Alan Murray, Co-fundador y CEO de Conceivable Life Sciences – Serie de Entrevistas

Alan Murray, Co-fundador y CEO, Conceivable Life Sciences – es un ingeniero y empresario serial con más de tres décadas de experiencia en tecnología, aprendizaje automático, hardware, logística y creación de empresas. Antes de lanzar Conceivable, co-fundó TMRW Life Sciences, donde ayudó a desarrollar una plataforma automatizada para gestionar y proteger óvulos y embriones congelados utilizados en la fertilización in vitro (FIV). Murray también es co-fundador y socio de Coriolis Ventures y ha ayudado a establecer empresas en publicidad digital, hostelería y ciencias de la vida, incluyendo Integral Ad Science , Dstillery y NeueHouse. En Conceivable, se desempeña como líder estratégico y arquitecto jefe de AURA, supervisando la integración de la robótica, la imagen avanzada y el aprendizaje automático en los flujos de trabajo de los laboratorios de fertilidad.

Conceivable Life Sciences es una empresa de biotecnología que desarrolla AURA, un laboratorio de FIV asistido por automatización diseñado para coordinar los procesos complejos involucrados en la creación, cultivo y conservación de embriones. En lugar de automatizar un solo procedimiento, la plataforma integra la robótica, el software, la óptica avanzada, la inteligencia artificial y el equipo de laboratorio en todo el flujo de trabajo de FIV, manteniendo la trazabilidad digital y permitiendo que los embriólogos conserven el control sobre las decisiones clínicas. Conceivable pretende utilizar este enfoque estandarizado para reducir la variabilidad, ampliar la capacidad del laboratorio y hacer que el tratamiento de fertilidad sea más accesible y asequible para las familias que actualmente enfrentan altos costos o un acceso limitado a la atención especializada.

Anteriormente, fue co-fundador de TMRW Life Sciences, donde ayudó a introducir la automatización en el almacenamiento y gestión de óvulos y embriones congelados. ¿Qué le enseñó esa experiencia sobre las limitaciones de la infraestructura de fertilidad actual, y qué finalmente lo convenció de fundar Conceivable Life Sciences y abordar el desafío más complejo de automatizar la creación de embriones?

En TMRW, automatizamos cómo se almacenan y rastrean los óvulos y embriones una vez que existen. Resolvió un problema real, la cadena de custodia en la criopreservación es inflexible, y obtener eso correcto es enormemente importante para los pacientes. Pero también me mostró los límites de lo que la automatización del almacenamiento sola podría solucionar. El cuello de botella en la FIV nunca fue realmente lo que sucede después de que se crea el embrión. Es la creación del mismo. Ese trabajo todavía depende de un pequeño número de embriólogos altamente capacitados que realizan tareas manuales, repetitivas, con precisión submicrón, y el resultado varía según quién sostenga la pipeta ese día.

Cuando comencé TMRW, el mercado de almacenamiento de fertilidad todavía se trataba como un nicho en la medicina reproductiva. No lo veía de esa manera. La paternidad retrasada se estaba convirtiendo en la norma, más personas estaban congelando óvulos y esperma más temprano, los empleadores estaban comenzando a agregar la preservación de la fertilidad a los paquetes de beneficios, y las comunidades LGBTQ+ y de padres solteros estaban construyendo familias a través del banco de óvulos y esperma a una escala que la industria no había planeado. Todo eso apuntaba a un problema de almacenamiento y seguimiento que estaba a punto de crecer mucho, mucho más rápido de lo que la mayoría de las personas en el espacio anticipaban. Esa es parte de por qué la cadena de custodia me importaba tanto en TMRW. Si estás construyendo para un mercado que se dirige hacia ese tipo de escala, no puedes confiar en el seguimiento manual y la memoria humana para mantener los óvulos, el esperma y los embriones en orden. La automatización del almacenamiento y el seguimiento no solo se trataba de hacer el trabajo de hoy mejor, sino de construir infraestructura que pudiera sostenerse a medida que el número de pacientes, ciclos y especímenes creciera en una orden de magnitud.

En 2018 comencé a diseñar lo que se convirtió en AURA desde cero, desde la microfluídica hasta la integración de la robótica y la técnica de inyección. Lo que me convenció de crear Conceivable fue bastante simple: si pudiéramos traer el mismo rigor a la creación de embriones que la manufactura y la robótica han traído a otras industrias de precisión, podríamos hacer que la FIV sea más consistente y más accesible al mismo tiempo. Ese fue el problema más difícil, pero era el que valía la pena resolver.

AURA coordina más de 200 pasos en sistemas interconectados para la preparación de placas, el procesamiento de esperma, la identificación de óvulos, la inyección intracitoplasmática de esperma, la incubación, el transporte robótico y la vitrificación. ¿Cómo funcionan el software, la robótica, los sistemas de imagen y el equipo de laboratorio como una plataforma unificada mientras se mantiene la trazabilidad para cada óvulo, célula de esperma y embrión?

AURA ejecuta estos más de 200 pasos como un sistema continuo en lugar de una cadena de máquinas separadas. La capa de software es lo que hace que eso sea posible. Cada acción, cada imagen, cada medición está vinculada a un óvulo, célula de esperma o embrión específico en todo el ciclo, por lo que hay un registro digital completo de exactamente lo que sucedió y cuándo.

Esa trazabilidad es la parte que la gente subestima. En un laboratorio convencional, mucha de esa historia vive en las notas y la memoria de un embriólogo. En AURA, es datos estructurados desde el primer paso hasta el último, lo que permite que la robótica, la imagen y el equipo de laboratorio se coordinen en tiempo real y que un embriólogo pueda intervenir en cualquier punto con contexto completo, no una imagen parcial.

Su pila técnica incluye un Detector de Transformador para ayudar con la identificación de esperma, imagen avanzada para localizar óvulos y modelos de visión-lenguaje-acción diseñados para guiar procedimientos físicos delicados. ¿Cómo se entrenan estos modelos, qué señales evalúan y cómo determina el sistema cuándo un embriólogo necesita intervenir?

Usamos modelos de visión por computadora (incluyendo YOLO y RT-DETR) para: enfocar microscopios, calibrar posiciones robóticas, identificar y rastrear esperma, localizar y evaluar óvulos, y guiar la robótica durante procedimientos como la ICSI (la combinación de esperma y óvulo para crear un embrión).

Estos modelos se entrenan en una biblioteca cada vez mayor de imágenes de alta resolución etiquetadas capturadas de casos anteriores. Nuestros desafíos de ingeniería de IA incluyen lograr una inferencia de latencia ultra baja para coordinar precisamente láseres y movimientos robóticos.

Ha drawn inspiración de la fabricación de semiconductores y vehículos autónomos, industrias que combinan percepción, planificación y ejecución física precisa. ¿Qué principios de ingeniería se transfirieron con éxito a la embriología, y cuáles tuvieron que ser rediseñados porque AURA está manipulando células vivas en lugar de componentes manufacturados?

Los principios de ingeniería que se transfirieron bien fueron los relacionados con la fabricación de precisión a gran escala: control de proceso ajustado, fusión de sensores, tratar la variabilidad como algo que se debe medir y diseñar en lugar de aceptar. Los vehículos autónomos nos dieron un buen modelo para cómo la percepción, la planificación y la ejecución deben trabajar juntas en tiempo real, y cómo debe comportarse un sistema cuando no está seguro de lo que está viendo.

Lo que tuvo que ser rediseñado casi por completo fue nuestra tolerancia a lo inesperado. Un wafer de semiconductor se comporta de la misma manera cada vez. Una célula viva no. Dos óvulos del mismo paciente pueden parecer diferentes, comportarse de manera diferente y responder de manera diferente al mismo procedimiento. Así que en lugar de construir hacia una sola “salida correcta”, tuvimos que construir un sistema que pueda reconocer una amplia gama de variación biológica y que sepa la diferencia entre variación normal y algo que necesita que una persona lo examine. Ese es un problema de ingeniería fundamentalmente diferente a cualquier cosa en la fabricación de chips o conducción.

Conceivable describe cada ciclo de AURA como una contribución a una “rueda de datos” de información de proceso estandarizado que los laboratorios convencionales no pueden recopilar fácilmente. ¿Qué datos se capturan durante un ciclo, cómo pueden mejorar los modelos futuros y cómo aborda la privacidad del paciente, el sesgo demográfico, las diferencias entre clínicas y los riesgos de actualizar sistemas de IA clínicos?

Cada ciclo de AURA genera un conjunto de datos estandarizado: imágenes, datos de sensores, temporización y resultados vinculados a cada paso, en un nivel de detalle que los laboratorios de FIV manuales no producen hoy en día porque gran parte del proceso no se registra sistemáticamente. Esos datos alimentan los modelos para mejorarlos con el tiempo, lo cual es una de las ventajas reales de la automatización. El sistema mejora con el volumen de una manera que los procesos manuales no pueden.

En cuanto a la privacidad, los datos de los pacientes se desidentifican para el entrenamiento de modelos y se manejan bajo los mismos estándares regulatorios que gobiernan los datos clínicos en general. En cuanto al sesgo, somos deliberados al entrenar con datos de diferentes poblaciones de pacientes y sitios clínicos para que los modelos no solo funcionen bien para las demografías mejor representadas en los datos iniciales. Las diferencias entre clínicas son una variable real que seguimos, ya que las condiciones del laboratorio y las poblaciones de pacientes varían. Y sobre la actualización segura de los sistemas de IA clínicos, cualquier actualización de modelo pasa por validación antes de la implementación, y no nos movemos más rápido de lo que los datos respaldan en ese frente. Preferimos ser conservadores sobre lo que afirmamos hasta que los datos lo respalden.

Conceivable ha realizado estudios piloto que involucran a más de 100 pacientes y más de 1.000 óvulos. ¿Qué puntos finales clínicos serán los más importantes para demostrar que la automatización puede mejorar la consistencia, la seguridad, el desarrollo de embriones, las tasas de embarazo o los resultados de nacimiento vivo en comparación con la FIV manual convencional?

Con más de 100 pacientes y más de 1.000 óvulos en nuestro trabajo piloto, los puntos finales que importan son los que realmente predicen un resultado saludable para un paciente, no solo métricas de proceso. La tasa de fertilización, el desarrollo del embrión hasta la etapa de blastocisto y las tasas de euploidía nos dicen si la biología se está comportando como debería. A partir de ahí, las tasas de implantación y embarazo nos dicen si eso se traduce en una oportunidad real de tener un bebé. El nacimiento vivo es el punto final que más importa, y también es el más lento en acumularse, ya que lleva meses después de la transferencia saber.

Lo que más nos enfocamos en demostrar es la consistencia: que AURA produce el mismo resultado de calidad independientemente del laboratorio, del día o de la población de pacientes a la que esté sirviendo. Esa es la pieza que la FIV manual nunca ha podido garantizar, y es la pieza que la automatización está diseñada para solucionar.

C:VIT está diseñado para enfriar embriones hasta 50 veces más rápido que los métodos de vitrificación convencionales, estandarizando la exposición a crioprotectantes y reduciendo la formación de cristales de hielo. ¿Cómo se traduce un enfriamiento más rápido en beneficios clínicamente significativos, y qué evidencia se necesitará para demostrar mejoras en la supervivencia de embriones, tasas de implantación y tasas de nacimiento vivo?

La lógica clínica es directa: un enfriamiento más lento da a los cristales de hielo más tiempo para formarse, y los cristales de hielo dañan la estructura celular. Un enfriamiento más rápido y más estandarizado reduce ese riesgo y da a cada embrión la misma exposición a crioprotectantes, en lugar de una exposición que varía según qué embriólogo esté realizando el procedimiento y con qué rapidez trabaje.

Diseñamos C:VIT para mejorar la supervivencia del embrión a través del ciclo de congelación-descongelación, que es lo primero y más inmediato que medir. A partir de ahí, la evidencia que importa es la tasa de implantación y nacimiento vivo en embriones vitrificados con C:VIT en comparación con métodos convencionales. Estamos construyendo esa evidencia deliberadamente, a través de estudios controlados, antes de hacer afirmaciones sobre resultados a gran escala.

Conceivable enfatiza que AURA es asistido por automatización y que las decisiones clínicas permanecen con los embriólogos. ¿Qué decisiones deben permanecer siempre bajo control humano, qué salvaguardas permiten a un embriólogo detener o anular el sistema, y cómo se maneja la responsabilidad cuando una recomendación de IA o una acción robótica afecta un óvulo o un embrión?

Toda decisión que afecte el juicio clínico, ya sea que un óvulo sea viable, si un embrión es adecuado para la transferencia, si proceder con un procedimiento, permanece con el embriólogo. AURA es asistido por automatización. Está diseñado para ejecutar tareas físicas con precisión y consistencia, y para señalarizar cualquier cosa fuera de los parámetros esperados, pero no toma decisiones clínicas por sí solo.

Los embriólogos pueden detener o anular el sistema en cualquier punto del ciclo, y el sistema está diseñado para hacer que eso sea fácil, no algo que debas luchar contra la interfaz para hacer. En cuanto a la responsabilidad, cada acción que AURA toma está registrada y vinculada al embriólogo que supervisa ese ciclo, por lo que hay un registro claro de lo que el sistema hizo, lo que señalizó y qué decisión tomó un humano en respuesta. Esa trazabilidad es lo que hace que la responsabilidad sea posible en primer lugar.

Conceivable y IVI RMA planean desplegar el primer sistema AURA en una clínica de Estados Unidos en 2027. ¿Qué desafíos regulatorios, de validación clínica, de infraestructura y de flujo de trabajo deben resolverse antes de que la plataforma pueda pasar de estudios controlados a la atención rutinaria de pacientes?

Hay un trabajo real por delante en cuatro frentes. Regulatorio: trabajar a través del camino apropiado con la FDA para un sistema que combina robótica, software y medicina reproductiva, lo cual no tiene mucho precedente que seguir. Validación clínica: construir la base de evidencia a la escala necesaria para un entorno clínico de EE. UU., más allá de lo que los estudios piloto pueden mostrar. Infraestructura: desplegar físicamente el sistema en una clínica de EE. UU. con IVIRMA, lo cual es un esfuerzo significativo en sí mismo. Y flujo de trabajo: asegurarse de que los embriólogos y el personal clínico en ese primer sitio estén capacitados y cómodos con el sistema antes de que toque la atención del paciente.

Ninguno de esos es pequeño, y no estamos tratando 2027 como una fecha que alcanzamos independientemente de dónde aterrice la evidencia. Es la fecha hacia la que estamos trabajando cuando la validación lo respalda.

La FIV sigue siendo costosa, geográficamente limitada y dependiente de un número relativamente pequeño de especialistas altamente capacitados. ¿Qué debe cambiar en la economía y el modelo de operación de la atención de fertilidad para que la automatización haga que la FIV sea más accesible, y cómo medirá si AURA está reduciendo genuinamente el costo por nacimiento exitoso?

El problema central es que la FIV ha dependido de un número pequeño de especialistas altamente capacitados que realizan trabajo manual que no se escala. Eso es lo que la hace costosa y geográficamente limitada. No es una falta de demanda, es un cuello de botella en el suministro.

Recientemente co-autoricé un estudio que examinó el costo-hasta-bebé como una parte del ingreso de los hogares en 25 países, y el patrón es claro. Los países donde el costo neto que paga un paciente está por debajo de aproximadamente la mitad del ingreso medio de los hogares, Israel, Japón, España, Taiwán, ven que la FIV representa alrededor del 9 al 12 por ciento de todos los nacimientos. En EE. UU., donde los costos netos suelen ser superiores al 75 por ciento del ingreso de los hogares, ese número es alrededor del 2,5 por ciento. La asequibilidad no es un factor entre muchos. Parece que es la principal barrera. Si EE. UU. viera ganancias similares a las que encontró el estudio en otros lugares, eso podría significar algo en el orden de 140.000 a 160.000 nacimientos adicionales al año. Detrás de ese número están familias que quieren un hijo y no pueden pagar el camino hacia uno.

La automatización aborda directamente ese cuello de botella: una plataforma estandarizada puede traer precisión de laboratorio a más ubicaciones sin requerir la misma concentración de talento raro y altamente capacitado en cada clínica, y menos ciclos por resultado exitoso es la palanca que realmente mueve el costo. Para medir si AURA está reduciendo genuinamente el costo por nacimiento exitoso, el número que importa no es el costo por ciclo. Es el costo por nacimiento vivo, ya que un ciclo más barato que no funciona en realidad no es más asequible para una familia. Estamos rastreando esa métrica directamente a medida que escalamos, y preferimos ser conservadores sobre lo que afirmamos hasta que los datos lo respalden.

Gracias por la gran entrevista, los lectores que deseen aprender más pueden visitar Conceivable Life Sciences.