Laajentuminen uusille terveydenhuollon markkinoille: lääketieteellisen tekoälyn kasvava vaikutus

Lääketieteessä tekoäly yhdistetään useimmiten poikkeavuuksien havaitsemiseen lääketieteellisistä kuvista, tutkimustulosten analysointiin ja lääkärien auttamiseen diagnoosien tekemisessä. Viime aikoina olen kuitenkin törmännyt yhä useampiin kehitysaskeliin, jotka menevät paljon näitä sovelluksia pidemmälle ja haastavat käsityksemme siitä, mihin lääketieteellinen teknologia pystyy. Jotkin niistä ovat niin kunnianhimoisia, että niiden vaikutukset voivat ulottua paljon terveydenhuoltoa laajemmalle, vaikuttaa elämämme aivan eri osa-alueisiin ja synnyttää uusia teknologioita, liiketoimintamalleja ja jopa markkinoita, joita ei vielä ole olemassa.

Miksi harvinaissairaudet kiinnostavat yhä enemmän lääketieteen startup-yrityksiä

Yksi kiinnostavimmista aloista, joita olen viime aikoina seurannut, on lääkekehitys: uusien lääkeaineyhdisteiden etsiminen ja kehittäminen laskennallisin menetelmin ja tekoälyn avulla. DeepMindin työ AlphaFoldin parissa on edistänyt alaa merkittävästi. Sen tietokanta, jossa on yli 200 miljoonaa ennustettua proteiinirakennetta, on tarjonnut tutkijoille runsaasti tietoa mahdollisten molekyylivuorovaikutusten tutkimiseen ja avannut samalla uusia mahdollisuuksia tiettyihin sairauksiin keskittyville startup-yrityksille.

Oletetaan, että joku haluaa perustaa startup-yrityksen kehittääkseen hoidon suhteellisen harvinaiseen sairauteen, joka koskee vain pientä osaa tiettyyn ikäryhmään kuuluvista naisista. Ensimmäinen kysymys kuuluu: miksi keskittyä näin rajallisiin markkinoihin, kun voisi kehittää hoitoa paljon yleisempään sairauteen? Vaikka maailman väestö rajattaisiin tähän tiettyyn ryhmään, mahdollisia potilaita voisi silti olla tuhansia. Jos potilaiden pitäisi ottaa hoitoa päivittäin kymmenen vuoden ajan tai koko loppuelämänsä, näin suhteellisen pienikin potilasjoukko voisi muodostaa merkittävät markkinat.

Kaupallisesti kannattava lääkeyritys ei välttämättä tarvitse kymmeniä miljoonia asiakkaita. Mahdollisten markkinoiden koon arvioinnin ja todellisten tulojen saamisen välillä on tietenkin valtava ero, sillä kustannuksia aiheuttavat muun muassa tutkimus, kliiniset tutkimukset, valmistus ja viranomaishyväksyntä. Startup-yritys voi silti keskittyä yhteen sairauteen, jonka hoitoon ei ole vastattu riittävästi, ja rakentaa sen ympärille kokonaisen tutkimusohjelman.

Esimerkiksi yhdysvaltalainen bioteknologiayritys Recursion Pharmaceuticals kehittää tekoälyyn perustuvia hoitoja sairauksiin, joiden hoitoon ei ole vastattu riittävästi. Yksi sen tutkittavista lääkkeistä, REC-4881, on tarkoitettu familiaaliseen adenomatoottiseen polypoosiin, harvinaiseen perinnölliseen sairauteen, jota sairastaa arviolta 50 000 ihmistä Yhdysvalloissa ja viidessä suuressa Euroopan maassa. Yhtiö on raportoinut lupaavia tuloksia vaiheen 1b/2 tutkimuksesta, jossa potilaiden poikkeavien kudoskasvainten määrä väheni.

Virtuaalilaboratoriot uutena liiketoimintamallina

Sopivan molekyylin löytäminen tiettyyn sairauteen liittyvään proteiiniin vaikuttamiseksi on todellinen haaste. Se edellyttää valtavien kemiallisten yhdisteiden määrien seulomista, jotta löydetään yhdisteet, jotka voivat sitoutua kohdeproteiiniin, muuttaa sen toimintaa tai vaikuttaa siihen liittyviin biologisiin prosesseihin. Ratkaisevaa ei ole vain kemiallinen koostumus. Kunkin molekyylin kolmiulotteisella rakenteella on keskeinen merkitys sille, miten nämä vuorovaikutukset tapahtuvat.

Kaikkien mahdollisten yhdistelmien testaaminen fyysisessä laboratoriossa on käytännössä mahdotonta. Vaikka rahoitusta olisi runsaasti, näin monien kokeiden tekeminen kestäisi aivan liian kauan. Siksi osa tutkimusprosessista siirtyy virtuaalisiin ympäristöihin, joissa laskennalliset mallit ja simulaatiot voivat ennustaa molekyylien vuorovaikutuksia ja tunnistaa jatkotestaukseen lupaavimmat yhdisteet. Näin laboratoriossa tarvittavien kokeiden määrä vähenee, mutta ennusteet on silti vahvistettava kokeellisesti.

Näiden teknologioiden ympärille on syntymässä kokonainen ekosysteemi startup-yrityksiä, joilla on erilaisia liiketoimintamalleja. Osa rakentaa molekyylisimulaatioiden infrastruktuuria ja tarjoaa sitä lääkeyritysten ja tutkimusryhmien käyttöön. Toiset hyödyntävät olemassa olevia työkaluja kehittääkseen omia lääkeaihioitaan. Tämä on kiinnostava esimerkki siitä, miten yksi teknologinen edistysaskel voi luoda liiketoimintamahdollisuuksia markkinoiden eri tasoilla. Yritys voi rakentaa kaupallisesti menestyvän liiketoiminnan tuomatta koskaan omaa lääkettään markkinoille, jos sen teknologia osoittautuu arvokkaaksi muille kehittäjille.

Hyvä esimerkki on Isomorphic Labs, joka kehittää tekoälyteknologioita lääkekehitykseen ja molekyylien suunnitteluun. Yhtiö on solminut tutkimuskumppanuuksia Novartisin ja Eli Lillyn kanssa, ja vuonna 2025 se laajensi yhteistyötään Novartisin kanssa kattamaan uusia lääkekehitysohjelmia. Esimerkki osoittaa, että molekyylien löytämiseen ja suunnitteluun käytettävä teknologia voi itsessään olla pohjana liiketoiminnalle, jossa tehdään yhteistyötä suurten lääkeyhtiöiden kanssa.

Yksilöllinen pilleri kahdessakymmenessä minuutissa

Jotkin startup-yritykset vievät lääkekehityksen ajatusta vielä pidemmälle. Tapasin hiljattain tiimin, joka kehittää ihosyöpään liittyviä teknologioita. Tiimiä kiinnostaa sairaudelle altistavien geneettisten tekijöiden tunnistaminen sekä sen hoitomahdollisuuksien tutkiminen DNA-tasolla. Sen sijaan, että tiimi kehittäisi lääkkeen laajalle potilasryhmälle, se selvittää, voitaisiinko hoidot räätälöidä yksilön geneettisen profiilin mukaan.

Perustajat kuvailivat erityisen kunnianhimoista tulevaisuudenvisiota. Kuvittele, että menet klinikalle, annat sylkinäytteen ja laite analysoi DNA:si valmistaakseen juuri sinulle suunnitellun lääkkeen. Heidän visionsa mukaan koko prosessi voisi jonain päivänä kestää noin kaksikymmentä minuuttia ja maksaa vain 100 dollaria. Kyse on kuitenkin yhä teknologisesta tavoitteesta eikä saatavilla olevasta terveydenhuoltopalvelusta, ja sen toteuttaminen edellyttäisi valtavien tieteellisten, tuotannollisten ja sääntelyyn liittyvien haasteiden ratkaisemista.

Tällaiset keskustelut kertovat silti, kuinka paljon lääketieteen alan yrittäjien tavoitteet ovat muuttumassa. Sen sijaan, että he vain parantaisivat nykyisiä diagnostisia menetelmiä, he pohtivat, voisiko hoitojen kehittämisprosessin suunnitella kokonaan uudelleen. Minusta on kiehtovaa, miten tietotekniikan edistysaskeleet saavat perustajat tarkastelemaan uudelleen prosesseja, jotka ovat pysyneet vuosikymmeniä pitkälti muuttumattomina.

Miksi kirurgisen robotiikan startup-yritykset kehittävät usein liiketoimintaansa yritysostoa silmällä pitäen

Siinä missä laskennalliset teknologiat antavat pienille tiimeille mahdollisuuden tutkia valtavaa määrää lääkeaineiden kehittämiseen liittyviä vaihtoehtoja, kirurginen robotiikka vaatii aivan toisenlaisia resursseja. Kirurgisiin toimenpiteisiin kykenevän järjestelmän rakentaminen edellyttää pitkälle kehittynyttä konetekniikkaa, tarkkaa liikkeenohjausta, laajoja testejä ja pääsyä kliinisiin ympäristöihin. Luotettavan robottikirurgisen käsivarren kehittäminen voi kestää kymmenestä viiteentoista vuoteen, ja yksittäinen asennus voi maksaa miljoonia dollareita. Myös potentiaalinen asiakaskunta on rajallinen, ja valmistajien on tarjottava vuosien ajan huolto- ja teknistä tukea. Pienelle startup-yritykselle kirurginen robotiikka on siksi poikkeuksellisen monimutkaista ja pääomavaltaista liiketoimintaa.

Siksi jotkin tiimit rakentavat strategiansa sen varaan, että suuri lääketieteellisen teknologian yritys ostaa ne aikanaan. Niiden tavoitteena on kehittää vakuuttava teknologinen konsepti ja osoittaa sen potentiaali. Startup-yritys voi esimerkiksi rakentaa robottikäsivarren prototyypin, joka pystyy suorittamaan tiettyjä toimenpiteitä lääketieteellisellä harjoitusnukella, vaikka se ei ole läheskään valmis käytettäväksi oikealla potilaalla. Samaan aikaan tiimi pitää aktiivisesti yhteyttä sijoittajiin, osallistuu alan konferensseihin ja luo suhteita mahdollisiin yritysostajiin, kuten usein näemme työskennellessämme Scryonilla lääketieteen alan tapahtumien parissa. Pohjimmiltaan tiimit pyrkivät myymään lupauksen teknologiasta ennen kuin siitä tulee valmis tuote.

Aluksi tämä lähestymistapa tuntui minusta melko oudolta. Miksi kehittää lääkinnällisiä laitteita, jos niitä ei aio itse tuoda markkinoille? Taustalla on kuitenkin liiketaloudellinen logiikka. Pienellä tiimillä voi olla taitavia insinöörejä ja lupaava idea, mutta siltä voi puuttua vuosien testaukseen tarvittavat resurssit, pääsy sairaaloihin ja mahdollisuus valmistaa tuotteita suuressa mittakaavassa. Suuri yritys voi hankkia nämä valmiudet ostamalla startup-yrityksen suhteellisen varhaisessa vaiheessa.

Tämä strategia havainnollistaa, miten pienet tiimit ja suuret yritykset voivat täydentää toisiaan: toinen keskittyy uusien ideoiden kehittämiseen ja testaamiseen, kun taas toisella on resurssit muuttaa ne käyttökelpoisiksi lääkinnällisiksi tuotteiksi. Yrityksen koko ei myöskään välttämättä kerro, kuinka monimutkaista sen teknologian taustalla oleva työ on.

Olen nähnyt tämän omin silmin Keymakrilla toteutetuissa projekteissa, joissa olemme tehneet yhteistyötä niin pienten startup-yritysten kehittäjien kuin yhden maailman johtavista lääkinnällisten laitteiden valmistajistakin. Yrityksen koosta riippumatta näihin projekteihin kuuluu huolellista työtä algoritmien hiomiseksi, lääketieteellisten tietoaineistojen valmistelemiseksi ja merkintöjen paikkansapitävyyden varmistamiseksi kliinisiin vaatimuksiin nähden.

Alkuperäistä ideaa pidemmälle

Yritys, joka tutkii tiettyä biologista mekanismia, voi jonain päivänä kehittää teknologian, joka mullistaa täysin siihen liittymättömiäkin toimialoja. Tällä voi olla kauaskantoisia vaikutuksia aina eliniän dramaattiseen pitenemiseen ja yhteiskunnan täydelliseen muuttumiseen sellaisena kuin sen tunnemme.

Ehkä juuri tämä kiehtoo minua eniten nykyisissä lääketieteen alan startup-yrityksissä. Tekoälyn avulla pienet tiimit tarttuvat haasteisiin, joiden ratkaiseminen olisi vielä vähän aikaa sitten vaatinut suuryritysten resursseja, ja lähestyvät niitä usein odottamattomista näkökulmista. Monet näistä ideoista eivät koskaan päädy käytäntöön, mutta yrittäjien ei välttämättä tarvitse etukäteen tietää, kuinka suuret markkinat onnistunut teknologia voi lopulta synnyttää. Joskus kiinnostavimmat mahdollisuudet avautuvat vasta alkuperäisen tieteellisen ongelman ratkaisemisen jälkeen.