Alan Murray, Co-fondateur et PDG de Conceivable Life Sciences – Série d’entretiens

Alan Murray, Co-fondateur et PDG, Conceivable Life Sciences – est un ingénieur et entrepreneur en série avec plus de trois décennies d’expérience dans les domaines de la technologie, de l’apprentissage automatique, du matériel, de la logistique et de la création d’entreprise. Avant de lancer Conceivable, il a co-fondé TMRW Life Sciences, où il a aidé à développer une plate-forme automatisée pour la gestion et la protection des ovules et des embryons congelés utilisés dans la fécondation in vitro (FIV). Murray est également co-fondateur et associé de Coriolis Ventures et a aidé à établir des entreprises dans les domaines de la publicité numérique, de l’hôtellerie et des sciences de la vie, notamment Integral Ad Science , Dstillery et NeueHouse. Chez Conceivable, il assume les rôles de leader stratégique et d’architecte en chef d’AURA, supervisant l’intégration de la robotique, de l’imagerie avancée et de l’apprentissage automatique dans les flux de travail des laboratoires de fertilité.

Conceivable Life Sciences est une entreprise de biotechnologie qui développe AURA, un laboratoire d’IVF à l’aide de l’automatisation conçu pour coordonner les processus complexes impliqués dans la création, la culture et la conservation des embryons. Plutôt que d’automatiser une seule procédure, la plate-forme intègre la robotique, les logiciels, l’optique avancée, l’intelligence artificielle et les équipements de laboratoire dans tout le flux de travail de l’IVF, tout en maintenant une traçabilité numérique et en permettant aux embryologistes de conserver le contrôle des décisions cliniques. Conceivable vise à utiliser cette approche standardisée pour réduire la variabilité, accroître la capacité des laboratoires et rendre les traitements de fertilité plus accessibles et abordables pour les familles qui font face à des coûts élevés ou à un accès limité aux soins spécialisés.

Vous avez précédemment co-fondé TMRW Life Sciences, où vous avez aidé à introduire l’automatisation dans le stockage et la gestion des ovules et des embryons congelés. Qu’est-ce que cette expérience vous a enseigné sur les limites de l’infrastructure de fertilité actuelle, et qu’est-ce qui vous a finalement convaincu de fonder Conceivable Life Sciences et de relever le défi plus complexe de l’automatisation de la création d’embryons ?

Chez TMRW, nous avons automatisé la façon dont les ovules et les embryons sont stockés et suivis une fois qu’ils existent. Cela a résolu un véritable problème, car la chaîne de possession dans la cryoconservation est impitoyable, et obtenir cela correctement est extrêmement important pour les patients. Mais cela m’a également montré les limites de ce que l’automatisation du stockage seule pouvait résoudre. Le goulet d’étranglement dans l’IVF n’était jamais vraiment ce qui se passe après la création de l’embryon. C’est la création de l’embryon lui-même. Ce travail dépend encore d’un petit nombre d’embryologistes hautement formés effectuant des tâches manuelles, répétitives, avec une précision sub-micron, et le résultat varie en fonction de qui tient la pipette ce jour-là.

Quand j’ai lancé TMRW, le marché du stockage de la fertilité était encore considéré comme un coin de la médecine reproductive. Je ne le voyais pas ainsi. Le report de la parentalité est devenu la norme, plus de personnes gelaient des ovules et du sperme plus tôt, les employeurs commençaient à ajouter la préservation de la fertilité aux avantages sociaux, et les communautés LGBTQ+ et les parents célibataires construisaient des familles par le biais de la banque d’ovules et de sperme à une échelle que l’industrie n’avait pas prévue. Tout cela indiquait un problème de stockage et de suivi qui allait devenir beaucoup plus important, beaucoup plus vite que la plupart des gens dans l’espace anticipaient. C’est pourquoi la chaîne de possession m’a tellement importé à TMRW. Si vous construisez pour un marché qui se dirige vers ce type d’échelle, vous ne pouvez pas vous reposer sur un suivi manuel et sur la mémoire humaine pour garder les ovules, le sperme et les embryons droits. L’automatisation du stockage et du suivi n’était pas seulement une question de faire le travail d’aujourd’hui mieux, c’était de construire une infrastructure qui pourrait résister à mesure que le nombre de patients, de cycles et d’échantillons augmenterait d’un ordre de grandeur.

En 2018, j’ai commencé à concevoir ce qui allait devenir AURA, de la microfluidique à l’intégration de la robotique et à la technique d’injection. Ce qui m’a convaincu de créer Conceivable était assez simple : si nous pouvions apporter la même rigueur à la création d’embryons que la fabrication et la robotique ont apporté à d’autres industries de précision, nous pourrions rendre l’IVF plus cohérent et plus accessible en même temps. C’était le problème plus difficile, mais c’était celui qui valait la peine d’être résolu.

AURA coordonne plus de 200 étapes à travers des systèmes interconnectés pour la préparation des boîtes, le traitement du sperme, l’identification des ovules, l’injection intracytoplasmique de sperme, l’incubation, le transport robotique et la vitrification. Comment les logiciels, la robotique, les systèmes d’imagerie et les équipements de laboratoire fonctionnent-ils comme une plate-forme unifiée tout en maintenant la traçabilité pour chaque ovule, cellule de sperme et embryon ?

AURA exécute ces plus de 200 étapes comme un système continu plutôt que comme une chaîne de machines séparées. La couche logicielle est ce qui le rend possible. Chaque action, chaque image, chaque mesure est liée à un ovule, une cellule de sperme ou un embryon spécifique tout au long du cycle, il y a donc un dossier numérique complet de ce qui s’est passé et quand.

Cette traçabilité est la partie que les gens sous-estiment. Dans un laboratoire conventionnel, une grande partie de cette histoire vit dans les notes et la mémoire d’un embryologiste. Dans AURA, c’est des données structurées de la première étape à la dernière, ce qui permet à la robotique, à l’imagerie et aux équipements de laboratoire de coordonner en temps réel et permet à un embryologiste d’intervenir à tout moment avec un contexte complet, et non une image partielle.

Votre pile technique inclut un Detection Transformer pour aider à l’identification du sperme, une imagerie avancée pour localiser les ovules et des modèles de vision-langage-action conçus pour guider des procédures physiques délicates. Comment ces modèles sont-ils formés, quels signaux évaluent-ils et comment le système détermine-t-il quand un embryologiste doit intervenir ?

Nous utilisons des modèles de vision par ordinateur (y compris YOLO et RT-DETR) pour : mettre au point les microscopes, calibrer les positions robotiques, identifier et suivre les cellules de sperme, localiser et évaluer les ovules, et guider la robotique lors de procédures comme l’ICSI (la combinaison du sperme et de l’ovule pour créer un embryon).

Ces modèles sont formés sur une bibliothèque de plus en plus grande d’images haute résolution étiquetées capturées à partir de cas précédents. Nos défis d’ingénierie logicielle incluent la réalisation d’une inférence à latence ultra-basse pour coordonner avec précision les lasers et les mouvements robotiques.

Vous avez puisé votre inspiration dans la fabrication de semi-conducteurs et les véhicules autonomes, des industries qui combinent la perception, la planification et l’exécution physique précise. Quels principes d’ingénierie ont été transférés avec succès dans l’embryologie, et lesquels ont dû être réconçus parce que AURA manipule des cellules vivantes plutôt que des composants manufacturés ?

Les principes d’ingénierie qui ont été transférés avec succès étaient ceux de la fabrication de précision à grande échelle : un contrôle de processus serré, une fusion de capteurs, le traitement de la variabilité comme quelque chose à mesurer et à concevoir plutôt que d’accepter. Les véhicules autonomes nous ont donné un bon modèle pour la façon dont la perception, la planification et l’exécution doivent fonctionner ensemble en temps réel, et comment un système doit se comporter lorsqu’il n’est pas sûr de ce qu’il voit.

Ce qui a dû être réconçu presque entièrement, c’était notre tolérance à l’imprévu. Un wafer de semi-conducteur se comporte de la même manière chaque fois. Une cellule vivante ne le fait pas. Deux ovules issus du même patient peuvent avoir l’air différents, se comporter différemment et réagir différemment à la même procédure. Nous devions donc construire un système capable de reconnaître une large gamme de variations biologiques et de savoir faire la différence entre une variation normale et quelque chose qui nécessite qu’une personne l’examine. C’est un problème d’ingénierie fondamentalement différent de tout ce qui se fait dans la fabrication de puces ou la conduite.

Conceivable décrit chaque cycle AURA comme contribuant à une roue de données d’informations de processus standardisées que les laboratoires conventionnels ne peuvent pas facilement collecter. Quelles données sont capturées pendant un cycle, comment peuvent-elles améliorer les modèles futurs, et comment gérez-vous la confidentialité des patients, les préjugés démographiques, les différences entre les cliniques et les risques de mise à jour des systèmes d’IA cliniques ?

Chaque cycle AURA génère un ensemble de données standardisé : images, données de capteurs, minutage et résultats liés à chaque étape, dans un niveau de détail que les laboratoires d’IVF manuels d’aujourd’hui ne produisent pas parce que beaucoup du processus n’est pas enregistré systématiquement. Ces données alimentent les modèles à mesure que le volume augmente, ce qui est l’un des véritables avantages de l’automatisation. Le système s’améliore avec le volume d’une manière que les processus manuels ne peuvent pas.

En ce qui concerne la confidentialité, les données des patients sont désidentifiées pour la formation des modèles et traitées selon les mêmes normes réglementaires qui régissent les données cliniques en général. En ce qui concerne les préjugés, nous sommes délibérément formés sur des données provenant de différentes populations de patients et de sites cliniques afin que les modèles ne fonctionnent pas uniquement pour les démographies les mieux représentées dans les premières données. Les différences entre les cliniques sont une variable réelle que nous suivons, car les conditions de laboratoire et les populations de patients varient. Et en ce qui concerne la mise à jour sécurisée des systèmes d’IA cliniques, toute mise à jour des modèles passe par une validation avant déploiement, et nous ne progressons pas plus vite que ce que les preuves soutiennent. Nous préférons être prudents sur ce que nous affirmons jusqu’à ce que les données le soutiennent.

Conceivable a mené des études pilotes impliquant plus de 100 patients et plus de 1 000 ovules. Quels seront les points de terminaison cliniques les plus importants pour prouver que l’automatisation peut améliorer la cohérence, la sécurité, le développement de l’embryon, les taux de grossesse ou les résultats de naissance vivante par rapport à l’IVF manuel conventionnel ?

Avec plus de 100 patients et plus de 1 000 ovules dans nos travaux pilotes, les points de terminaison qui comptent le plus sont ceux qui prédissent réellement un résultat sain pour un patient, et non seulement des mesures de processus. Le taux de fécondation, le développement de l’embryon jusqu’au blastocyste et les taux d’euploïdie nous indiquent si la biologie se comporte comme elle le devrait. À partir de là, les taux d’implantation et de grossesse nous indiquent si cela se traduit par une véritable chance d’avoir un bébé. La naissance vivante est le point de terminaison qui compte le plus, et c’est également le plus lent à accumuler, car il faut des mois après le transfert pour le savoir.

Ce que nous nous concentrons le plus à prouver, c’est la cohérence : AURA produit le même résultat de qualité, quel que soit le laboratoire, le jour ou la population de patients qu’il dessert. C’est la pièce que l’IVF manuel n’a jamais pu garantir, et c’est la pièce que l’automatisation est conçue pour résoudre.

C : VIT est conçu pour refroidir les embryons jusqu’à 50 fois plus vite que les méthodes de vitrification conventionnelles tout en standardisant l’exposition aux cryoprotecteurs et en réduisant la formation de cristaux de glace. Comment un refroidissement plus rapide se traduit-il par des avantages cliniquement significatifs, et quels preuves seront nécessaires pour démontrer des améliorations de la survie de l’embryon, de l’implantation et des taux de naissance vivante ?

La logique clinique est simple : un refroidissement plus lent donne plus de temps aux cristaux de glace pour se former, et les cristaux de glace endommagent la structure cellulaire. Un refroidissement plus rapide et plus standardisé réduit ce risque et donne à chaque embryon la même exposition aux cryoprotecteurs, plutôt qu’une exposition qui varie en fonction de l’embryologiste qui effectue la procédure et de la rapidité avec laquelle il travaille.

Nous avons conçu C : VIT pour améliorer la survie de l’embryon au cours du cycle de congélation-décongélation, qui est la première chose à mesurer. À partir de là, les preuves qui comptent sont les taux d’implantation et de naissance vivante des embryons vitrifiés avec C : VIT par rapport aux méthodes conventionnelles. Nous construisons ces preuves délibérément, à travers des études contrôlées, avant de faire des déclarations sur les résultats à grande échelle.

Conceivable met l’accent sur le fait qu’AURA est une automatisation assistée et que les décisions cliniques restent entre les mains des embryologistes. Quelles décisions doivent toujours rester sous contrôle humain, quels sont les garde-fous qui permettent à un embryologiste d’arrêter ou de contourner le système, et comment la responsabilité est-elle gérée lorsque une recommandation d’IA ou une action robotique affecte un ovule ou un embryon ?

Toutes les décisions qui affectent le jugement clinique, que ce soit la viabilité d’un ovule, la convenance d’un embryon pour le transfert, la décision de procéder à une procédure, restent entre les mains de l’embryologiste. AURA est une automatisation assistée. Il est conçu pour exécuter des tâches physiques avec précision et cohérence et pour signaler tout ce qui se trouve en dehors des paramètres attendus, mais il ne prend pas de décisions cliniques de son propre chef.

Les embryologistes peuvent arrêter ou contourner le système à tout moment d’un cycle, et le système est conçu pour faciliter cela, et non pour que l’interface doive être combattue. En ce qui concerne la responsabilité, chaque action qu’AURA entreprend est consignée et liée à l’embryologiste qui supervise ce cycle, il y a donc un dossier clair de ce que le système a fait, de ce qu’il a signalé et de la décision que l’humain a prise en réponse. Cette traçabilité est ce qui rend la responsabilité possible en premier lieu.

Conceivable et IVI RMA prévoient de déployer le premier système AURA dans une clinique américaine en 2027. Quels sont les défis réglementaires, de validation clinique, d’infrastructure et de flux de travail qui doivent être résolus avant que la plate-forme ne puisse passer des études contrôlées à des soins de patients réguliers ?

Il y a un véritable travail à faire sur quatre fronts. Réglementaire : travailler avec la voie appropriée de la FDA pour un système qui combine la robotique, les logiciels et la médecine reproductive, ce qui n’a pas beaucoup de précédent à suivre. Validation clinique : construire la base de preuves à l’échelle nécessaire pour un environnement clinique américain, au-delà de ce que les études pilotes peuvent montrer. Infrastructure : déployer physiquement le système dans une clinique américaine avec IVIRMA, ce qui est une entreprise importante en soi. Et flux de travail : s’assurer que les embryologistes et le personnel clinique de ce premier site sont formés et à l’aise avec le système avant qu’il ne touche aux soins de patients.

Aucun de ceux-ci n’est petit, et nous ne traitons pas 2027 comme une date que nous devons atteindre quel que soit où se situent les preuves. C’est la date que nous visons lorsque la validation le soutient.

L’IVF reste coûteux, géographiquement limité et dépendant d’un nombre relativement faible de spécialistes hautement formés. Qu’est-ce qui doit changer dans l’économie et le modèle opérationnel des soins de fertilité pour que l’automatisation rende l’IVF plus accessible, et comment allez-vous mesurer si AURA réduit réellement le coût par naissance vivante réussie ?

Le problème fondamental est que l’IVF a dépendu d’un petit nombre de spécialistes hautement formés effectuant des tâches manuelles qui ne sont pas évolutives. C’est ce qui le rend coûteux et géographiquement limité. Ce n’est pas un manque de demande, c’est un goulet d’étranglement dans l’offre.

Nous avons récemment co-écrit une étude examinant le coût de l’enfant en pourcentage du revenu des ménages dans 25 pays, et le modèle est frappant. Les pays où le coût net que le patient paie est inférieur à environ la moitié du revenu médian des ménages, Israël, le Japon, l’Espagne, Taïwan, voient l’IVF représenter environ 9 à 12 pour cent de toutes les naissances. Aux États-Unis, où les coûts nets sont généralement supérieurs à 75 pour cent du revenu des ménages, ce chiffre est d’environ 2,5 pour cent. L’abordabilité n’est pas un facteur parmi d’autres. Il semble que ce soit la principale barrière. Si les États-Unis connaissaient des gains similaires à ceux que l’étude a trouvés ailleurs, cela pourrait signifier quelque chose comme 140 000 à 160 000 naissances supplémentaires par an. Derrière ce chiffre se trouvent des familles qui veulent un enfant et ne peuvent pas actuellement se le permettre.

L’automatisation résout directement ce goulet d’étranglement : une plate-forme standardisée peut apporter une précision de laboratoire à plus d’endroits sans exiger la même concentration de talents rares et hautement formés dans chaque clinique, et moins de cycles par résultat réussi est le levier qui déplace réellement le coût. Pour mesurer si AURA réduit réellement le coût par naissance vivante, le chiffre qui compte n’est pas le coût par cycle. C’est le coût par naissance vivante, puisque un cycle moins cher qui ne fonctionne pas n’est pas réellement plus abordable pour une famille. Nous suivons ce chiffre directement à mesure que nous nous développons, et nous préférons être prudents sur ce que nous affirmons jusqu’à ce que les données le soutiennent.

Je vous remercie pour cette grande interview, les lecteurs qui souhaitent en savoir plus peuvent visiter Conceivable Life Sciences.