Ηγέτες σκέψης

Επέκταση σε νέες αγορές υγειονομικής περίθαλψης: ο αυξανόμενος αντίκτυπος της τεχνητής νοημοσύνης στην ιατρική

mm
Προσθέστε το Unite.AI στις προτιμώμενες πηγές σας στο Google

Η τεχνητή νοημοσύνη στην ιατρική συνδέεται συχνότερα με τον εντοπισμό ανωμαλιών σε ιατρικές εικόνες, την ανάλυση αποτελεσμάτων εξετάσεων και τη συνδρομή στους γιατρούς κατά τη διάγνωση. Τον τελευταίο καιρό, όμως, συναντώ όλο και περισσότερες εξελίξεις που ξεπερνούν κατά πολύ αυτές τις εφαρμογές και μας κάνουν να αναθεωρήσουμε όσα πιστεύουμε για τις δυνατότητες της ιατρικής τεχνολογίας. Ορισμένες είναι τόσο φιλόδοξες, ώστε ο πιθανός αντίκτυπός τους θα μπορούσε να επεκταθεί πολύ πέρα από την υγειονομική περίθαλψη, επηρεάζοντας εντελώς διαφορετικές πτυχές της ζωής μας και οδηγώντας στη δημιουργία νέων τεχνολογιών, επιχειρηματικών μοντέλων, ακόμη και αγορών που δεν υπάρχουν ακόμη.

Γιατί τα σπάνια νοσήματα γίνονται ελκυστικός τομέας για τις νεοφυείς επιχειρήσεις ιατρικής τεχνολογίας

Ένας από τους πιο ενδιαφέροντες τομείς που παρακολουθώ τελευταία είναι η ανακάλυψη φαρμάκων: η αναζήτηση και ανάπτυξη νέων φαρμακευτικών ενώσεων με τη χρήση υπολογιστικών μεθόδων και τεχνητής νοημοσύνης. Το έργο της DeepMind για το AlphaFold έχει συμβάλει καθοριστικά στην πρόοδο αυτού του τομέα. Η βάση δεδομένων της, με περισσότερες από 200 εκατομμύρια προβλεπόμενες πρωτεϊνικές δομές, έχει προσφέρει στους ερευνητές πληθώρα πληροφοριών για τη διερεύνηση πιθανών μοριακών αλληλεπιδράσεων, ενώ έχει δημιουργήσει και νέες ευκαιρίες για νεοφυείς επιχειρήσεις που εστιάζουν σε συγκεκριμένες ιατρικές παθήσεις.

Ας υποθέσουμε ότι κάποιος θέλει να ιδρύσει μια νεοφυή επιχείρηση για να αναπτύξει θεραπεία για ένα σχετικά σπάνιο νόσημα, το οποίο προσβάλλει μόνο ένα μικρό ποσοστό γυναικών μιας συγκεκριμένης ηλικιακής ομάδας. Το πρώτο ερώτημα είναι: γιατί να στοχεύσει σε μια τόσο περιορισμένη αγορά, όταν θα μπορούσε να ασχοληθεί με μια πολύ συχνότερη πάθηση; Ακόμη κι αν περιορίσει τον παγκόσμιο πληθυσμό σε αυτή τη συγκεκριμένη ομάδα, θα μπορούσαν και πάλι να υπάρχουν χιλιάδες πιθανοί ασθενείς. Και αν η θεραπεία απαιτεί από τους ασθενείς να λαμβάνουν καθημερινά ένα φάρμακο για δέκα χρόνια ή για το υπόλοιπο της ζωής τους, ακόμη και αυτός ο σχετικά μικρός πληθυσμός ασθενών θα μπορούσε να αντιπροσωπεύει μια σημαντική αγορά.

Μια φαρμακευτική επιχείρηση που είναι εμπορικά βιώσιμη δεν χρειάζεται απαραίτητα δεκάδες εκατομμύρια πελάτες. Βεβαίως, υπάρχει τεράστια απόσταση ανάμεσα στην εκτίμηση μιας δυνητικής αγοράς και στην επίτευξη πραγματικών εσόδων, ενώ πρέπει να συνυπολογιστούν και τα έξοδα έρευνας, κλινικών δοκιμών, παραγωγής και κανονιστικής έγκρισης. Παρ’ όλα αυτά, μια νεοφυής επιχείρηση μπορεί να εστιάσει σε ένα μόνο νόσημα για το οποίο δεν καλύπτονται επαρκώς οι ανάγκες και να αναπτύξει γύρω από αυτό ένα ολοκληρωμένο ερευνητικό πρόγραμμα.

Για παράδειγμα, η Recursion Pharmaceuticals είναι μια εταιρεία βιοτεχνολογίας με έδρα τις ΗΠΑ, η οποία αναπτύσσει θεραπείες με τη βοήθεια της τεχνητής νοημοσύνης για νοσήματα με σημαντικές ανεκπλήρωτες ιατρικές ανάγκες. Ένα από τα υπό διερεύνηση φάρμακά της, REC-4881, στοχεύει στην οικογενή αδενωματώδη πολυποδίαση, μια σπάνια κληρονομική πάθηση που εκτιμάται ότι επηρεάζει 50.000 ανθρώπους στις ΗΠΑ και σε πέντε μεγάλες ευρωπαϊκές χώρες. Η εταιρεία έχει ανακοινώσει ενθαρρυντικά αποτελέσματα από κλινική δοκιμή φάσης 1b/2, μεταξύ των οποίων και τη μείωση των μη φυσιολογικών ιστικών αναπτύξεων στους ασθενείς.

Τα εικονικά εργαστήρια ως νέο επιχειρηματικό μοντέλο

Η εύρεση ενός μορίου που μπορεί να στοχεύσει μια πρωτεΐνη η οποία σχετίζεται με συγκεκριμένη νόσο αποτελεί πραγματική πρόκληση. Απαιτείται έλεγχος τεράστιου αριθμού χημικών ενώσεων, ώστε να εντοπιστούν εκείνες που μπορούν να συνδεθούν με την πρωτεΐνη-στόχο, να μεταβάλουν τη δραστηριότητά της ή να επηρεάσουν συναφείς βιολογικές διεργασίες. Σημασία δεν έχει μόνο η χημική σύσταση. Η τρισδιάστατη δομή κάθε μορίου παίζει καθοριστικό ρόλο στον τρόπο με τον οποίο πραγματοποιούνται αυτές οι αλληλεπιδράσεις.

Είναι πρακτικά αδύνατο να δοκιμαστεί κάθε πιθανός συνδυασμός σε ένα φυσικό εργαστήριο. Ακόμη και με σημαντικούς οικονομικούς πόρους, η διεξαγωγή τόσο πολλών πειραμάτων θα απαιτούσε υπερβολικά πολύ χρόνο. Γι’ αυτό ένα μέρος της ερευνητικής διαδικασίας μεταφέρεται σε εικονικά περιβάλλοντα, όπου υπολογιστικά μοντέλα και προσομοιώσεις μπορούν να προβλέψουν τις μοριακές αλληλεπιδράσεις και να εντοπίσουν τις πιο υποσχόμενες ενώσεις για περαιτέρω δοκιμές. Η προσέγγιση αυτή μειώνει τον αριθμό των πειραμάτων που χρειάζονται στο εργαστήριο, αν και οι προβλέψεις εξακολουθούν να πρέπει να επαληθεύονται με φυσικές δοκιμές.

Γύρω από αυτές τις τεχνολογίες αναδύεται ένα ολόκληρο οικοσύστημα νεοφυών επιχειρήσεων με διαφορετικά επιχειρηματικά μοντέλα. Ορισμένες δημιουργούν υποδομές μοριακής προσομοίωσης και τις διαθέτουν σε φαρμακευτικές εταιρείες και ερευνητικές ομάδες. Άλλες αξιοποιούν υπάρχοντα εργαλεία για να αναπτύξουν τα δικά τους υποψήφια φάρμακα. Είναι ένα ενδιαφέρον παράδειγμα του πώς μια τεχνολογική εξέλιξη μπορεί να δημιουργήσει επιχειρηματικές ευκαιρίες σε πολλά επίπεδα της αγοράς. Μια εταιρεία μπορεί να αναπτύξει μια εμπορικά επιτυχημένη επιχείρηση χωρίς να κυκλοφορήσει ποτέ δικό της φάρμακο, αρκεί η τεχνολογία της να αποδειχθεί πολύτιμη για άλλους δημιουργούς φαρμάκων.

Χαρακτηριστικό παράδειγμα είναι η Isomorphic Labs, η οποία αναπτύσσει τεχνολογίες τεχνητής νοημοσύνης για την ανακάλυψη φαρμάκων και τον μοριακό σχεδιασμό. Η εταιρεία έχει συνάψει ερευνητικές συνεργασίες με τη Novartis και την Eli Lilly και, το 2025, διεύρυνε τη συνεργασία της με τη Novartis, ώστε να συμπεριλάβει πρόσθετα προγράμματα ανακάλυψης φαρμάκων. Αυτό δείχνει πώς η τεχνολογία που χρησιμοποιείται για την ανακάλυψη και τον σχεδιασμό μορίων μπορεί η ίδια να αποτελέσει τη βάση μιας επιχείρησης που συνεργάζεται με μεγάλες φαρμακευτικές εταιρείες.

Ένα εξατομικευμένο χάπι σε είκοσι λεπτά

Ορισμένες νεοφυείς επιχειρήσεις προχωρούν ακόμη περισσότερο την ιδέα της ανακάλυψης φαρμάκων. Πρόσφατα γνώρισα μια ομάδα που εργάζεται πάνω σε τεχνολογίες σχετικές με τον καρκίνο του δέρματος. Ενδιαφέρεται να εντοπίσει γενετικές προδιαθέσεις για τη νόσο και να διερευνήσει τρόπους αντιμετώπισής της σε επίπεδο DNA. Αντί να αναπτύσσει ένα φάρμακο για μια ευρεία ομάδα ασθενών, εξετάζει αν οι θεραπείες θα μπορούσαν να προσαρμόζονται στο γενετικό προφίλ κάθε ατόμου.

Οι ιδρυτές περιέγραψαν ένα ιδιαίτερα φιλόδοξο όραμα για το μέλλον. Φανταστείτε να μπαίνετε σε μια κλινική, να δίνετε δείγμα σάλιου και μια συσκευή να αναλύει το DNA σας, ώστε να παρασκευάσει ένα φάρμακο ειδικά σχεδιασμένο για εσάς. Σύμφωνα με το όραμά τους, κάποια μέρα ολόκληρη η διαδικασία θα μπορούσε να διαρκεί περίπου είκοσι λεπτά και να κοστίζει μόλις $100. Βέβαια, προς το παρόν πρόκειται για μια τεχνολογική φιλοδοξία και όχι για διαθέσιμη ιατρική υπηρεσία, ενώ για να γίνει πραγματικότητα θα πρέπει να ξεπεραστούν τεράστιες επιστημονικές, κατασκευαστικές και κανονιστικές προκλήσεις.

Ωστόσο, συζητήσεις σαν κι αυτή αποκαλύπτουν πόσο έχουν αλλάξει οι φιλοδοξίες των επιχειρηματιών στον χώρο της ιατρικής. Αντί να περιορίζονται στη βελτίωση των υφιστάμενων διαγνωστικών διαδικασιών, διερωτώνται αν θα μπορούσε να ανασχεδιαστεί ριζικά η ίδια η διαδικασία ανάπτυξης θεραπειών. Με συναρπάζει ο τρόπος με τον οποίο οι εξελίξεις στην υπολογιστική τεχνολογία ωθούν τους ιδρυτές να επανεξετάσουν διαδικασίες που έχουν παραμείνει σε μεγάλο βαθμό αμετάβλητες επί δεκαετίες.

Γιατί οι νεοφυείς επιχειρήσεις ρομποτικής χειρουργικής συχνά αναπτύσσονται με στόχο την εξαγορά

Ενώ οι υπολογιστικές τεχνολογίες επιτρέπουν σε μικρές ομάδες να διερευνούν τεράστιο πλήθος δυνατοτήτων στην ανακάλυψη φαρμάκων, η ρομποτική χειρουργική απαιτεί εντελώς διαφορετικό επίπεδο πόρων. Για την κατασκευή ενός συστήματος ικανού να εκτελεί χειρουργικές επεμβάσεις απαιτούνται προηγμένη μηχανολογική τεχνογνωσία, ακριβής έλεγχος κίνησης, εκτεταμένες δοκιμές και πρόσβαση σε κλινικά περιβάλλοντα. Η ανάπτυξη ενός αξιόπιστου ρομποτικού χειρουργικού βραχίονα μπορεί να διαρκέσει δέκα έως δεκαπέντε χρόνια, ενώ μία μόνο εγκατάσταση μπορεί να κοστίζει εκατομμύρια δολάρια. Επιπλέον, η δυνητική πελατειακή βάση είναι περιορισμένη και οι κατασκευαστές πρέπει να παρέχουν συντήρηση και τεχνική υποστήριξη επί χρόνια. Για μια μικρή νεοφυή επιχείρηση, αυτό καθιστά τη ρομποτική χειρουργική έναν εξαιρετικά σύνθετο και κεφαλαιοβόρο επιχειρηματικό κλάδο.

Γι’ αυτό ορισμένες ομάδες διαμορφώνουν τις στρατηγικές τους με γνώμονα την ενδεχόμενη εξαγορά τους από μια μεγάλη εταιρεία ιατρικής τεχνολογίας. Στόχος τους είναι να αναπτύξουν μια πειστική τεχνολογική ιδέα και να αποδείξουν τις δυνατότητές της. Για παράδειγμα, μια νεοφυής επιχείρηση μπορεί να κατασκευάσει ένα πρωτότυπο ρομποτικού βραχίονα ικανό να εκτελεί ορισμένες επεμβάσεις σε ένα ιατρικό ομοίωμα, παρότι απέχει πολύ από το να είναι έτοιμο να χρησιμοποιηθεί σε πραγματικό ασθενή. Παράλληλα, η ομάδα επιδιώκει ενεργά να προσελκύσει επενδυτές, συμμετέχει σε συνέδρια του κλάδου και αναπτύσσει σχέσεις με πιθανούς εταιρικούς αγοραστές, όπως βλέπουμε συχνά μέσα από τη συνεργασία μας με διοργανωτές ιατρικών εκδηλώσεων στη Scryon. Ουσιαστικά, προσπαθούν να πουλήσουν την υπόσχεση μιας τεχνολογίας προτού αυτή εξελιχθεί σε ολοκληρωμένο προϊόν.

Αρχικά, αυτή η προσέγγιση μου φάνηκε κάπως παράξενη. Γιατί να αναπτύσσει κανείς ιατρικό εξοπλισμό αν δεν σκοπεύει να τον διαθέσει ο ίδιος στην αγορά; Υπάρχει, όμως, επιχειρηματική λογική πίσω από αυτήν. Μια μικρή ομάδα μπορεί να διαθέτει ταλαντούχους μηχανικούς και μια πολλά υποσχόμενη ιδέα, αλλά να μην έχει τους πόρους για χρόνια δοκιμών, πρόσβαση σε νοσοκομεία και παραγωγή μεγάλης κλίμακας. Μια μεγάλη εταιρεία μπορεί να προσφέρει τις απαραίτητες υποδομές, εξαγοράζοντας τη νεοφυή επιχείρηση σε σχετικά πρώιμο στάδιο.

Αυτή η στρατηγική δείχνει πώς οι μικρές ομάδες και οι μεγάλες εταιρείες μπορούν να αλληλοσυμπληρώνονται: η μία πλευρά επικεντρώνεται στην ανάπτυξη και τη δοκιμή νέων ιδεών, ενώ η άλλη διαθέτει τους πόρους για να τις μετατρέψει σε βιώσιμα ιατρικά προϊόντα. Επίσης, το μέγεθος μιας εταιρείας δεν αντικατοπτρίζει κατ’ ανάγκη την πολυπλοκότητα της εργασίας που απαιτείται για την ανάπτυξη της τεχνολογίας της. 

Το έχω διαπιστώσει από πρώτο χέρι μέσα από έργα στη Keymakr, όπου έχουμε συνεργαστεί με προγραμματιστές, από μικρές νεοφυείς επιχειρήσεις έως έναν από τους κορυφαίους κατασκευαστές ιατρικού εξοπλισμού στον κόσμο. Ανεξάρτητα από το μέγεθος της εταιρείας, αυτά τα έργα απαιτούν επίμονη δουλειά για τη βελτίωση αλγορίθμων, την προετοιμασία ιατρικών συνόλων δεδομένων και την επαλήθευση της ακρίβειας των επισημειώσεων με βάση τις κλινικές απαιτήσεις. 

Πέρα από την αρχική ιδέα

Κάθε εταιρεία που ερευνά έναν συγκεκριμένο βιολογικό μηχανισμό μπορεί κάποια μέρα να αναπτύξει μια τεχνολογία που θα μεταμορφώσει εντελώς άσχετους κλάδους. Οι επιπτώσεις μπορεί να είναι ευρύτατες, φτάνοντας έως και σε ριζική αύξηση της μακροζωίας και σε πλήρη μεταμόρφωση της κοινωνίας όπως τη γνωρίζουμε.

Ίσως αυτό να είναι που με συναρπάζει περισσότερο στις σημερινές νεοφυείς επιχειρήσεις του ιατρικού κλάδου. Με τη βοήθεια της ΤΝ, μικρές ομάδες αναλαμβάνουν προκλήσεις που μέχρι πρόσφατα θα απαιτούσαν τους πόρους μεγάλων εταιρειών, προσεγγίζοντάς τες συχνά από απρόσμενες οπτικές γωνίες. Πολλές από αυτές τις ιδέες δεν θα εφαρμοστούν ποτέ στην πράξη, αλλά οι επιχειρηματίες δεν είναι απαραίτητο να γνωρίζουν εκ των προτέρων πόσο μεγάλη αγορά θα μπορούσε τελικά να δημιουργήσει μια επιτυχημένη τεχνολογία. Μερικές φορές, οι πιο ενδιαφέρουσες ευκαιρίες εμφανίζονται μόνο αφού επιλυθεί το αρχικό επιστημονικό πρόβλημα.

Ο Michael Abramov είναι ο ιδρυτής & Διευθύνων Σύμβουλος της Scryon, φέρνοντας πάνω από 15+ χρόνια εμπειρίας στη μηχανική λογισμικού και στα συστήματα AI υπολογιστικής όρασης για την κατασκευή εργαλείων σήμανσης επιχειρησιακού επιπέδου.

Ο Michael ξεκίνησε την καριέρα του ως μηχανικός λογισμικού και διευθυντής Έρευνας & Ανάπτυξης, δημιουργώντας κλιμακώσιμα συστήματα δεδομένων και διαχειριζόμενος διαλειτουργικές ομάδες μηχανικών. Μέχρι το 2025, υπηρέτησε ως Διευθύνων Σύμβουλος της Keymakr, μιας εταιρείας υπηρεσιών σήμανσης δεδομένων, όπου πρωτοπόρησε σε ροές εργασίας με ανθρώπινη παρέμβαση, προχωρημένα συστήματα QA και εξειδικευμένα εργαλεία για την υποστήριξη μεγάλων αναγκών δεδομένων υπολογιστικής όρασης και αυτονομίας.

Κατέχει πτυχίο B.Sc. στην Πληροφορική και έχει υπόβαθρο στη μηχανική και τις δημιουργικές τέχνες, φέρνοντας μια πολυεπιστημονική προοπτική στην επίλυση δύσκολων προβλημάτων. Ο Michael ζει στη διασταύρωση της καινοτομίας τεχνολογίας, της στρατηγικής ηγεσίας προϊόντων και του πραγματικού αντίκτυπου, προωθώντας το επόμενο όριο των αυτόνομων συστημάτων και της έξυπνης αυτοματοποίησης.