifizierung von Eizellen, die intracytoplasmatische Spermien-Injektion, die Inkubation, den robotischen Transport und die Vitrifizierung. Wie funktionieren die Software, Robotik, Bildverarbeitungssysteme und Laborgeräte als einheitliche Plattform, während sie die Nachverfolgbarkeit für jede Eizelle, jeden Spermien und jeden Embryo aufrechterhalten?

AURA führt diese mehr als 200 Schritte als ein kontinuierliches System durch, anstatt als eine Kette von getrennten Maschinen. Die Software-Schicht ist es, die dies möglich macht. Jede Aktion, jedes Bild, jede Messung ist mit einer bestimmten Eizelle, einem bestimmten Spermien oder einem bestimmten Embryo über den gesamten Zyklus hinweg verbunden, so dass es eine vollständige digitale Aufzeichnung davon gibt, was passiert ist und wann.

Die Nachverfolgbarkeit ist der Teil, den die Menschen unterschätzen. In einem herkömmlichen Labor lebt viel von dieser Geschichte in den Notizen und im Gedächtnis eines Embryologen. In AURA ist es strukturierte Daten von dem ersten Schritt bis zum letzten, was es den Robotern, der Bildverarbeitung und den Laborgeräten ermöglicht, in Echtzeit zu koordinieren und es einem Embryologen ermöglicht, an jedem Punkt mit voller Kontext einzuschreiten, nicht mit einem teilweisen Bild.

Ihre technische Stack umfasst einen Detection-Transformer, um bei der Spermien-Identifizierung zu helfen, fortschrittliche Bildverarbeitung, um Eizellen zu lokalisieren, und Vision-Sprache-Handlungs-Modelle, die dazu konzipiert sind, delicate physische Verfahren zu leiten. Wie werden diese Modelle trainiert, welche Signale bewerten sie, und wie bestimmt das System, wann ein Embryologe eingreifen muss?

Wir verwenden Computer-Vision-Modelle (einschließlich YOLO und RT-DETR), um: Mikroskope zu fokussieren, robotische Positionen zu kalibrieren, Spermien zu identifizieren und zu verfolgen, Eizellen zu lokalisieren und zu bewerten und die Robotik während Verfahren wie ICSI (die Kombination von Spermien und Eizelle, um einen Embryo zu erstellen) zu leiten.

Diese Modelle werden auf einer immer größer werdenden Bibliothek von hochauflösenden, beschrifteten Bildern trainiert, die aus vorherigen Fällen aufgenommen wurden. Unsere Herausforderungen in der AI-Technik umfassen die Erreichung von ultraniedriger Latenz bei der Inferenz, um Laser und robotische Bewegungen genau zu koordinieren.

Sie haben Inspirationen aus der Halbleiter-Fertigung und den autonomen Fahrzeugen gezogen, Branchen, die Wahrnehmung, Planung und präzise physische Ausführung kombinieren. Welche Ingenieur-Prinzipien haben sich erfolgreich in die Embryologie übertragen, und welche mussten neu entworfen werden, weil AURA lebende Zellen und nicht hergestellte Komponenten manipuliert?

Die Ingenieur-Prinzipien, die gut übertragen wurden, waren diejenigen, die mit der präzisen Fertigung im großen Maßstab zu tun haben: enge Prozesskontrolle, Sensor-Fusion, die Variabilität als etwas behandeln, das gemessen und entworfen werden muss, anstatt es zu akzeptieren. Autonome Fahrzeuge gaben uns ein gutes Modell dafür, wie Wahrnehmung, Planung und Ausführung in Echtzeit zusammenarbeiten müssen und wie ein System sich verhalten sollte, wenn es nicht sicher ist, was es sieht.

Was fast vollständig neu entworfen werden musste, war unsere Toleranz gegenüber dem Unerwarteten. Ein Halbleiter-Wafer verhält sich immer gleich. Eine lebende Zelle tut das nicht. Zwei Eizellen von demselben Patienten können unterschiedlich aussehen, sich unterschiedlich verhalten und unterschiedlich auf das gleiche Verfahren reagieren. Also mussten wir ein System aufbauen, das eine breite biologische Variabilität erkennen kann und weiß, wann ein Mensch es sich ansehen muss. Das ist ein grundlegend anderes Ingenieur-Problem als alles in der Chip-Fertigung oder beim Fahren.

Conceivable beschreibt jeden AURA-Zyklus als Beitrag zu einem Daten-Schwungrad von standardisierten Prozess-Informationen, die herkömmliche Labors nicht leicht sammeln können. Welche Daten werden während eines Zyklus erfasst, wie können sie zukünftige Modelle verbessern, und wie gehen Sie mit Patienten-Datenschutz, demografischem Bias, Unterschieden zwischen Kliniken und den Risiken der Aktualisierung klinischer KI-Systeme um?

Jeder AURA-Zyklus generiert ein standardisiertes Datenset: Bilder, Sensordaten, Timing und Ergebnisse, die jedem Schritt zugeordnet sind, in einem Detailgrad, den herkömmliche IVF-Labors heute nicht produzieren, weil so viel des Prozesses nicht systematisch aufgezeichnet wird. Diese Daten füttern unsere Modelle über die Zeit hinweg, was einer der echten Vorteile der Automation ist. Das System wird mit dem Volumen besser, auf eine Weise, die manuelle Prozesse nicht können.

Bezüglich des Datenschutzes werden Patientendaten für die Modell-Trainings anonymisiert und unter den gleichen regulatorischen Standards behandelt, die allgemein für klinische Daten gelten. Bezüglich des Bias sind wir bewusst darum bemüht, Daten aus verschiedenen Patienten-Populationen und klinischen Standorten zu trainieren, damit die Modelle nicht nur für die Demografien gut funktionieren, die in den frühen Daten am besten vertreten sind. Unterschiede zwischen Kliniken sind eine reale Variable, die wir verfolgen, da Labor-Bedingungen und Patienten-Populationen variieren. Und bezüglich der Aktualisierung klinischer KI-Systeme sicherzustellen, dass jede Modell-Aktualisierung vor der Bereitstellung validiert wird, und wir bewegen uns nicht schneller als die Beweise unterstützen. Wir bevorzugen es, richtig zu sein, anstatt zuerst zu sein.

Conceivable hat Pilot-Studien mit mehr als 100 Patienten und über 1.000 Eizellen durchgeführt. Welche klinischen Endpunkte werden am wichtigsten sein, um zu beweisen, dass die Automation die Konsistenz, Sicherheit, Embryo-Entwicklung, Schwangerschafts-Raten oder Lebend-Geburten-Raten im Vergleich zu herkömmlicher manueller IVF verbessern kann?

Mit mehr als 100 Patienten und über 1.000 Eizellen in unseren Pilot-Studien sind die Endpunkte, die am meisten zählen, diejenigen, die tatsächlich ein gesundes Ergebnis für einen Patienten vorhersagen, nicht nur Prozess-Metriken. Die Befruchtungs-Rate, die Embryo-Entwicklung zum Blastozyst, und die Euploidie-Raten sagen uns, ob die Biologie sich so verhält, wie sie sollte. Von dort aus sagen uns die Implantations- und Schwangerschafts-Raten, ob das in ein echtes Potenzial für ein Baby übersetzt wird. Die Lebend-Geburt ist der Endpunkt, der am meisten zählt, und es ist auch der langsamste, der sich ansammelt, da es Monate nach der Übertragung dauert, um zu wissen.

Was wir am meisten darauf abzielen, zu beweisen, ist die Konsistenz: dass AURA das gleiche Qualität-Ergebnis produziert, unabhängig davon, welches Labor, welcher Tag oder welche Patienten-Population es bedient. Das ist der Teil, den die manuelle IVF nie garantieren konnte, und es ist der Teil, den die Automation aufgebaut ist, um zu lösen.

C:VIT ist so konzipiert, dass es Embryonen bis zu 50 Mal schneller abkühlen kann als herkömmliche Vitrifizierungs-Methoden, während es die Cryoprotectant-Exposition standardisiert und die Bildung von Eiskristallen reduziert. Wie übersetzt sich das schnellere Abkühlen in klinisch bedeutsame Vorteile, und welche Beweise werden benötigt, um Verbesserungen in der Embryo-Überlebens-Rate, Implantations-Rate und Lebend-Geburten-Rate zu demonstrieren?

Die klinische Logik ist einfach: Langsames Abkühlen gibt Eiskristallen mehr Zeit, sich zu bilden, und Eiskristalle schädigen die Zellstruktur. Schnelleres, standardisiertes Abkühlen reduziert dieses Risiko und gibt jedem Embryo die gleiche Cryoprotectant-Exposition, anstatt einer Exposition, die variiert, je nachdem, welcher Embryologe das Verfahren durchführt und wie schnell er arbeitet.

Wir haben C:VIT entwickelt, um die Embryo-Überlebens-Rate durch den Gefrier-Tau-Zyklus zu verbessern, was das Erste und Unmittelbarste ist, das gemessen wird. Von dort aus sind die Beweise, die zählen, die Implantations- und Lebend-Geburten-Raten in Embryonen, die mit C:VIT vitrifiziert wurden, im Vergleich zu herkömmlichen Methoden. Wir bauen diese Beweise bewusst auf, durch kontrollierte Studien, bevor wir Aussagen über Ergebnisse im großen Maßstab treffen.

Conceivable betont, dass AURA automation-unterstützt ist und dass klinische Entscheidungen bei den Embryologen bleiben. Welche Entscheidungen müssen immer unter menschlicher Kontrolle bleiben, welche Sicherheitsvorkehrungen ermöglichen es einem Embryologen, das System anzuhalten oder zu übersteuern, und wie wird die Verantwortung gehandhabt, wenn eine KI-Empfehlung oder eine robotische Aktion einen Einfluss auf eine Eizelle oder einen Embryo hat?

Jede Entscheidung, die klinische Urteilsfähigkeit betrifft, ob eine Eizelle lebensfähig ist, ob ein Embryo für eine Übertragung geeignet ist, ob ein Verfahren durchgeführt werden soll, bleibt bei dem Embryologen. AURA ist automation-unterstützt. Es ist konzipiert, um physische Aufgaben mit Präzision und Konsistenz auszuführen und um alles zu markieren, was außerhalb der erwarteten Parameter liegt, aber es trifft keine klinischen Entscheidungen auf eigene Faust.

Embryologen können das System an jedem Punkt in einem Zyklus anhalten oder übersteuern, und das System ist so konzipiert, dass dies einfach zu tun ist, nicht etwas, gegen das man kämpfen muss. Bezüglich der Verantwortung wird jede Aktion, die AURA ausführt, protokolliert und mit dem Embryologen in Verbindung gebracht, der diesen Zyklus überwacht, so dass es eine klare Aufzeichnung davon gibt, was das System getan hat, was es markiert hat und welche Entscheidung ein Mensch als Reaktion darauf getroffen hat. Diese Nachverfolgbarkeit ist es, was die Verantwortung überhaupt ermöglicht.

Conceivable und IVI RMA planen, das erste AURA-System in einer US-Klinik im Jahr 2027 zu deployen. Welche regulatorischen, klinischen Validierungs-, Infrastruktur- und Arbeitsablauf-Herausforderungen müssen gelöst werden, bevor die Plattform von kontrollierten Studien in die Routine-Patienten-Versorgung übergehen kann?

Es gibt echte Arbeit vor uns auf vier Fronten. Regulatorisch: Die Arbeit mit dem FDA, um den richtigen Weg für ein System zu finden, das Robotik, Software und reproduktive Medizin kombiniert, was nicht viele Vorgänger hat. Klinische Validierung: Den Beweis aufzubauen, den man für eine US-Klinik benötigt, jenseits dessen, was Pilot-Studien zeigen können. Infrastruktur: Die physische Deployment an einer US-Klinik mit IVIRMA, was ein bedeutendes Unterfangen ist. Und Arbeitsablauf: Sicherzustellen, dass die Embryologen und das klinische Personal an diesem ersten Standort ausgebildet und vertraut mit dem System sind, bevor es die Patienten-Versorgung berührt.

Keines davon ist klein, und wir behandeln 2027 nicht als ein Datum, das wir erreichen, unabhängig davon, wo die Beweise liegen. Es ist das Datum, auf das wir hinarbeiten, wenn die Validierung es unterstützt.

Die IVF bleibt teuer, geografisch begrenzt und abhängig von einer relativ kleinen Zahl hoch qualifizierter Spezialisten. Was muss sich in der Ökonomie und im Betriebsmodell der Fertilitäts-Versorgung ändern, damit die Automation die IVF zugänglicher machen kann, und wie werden Sie messen, ob AURA die Kosten pro erfolgreicher Geburt tatsächlich reduziert?

Das Kern-Problem ist, dass die IVF von einer kleinen Zahl hoch qualifizierter Spezialisten abhängt, die manuelle Arbeit leisten, die nicht skaliert. Das ist es, was es teuer und geografisch begrenzt macht. Es ist nicht ein Mangel an Nachfrage, es ist ein Engpass in der Versorgung.

Wir haben kürzlich eine Studie ko-autorisiert, die den Kosten-Anteil pro Haushaltseinkommen in 25 Ländern untersucht, und das Muster ist deutlich. Länder, in denen die Netto-Kosten, die ein Patient zahlt, unterhalb von etwa der Hälfte des Median-Haushaltseinkommens liegen, wie Israel, Japan, Spanien, Taiwan, sehen die IVF als etwa 9 bis 12 Prozent aller Geburten. In den USA, wo die Netto-Kosten typischerweise über 75 Prozent des Haushaltseinkommens liegen, liegt diese Zahl bei etwa 2,5 Prozent. Die Erschwinglichkeit ist nicht nur ein Faktor unter vielen. Es sieht so aus, als ob sie die primäre Barriere ist. Wenn die USA ähnliche Gewinne wie in anderen Ländern sehen würden, könnte das bedeuten, dass es etwa 140.000 bis 160.000 zusätzliche Geburten pro Jahr gibt. Hinter dieser Zahl stehen Familien, die ein Kind wollen und es sich derzeit nicht leisten können, den Weg dorthin zu gehen.

Die Automation adressiert diesen Engpass direkt: Eine standardisierte Plattform kann Labore-Qualität-Präzision in mehr Standorte bringen, ohne die gleiche Konzentration von seltenen, hoch qualifizierten Talenten in jedem Klinikum zu erfordern, und weniger Zyklen pro erfolgreicher Geburt ist der Hebel, der die Kosten tatsächlich bewegt. Für die Messung, ob AURA die Kosten pro erfolgreicher Geburt tatsächlich reduziert, ist die Zahl, die zählt, nicht die Kosten pro Zyklus. Es ist die Kosten pro Lebend-Geburt, da ein billigerer Zyklus, der nicht funktioniert, nicht wirklich erschwinglicher für eine Familie ist. Wir verfolgen diese Metrik direkt, während wir skaliert werden, und wir bevorzugen es, konservativ zu sein, was wir behaupten, bis die Daten es unterstützen.

Vielen Dank für das großartige Interview. Leser, die mehr erfahren möchten, sollten Conceivable Life Sciences besuchen.