Alan Murray, Co-fondatore e CEO di Conceivable Life Sciences – Serie di interviste

Alan Murray, Co-fondatore e CEO, Conceivable Life Sciences – è un ingegnere e imprenditore seriale con oltre tre decenni di esperienza che spaziano dalla tecnologia, al machine learning, all’hardware, alla logistica e alla creazione di aziende. Prima di lanciare Conceivable, ha co-fondato TMRW Life Sciences, dove ha aiutato a sviluppare una piattaforma automatizzata per la gestione e la salvaguardia degli ovociti e degli embrioni congelati utilizzati nella fecondazione in vitro (IVF). Murray è anche co-fondatore e partner di Coriolis Ventures e ha aiutato a stabilire aziende nel settore della pubblicità digitale, dell’ospitalità e delle scienze della vita, tra cui Integral Ad Science, Dstillery e NeueHouse. In Conceivable, ricopre il ruolo di leader strategico e di architetto capo di AURA, sovraintendendo all’integrazione della robotica, dell’imaging avanzato e del machine learning nei flussi di lavoro dei laboratori di fertilità.

Conceivable Life Sciences è un’azienda biotecnologica che sviluppa AURA, un laboratorio di fecondazione in vitro assistito dall’automazione progettato per coordinare i processi complessi coinvolti nella creazione, coltivazione e conservazione degli embrioni. Piuttosto che automatizzare una singola procedura, la piattaforma integra robotica, software, ottica avanzata, intelligenza artificiale e attrezzature di laboratorio in tutto il flusso di lavoro dell’IVF, mantenendo la tracciabilità digitale e consentendo agli embriologi di conservare il controllo sulle decisioni cliniche. Conceivable mira a utilizzare questo approccio standardizzato per ridurre la variabilità, ampliare la capacità dei laboratori e rendere il trattamento della fertilità più accessibile e conveniente per le famiglie che attualmente affrontano costi elevati o un accesso limitato alle cure specialistiche.

Ha precedentemente co-fondato TMRW Life Sciences, dove ha aiutato a introdurre l’automazione nell’archiviazione e nella gestione degli ovociti e degli embrioni congelati. Cosa ha imparato da quell’esperienza sui limiti dell’attuale infrastruttura della fertilità e cosa l’ha convinto a fondare Conceivable Life Sciences e ad affrontare la sfida più complessa dell’automazione della creazione degli embrioni?

Presso TMRW, abbiamo automatizzato il modo in cui gli ovociti e gli embrioni vengono archiviati e tracciati una volta che esistono. Ha risolto un problema reale, la catena di custodia nella criopreservazione è inflessibile e ottenere quel risultato è enormemente importante per i pazienti. Ma ha anche mostrato i limiti di ciò che l’automazione dell’archiviazione da sola può risolvere. L’ostacolo nell’IVF non è mai stato realmente ciò che accade dopo la creazione dell’embrione. È la sua creazione. Quel lavoro dipende ancora da un numero limitato di embriologi altamente qualificati che eseguono compiti manuali, ripetitivi, con precisione sub-micronica a mano, e il risultato varia a seconda di chi tiene la pipetta quel giorno.

Quando ho iniziato TMRW, il mercato dell’archiviazione della fertilità era ancora considerato un angolo di nicchia della medicina riproduttiva. Io non la vedo così. La genitorialità ritardata stava diventando la norma, più persone stavano congelando ovociti e spermatozoi prima, i datori di lavoro stavano iniziando ad aggiungere la conservazione della fertilità ai pacchetti di benefici e le comunità LGBTQ+ e dei genitori single stavano costruendo famiglie attraverso la banca degli ovociti e degli spermatozoi a una scala che l’industria non aveva previsto. Tutto ciò puntava a un problema di archiviazione e tracciamento che stava per diventare molto più grande, molto più velocemente di quanto la maggior parte delle persone nel settore avesse anticipato. Questo è parte del motivo per cui la catena di custodia è stata così importante per me presso TMRW. Se stai costruendo per un mercato diretto verso quel tipo di scala, non puoi affidarti alla tracciabilità manuale e alla memoria umana per tenere dritti ovociti, spermatozoi ed embrioni. L’automazione dell’archiviazione e della tracciabilità non era solo questione di fare meglio il lavoro di oggi, ma di costruire un’infrastruttura che potesse reggere mentre il numero di pazienti, cicli e campioni cresceva di un ordine di grandezza.

Nel 2018 ho iniziato a progettare ciò che sarebbe diventato AURA fin dalle fondamenta, dalla microfluidica all’integrazione della robotica alla tecnica di iniezione. Ciò che mi ha convinto a creare Conceivable è stato abbastanza semplice: se potevamo portare la stessa rigore che la produzione e la robotica hanno portato ad altre industrie di precisione, potevamo rendere l’IVF più coerente e più accessibile allo stesso tempo. Quello era il problema più difficile, ma era quello che valeva la pena risolvere.

AURA coordina più di 200 passaggi attraverso sistemi interconnessi per la preparazione dei piatti, l’elaborazione degli spermatozoi, l’identificazione degli ovociti, l’iniezione intracitoplasmatica degli spermatozoi, l’incubazione, il trasporto robotico e la vitrificazione. Come funzionano il software, la robotica, i sistemi di imaging e le attrezzature di laboratorio come piattaforma unificata mantenendo la tracciabilità per ogni ovocita, spermatozoo e embrione?

AURA esegue questi più di 200 passaggi come un sistema continuo piuttosto che una catena di macchine separate. Il livello del software è ciò che rende possibile questo. Ogni azione, ogni immagine, ogni misura è legata a un ovocita, un spermatozoo o un embrione specifico in tutto il ciclo, quindi c’è un registro digitale completo di esattamente ciò che è accaduto e quando.

Quella tracciabilità è la parte che le persone sottovalutano. In un laboratorio convenzionale, gran parte di quella storia vive nelle note e nella memoria di un embriologo. In AURA, è dati strutturati dal primo passo all’ultimo, il che consente alla robotica, all’imaging e alle attrezzature di laboratorio di coordinarsi in tempo reale e consente a un embriologo di intervenire in qualsiasi momento con un contesto completo, non un’immagine parziale.

La sua pila tecnologica include un Detection Transformer per assistere nell’identificazione degli spermatozoi, un imaging avanzato per localizzare gli ovociti e modelli di visione-linguaggio-azione progettati per guidare procedure fisiche delicate. Come vengono addestrati questi modelli, quali segnali valutano e come il sistema determina quando un embriologo deve intervenire?

Utilizziamo modelli di visione computerizzata (inclusi YOLO e RT-DETR) per: focalizzare i microscopi, calibrare le posizioni robotiche, identificare e tracciare gli spermatozoi, localizzare e valutare gli ovociti e guidare la robotica durante procedure come l’ICSI (la combinazione di spermatozoo e ovocita per creare un embrione).

Questi modelli vengono addestrati su una libreria in costante aumento di immagini ad alta risoluzione etichettate catturate da casi precedenti. Le nostre sfide di ingegneria dell’AI includono il raggiungimento di un’inferenza a bassissima latenza per coordinare con precisione i laser e i movimenti robotici.

Ha tratto ispirazione dalla produzione di semiconduttori e dai veicoli autonomi, industrie che combinano percezione, pianificazione e esecuzione fisica precisa. Quali principi di ingegneria sono stati trasferiti con successo nell’embriologia e quali hanno dovuto essere ridisegnati perché AURA manipola cellule viventi invece di componenti manifatturati?

I principi di ingegneria che si sono trasferiti bene sono stati quelli relativi alla produzione di precisione su larga scala: controllo del processo stretto, fusione dei sensori, trattamento della variabilità come qualcosa da misurare e progettare, anziché accettarla. I veicoli autonomi ci hanno dato un buon modello per come la percezione, la pianificazione e l’esecuzione debbano lavorare insieme in tempo reale e come un sistema debba comportarsi quando non è sicuro di ciò che sta vedendo.

Ciò che ha dovuto essere ridisegnato quasi interamente è stata la nostra tolleranza per l’inaspettato. Un wafer di semiconduttore si comporta allo stesso modo ogni volta. Una cellula vivente no. Due ovociti della stessa paziente possono apparire diversi, comportarsi diversamente e rispondere diversamente alla stessa procedura. Quindi, invece di costruire verso un unico “output corretto”, abbiamo dovuto costruire un sistema che possa riconoscere una vasta gamma di variazione biologica e sappia distinguere tra variazione normale e qualcosa che richiede che una persona lo esamini. Questo è un problema di ingegneria fondamentalmente diverso da qualsiasi cosa nella produzione di chip o nella guida.

Conceivable descrive ogni ciclo AURA come un contributo a una ruota di dati di informazioni di processo standardizzato che i laboratori convenzionali non possono facilmente raccogliere. Quali dati vengono catturati durante un ciclo, come possono migliorare i modelli futuri e come state affrontando la privacy dei pazienti, la discriminazione demografica, le differenze tra cliniche e i rischi dell’aggiornamento dei sistemi di intelligenza artificiale clinica?

Ogni ciclo AURA genera un set di dati standardizzato: immagini, dati dei sensori, timing e risultati legati a ogni passaggio, in un livello di dettaglio che i laboratori di IVF manuali non producono oggi perché gran parte del processo non è registrata sistematicamente. Quei dati alimentano il miglioramento dei nostri modelli nel tempo, il che è uno dei veri vantaggi dell’automazione. Il sistema migliora con il volume in un modo che i processi manuali non possono.

Sulla privacy, i dati dei pazienti vengono de-identificati per l’addestramento dei modelli e gestiti secondo gli stessi standard regolatori che governano i dati clinici in generale. Sulla discriminazione, siamo deliberati nell’addestrare i modelli su dati provenienti da diverse popolazioni di pazienti e siti clinici in modo che i modelli non funzionino bene solo per le demografie meglio rappresentate nei dati iniziali. Le differenze tra cliniche sono una variabile reale che tracciamo, poiché le condizioni di laboratorio e le popolazioni dei pazienti variano. E sull’aggiornamento dei sistemi di intelligenza artificiale clinica in modo sicuro, ogni aggiornamento del modello passa attraverso una convalida prima della distribuzione, e non stiamo muovendoci più velocemente di quanto i dati lo supportino su questo fronte. Preferiamo essere conservativi su ciò che affermiamo fino a quando i dati lo supportano.

Conceivable ha condotto studi pilota che coinvolgono oltre 100 pazienti e oltre 1.000 ovociti. Quali endpoint clinici saranno più importanti per dimostrare che l’automazione può migliorare la coerenza, la sicurezza, lo sviluppo degli embrioni, i tassi di gravidanza o i risultati di nascita vivi rispetto all’IVF manuale convenzionale?

Con oltre 100 pazienti e oltre 1.000 ovociti nel nostro lavoro pilota, gli endpoint che contano di più sono quelli che effettivamente prevedono un esito sano per un paziente, non solo metriche di processo. Il tasso di fecondazione, lo sviluppo dell’embrione a blastocisti, e i tassi di euploidia ci dicono se la biologia si sta comportando come dovrebbe. Da lì, i tassi di impianto e di gravidanza ci dicono se questo si traduce in una vera possibilità di avere un bambino. La nascita vivente è l’endpoint che conta di più, ed è anche il più lento da accumulare, poiché richiede mesi dopo il trasferimento per sapere.

Ciò su cui siamo più concentrati a dimostrare è la coerenza: che AURA produce lo stesso risultato di qualità indipendentemente dal laboratorio, dal giorno o dalla popolazione di pazienti che serve. Questo è il pezzo che l’IVF manuale non è mai stato in grado di garantire, ed è il pezzo che l’automazione è costruita per risolvere.

C:VIT è progettato per raffreddare gli embrioni fino a 50 volte più velocemente dei metodi di vitrificazione convenzionali, standardizzando l’esposizione ai crioprotettori e riducendo la formazione di cristalli di ghiaccio. Come si traduce un raffreddamento più rapido in benefici clinicamente significativi e quali prove saranno necessarie per dimostrare miglioramenti nella sopravvivenza degli embrioni, nei tassi di impianto e di nascita vivente?

La logica clinica èstraightforward: un raffreddamento più lento dà ai cristalli di ghiaccio più tempo per formarsi, e i cristalli di ghiaccio danneggiano la struttura cellulare. Un raffreddamento più rapido e più standardizzato riduce quel rischio e dà a ogni embrione la stessa esposizione ai crioprotettori, anziché un’esposizione che varia a seconda dell’embriologo che esegue la procedura e di quanto velocemente lavora.

Abbiamo progettato C:VIT per migliorare la sopravvivenza degli embrioni attraverso il ciclo di congelamento-scongelamento, che è la prima e più immediata cosa da misurare. Da lì, le prove che contano sono i tassi di impianto e di nascita vivente degli embrioni vitrificati con C:VIT rispetto ai metodi convenzionali. Stiamo costruendo quelle prove deliberatamente, attraverso studi controllati, prima di fare affermazioni sugli esiti a larga scala.

Conceivable sottolinea che AURA è assistito dall’automazione e che le decisioni cliniche rimangono con gli embriologi. Quali decisioni devono sempre rimanere sotto il controllo umano, quali salvaguardie consentono a un embriologo di fermare o annullare il sistema e come viene gestita la responsabilità quando una raccomandazione dell’AI o un’azione robotica influisce su un ovocita o un embrione?

Ogni decisione che influisce sul giudizio clinico, se un ovocita è vitale, se un embrione è adatto per il trasferimento, se procedere con una procedura, rimane con l’embriologo. AURA è assistito dall’automazione. È progettato per eseguire compiti fisici con precisione e coerenza e per segnalare qualsiasi cosa al di fuori dei parametri attesi, ma non prende decisioni cliniche di sua iniziativa.

Le salvaguardie consentono agli embriologi di fermare o annullare il sistema in qualsiasi momento di un ciclo, e il sistema è progettato per rendere facile, non difficile, fare ciò. Per quanto riguarda la responsabilità, ogni azione di AURA è registrata e legata all’embriologo che sovraintende a quel ciclo, quindi c’è un registro chiaro di ciò che il sistema ha fatto, ciò che ha segnalato e quale decisione un essere umano ha preso in risposta. Quella tracciabilità è ciò che rende possibile la responsabilità per prima cosa.

Conceivable e IVI RMA pianificano di distribuire il primo sistema AURA in una clinica degli Stati Uniti nel 2027. Quali sfide regolamentari, di convalida clinica, di infrastruttura e di flusso di lavoro devono essere risolte prima che la piattaforma possa passare dagli studi controllati alle cure dei pazienti di routine?

C’è un vero lavoro da fare su quattro fronti. Regolamentare: lavorare attraverso il percorso appropriato con la FDA per un sistema che combina robotica, software e medicina riproduttiva, che non ha molti precedenti da seguire. Convalida clinica: costruire la base di prove alla scala necessaria per un ambiente clinico statunitense, al di là di ciò che gli studi pilota possono mostrare. Infrastruttura: istituire la distribuzione fisica in una clinica statunitense con IVIRMA, che è un’impresa significativa di per sé. E flusso di lavoro: assicurarsi che gli embriologi e lo staff clinico in quel primo sito siano formati e a loro agio con il sistema prima che tocchi le cure dei pazienti.

Nessuna di queste è piccola, e non stiamo trattando il 2027 come una data che raggiungeremo indipendentemente da dove si trova l’evidenza. È la data verso cui stiamo lavorando quando la convalida la supporta.

L’IVF rimane costoso, geograficamente limitato e dipendente da un numero relativamente piccolo di specialisti altamente formati. Cosa deve cambiare nell’economia e nel modello operativo delle cure della fertilità affinché l’automazione possa rendere l’IVF più accessibile, e come misurerete se AURA sta realmente riducendo il costo per ogni nascita vivente di successo?

Il problema fondamentale è che l’IVF ha dipeso da un numero limitato di specialisti altamente formati che eseguono lavoro manuale che non scala. Questo è ciò che lo rende costoso e geograficamente limitato. Non è una mancanza di domanda, è un collo di bottiglia nell’offerta.

Abbiamo recentemente co-autorizzato uno studio che esamina il costo-per-bambino come percentuale del reddito familiare in 25 paesi, e il modello è netto. I paesi dove il costo netto che un paziente paga è al di sotto di circa la metà del reddito familiare medio, Israele, Giappone, Spagna, Taiwan, vedono l’IVF rappresentare qualcosa come il 9-12% di tutte le nascite. Negli Stati Uniti, dove i costi netti di solito superano il 75% del reddito familiare, quel numero è di circa il 2,5%. L’accessibilità economica non è un fattore tra molti. Sembra il principale ostacolo. Se gli Stati Uniti vedessero guadagni simili a quelli che lo studio ha trovato altrove, potrebbe significare qualcosa come 140.000-160.000 nascite aggiuntive all’anno. Dietro quel numero ci sono famiglie che vogliono un bambino e non possono attualmente permettersi il percorso per averne uno.

L’automazione affronta direttamente quel collo di bottiglia: una piattaforma standardizzata può portare la precisione di laboratorio a più luoghi senza richiedere la stessa concentrazione di talento raro e altamente formato in ogni clinica, e meno cicli per ogni esito di successo è il fattore che effettivamente muove il costo. Per misurare se AURA sta realmente riducendo il costo per ogni nascita vivente, il numero che conta non è il costo per ciclo. È il costo per nascita vivente, poiché un ciclo più economico che non funziona non è effettivamente più accessibile per una famiglia. Stiamo tracciando quella metrica direttamente mentre scaliamo, e preferiamo essere conservativi su ciò che affermiamo fino a quando i dati lo supportano.

Grazie per la grande intervista, i lettori che desiderano saperne di più possono visitare Conceivable Life Sciences.