コンシーブ可能なライフサイエンスの共同創設者兼CEO、アラン・マレー – インタビューシリーズ

アラン・マレー、コンシーブ可能なライフサイエンスの共同創設者兼CEOは、技術、機械学習、ハードウェア、ロジスティクス、会社設立を含む30年以上の経験を持つエンジニアであり、シリアルエントレプレナーです。コンシーブ可能なライフサイエンスを立ち上げる前に、彼はTMRWライフサイエンスを共同創設し、体外受精（IVF）で使用される凍結卵子と胚の管理と保護のための自動化プラットフォームを開発しました。マレーはまた、コリオリスベンチャーズの共同創設者兼パートナーであり、デジタル広告、ホスピタリティ、ライフサイエンスを含むさまざまな企業を設立しました。コンシーブ可能なライフサイエンスでは、彼は戦略的リーダーであり、AURAのチーフアーキテクトとして、ロボティクス、先端イメージング、機械学習のフェルティリティ実験室ワークフローへの統合を担当しています。

コンシーブ可能なライフサイエンスは、AURAと呼ばれる自動化支援のIVF実験室を開発しているバイオテクノロジー企業です。このプラットフォームは、胚の作成、培養、保存に関わる複雑なプロセスを調整します。単一の手順を自動化するのではなく、プラットフォームはロボティクス、ソフトウェア、先端光学、人工知能、実験室機器をIVFワークフロー全体にわたって統合し、デジタル追跡可能性を維持し、胚の学者が臨床上の決定を維持できるようにします。コンシーブ可能なライフサイエンスは、この標準化されたアプローチを使用して変動性を減らし、実験室の容量を拡大し、現在高額な費用や専門家へのアクセスが限られている家族にとって、不妊治療をよりアクセスしやすく、費用対効果の高いものにしたいと考えています。

あなたは以前、TMRWライフサイエンスの共同創設者でした。そこでは、凍結卵子と胚の保存と管理に自動化を導入するのに役立ちました。その経験から、今日の不妊治療インフラストラクチャーの限界について何を学びましたか? そして、最終的に、胚の作成のより複雑な課題を自動化するために、コンシーブ可能なライフサイエンスを設立することに何が決め手となりましたか?

TMRWでは、卵子と胚が存在する場合の保存と追跡を自動化しました。これは、実際の問題を解決しました。凍結保存の連鎖的所有権は、許容できないものであり、患者にとって非常に重要です。しかし、それはまた、保存の自動化だけが解決できることの限界を示しました。IVFのボトルネックは、実際には胚が作成された後のことではありません。それは、まだ、少数の高度に訓練された胚の学者が手作業で、繰り返しの精度のタスクを行っていることです。そして、結果は、その日にピペットを持っている人によって異なります。

私がTMRWを始めたとき、不妊治療のストレージ市場はまだ、生殖医療のニッチなコーナーとして扱われていました。しかし、私はそうではありませんでした。遅れた親になることは、通常のようになってきました。より多くの人が、より早く、卵子と精子を凍結し始めました。雇用主は、不妊治療の保存を福利厚生のパッケージに追加し始めました。LGBTQ+コミュニティとシングルパーソンのコミュニティは、産業が計画していなかった規模で、卵子と精子の銀行を通じて家族を構築し始めました。すべてのことが、ストレージと追跡の問題が、予想よりもはるかに速く大きくなることを示しました。つまり、連鎖的所有権が私にとって重要な理由の1つでした。市場がそのような規模に向かっている場合、手作業による追跡と人間の記憶に頼ることはできません。ストレージと追跡の自動化は、ただ今日の仕事をより良くすることではなく、患者、サイクル、標本が指数関数的に増加するときに耐えられるインフラストラクチャを構築することについてでした。

2018年に、私はAURAの設計を最初から行い、微小流体力学からロボティクスの統合、注入技術まで、すべてを設計しました。コンシーブ可能なライフサイエンスを創設したのは、非常に単純でした。もし私たちが、製造業とロボティクスが他の精密業界に導入したのと同じ厳密さを胚の作成に導入できれば、IVFをより一貫性があり、よりアクセスしやすくすることができるということです。その問題はより難しいものでしたが、それは解決する価値のある問題でした。

AURAは、皿の準備、精子の処理、卵子の同定、顕微鏡下で精子を卵子に注入する、培養、ロボットによる輸送、ビトリフィケーションを含む200以上のステップを、相互接続されたシステムで調整します。ソフトウェア、ロボティクス、画像システム、実験室機器は、すべての卵子、精子、胚に対する追跡可能性を維持しながら、統一されたプラットフォームとしてどのように動作しますか?

AURAは、これらの200以上のステップを、個別の機械の連なりではなく、1つの連続したシステムとして実行します。ソフトウェアレイヤーがそれを可能にします。すべてのアクション、すべての画像、すべての測定は、サイクル全体を通じて、特定の卵子、精子、または胚に結び付けられます。つまり、完全なデジタルレコードが存在し、正確に何が起こったか、いつ起こったかがわかります。

その追跡可能性は、人々が軽視する部分です。従来の実験室では、その歴史の多くは、胚の学者のノートと記憶にあります。AURAでは、最初のステップから最後のステップまで、構造化されたデータであり、ロボティクス、画像、実験室機器がリアルタイムで調整できるようにし、胚の学者がサイクルのどの時点でも完全なコンテキストで介入できるようにします。

あなたの技術スタックには、精子の同定を支援するためのDetection Transformer、卵子の位置を特定するための先端イメージング、繊細な物理的手順を導くためのビジョン言語アクションモデルが含まれています。これらのモデルはどのように訓練され、どのような信号を評価し、システムはどのようにして胚の学者が介入する必要があることを決定しますか?

私たちは、コンピュータビジョンモデル（YOLOやRT-DETRを含む）を使用して、顕微鏡を焦点を合わせ、ロボットの位置を調整し、精子を同定して追跡し、卵子を特定して評価し、ICSI（精子と卵子を組み合わせて胚を創る）などの手順中にロボットを導きます。

これらのモデルは、以前のケースからキャプチャされた高解像度のラベル付き画像のライブラリを使用して訓練されています。

あなたは半導体製造や自動運転車からインスピレーションを得ています。これらの業界は、認識、計画、精密な物理的実行を組み合わせています。どのエンジニアリング原則が胚理学にうまく移植され、どの原則は生きた細胞を扱っているAURAのために再設計する必要がありましたか?

精密な製造のスケーラビリティに関するエンジニアリング原則がうまく移植されました。厳密なプロセス制御、センサフュージョン、変動性を測定して設計外とすることではなく、受け入れること。自動運転車は、認識、計画、実行がリアルタイムでどのように協調して機能する必要があるか、またシステムが何を見ているかについて自信がない場合にどのように動作する必要があるかについて、良いモデルを提供しました。

ほとんど再設計しなければならなかったのは、予期せぬ出来事への耐性でした。半導体ウェハーは毎回同じように動作します。生きた細胞はそうではありません。同じ患者からの2つの卵子は異なり、異なり、同じ手順に対して異なり、異なります。したがって、単一の「正しい」出力に向けて構築するのではなく、生物学的変動の広い範囲を認識し、正常な変動と人間が見る必要があるものを区別できるシステムを構築しなければなりませんでした。これは、チップ製造や運転とは根本的に異なるエンジニアリング問題です。

コンシーブ可能なライフサイエンスは、AURAサイクルが標準化されたプロセス情報のデータフライホイールに貢献していることを強調しています。従来の実験室では、簡単に収集できないデータです。サイクル中にどのようなデータが収集され、将来のモデルを改善するためにどのように使用できますか? 患者プライバシー、人種差別、クリニック間の違い、臨床AIシステムの更新のリスクについてはどうしていますか?

各AURAサイクルは、画像、センサデータ、タイミング、結果を含む標準化されたデータセットを生成します。これは、現在の手動IVFラボでは、プロセスの多くが体系的に記録されていないため、生成できないものです。このデータは、モデルを改善するために時間の経過とともにフィードバックされます。これは、自動化の利点の1つです。システムは、手動プロセスではできないように、ボリュームで改善されます。

プライバシーについては、患者データはモデルを訓練するために匿名化され、一般的に臨床データを規制するのと同じ規制基準に従って処理されます。偏見については、初期データで最もよく表現された人口統計に限定されず、さまざまな患者集団と臨床サイトでモデルを訓練することに注意しています。クリニック間の違いは、実験室条件と患者集団が異なるため、追跡する実際の変数です。臨床AIシステムの更新のリスクについては、証拠がそれを裏付けるまで、慎重に進めています。正しいことを優先し、最初に進むことを優先しません。

コンシーブ可能なライフサイエンスは、100人以上の患者と1000個以上の卵子を対象にパイロット研究を実施しました。AURAが一貫性、安全性、胚の発達、妊娠率、または出生率を向上させることができることを証明するために、最も重要な臨床的エンドポイントは何ですか?

100人以上の患者と1000個以上の卵子を対象にパイロット研究を実施しました。最も重要なエンドポイントは、患者にとって健康な結果を実際に予測するものであり、プロセスメトリックだけではありません。受精率、胚の発達、正倍数率は、生物学が期待どおりに機能しているかどうかを示します。その後、着床率と妊娠率は、胚が実際に子宮に着床し、妊娠を維持できるかどうかを示します。出生は、最も重要なエンドポイントであり、また最も時間がかかるものです。移植後数ヶ月経過して初めてわかります。

私たちが最も集中しているのは、一貫性の証明です。AURAは、どの実験室、どの日、どの患者集団に対していても、同じ品質の結果を生み出すということです。これは、手動IVFがこれまででできなかった部分であり、自動化が解決するために構築された部分です。

C：VITは、従来のビトリフィケーション法よりも約50倍速く胚を冷却するように設計されています。また、凍結保護剤の暴露を標準化し、氷晶の形成を減らします。より速い冷却は、臨床的に有意義な利点にどのように翻訳されますか? 胚の生存率、着床率、出生率の改善を示すために、どのような証拠が必要です?

臨床的論理は簡単です。冷却が遅いと、氷晶が形成される時間が長くなり、氷晶は細胞構造を損ないます。より速く、より標準化された冷却は、そのリスクを減らし、すべての胚が同じ凍結保護剤の暴露を受けるようにします。手順を実行する胚の学者や作業の速さによって異なりません。私たちは、C：VITを設計して、凍結・解凍サイクルを通じて胚の生存率を改善し、最初に測定するのは最も直接的なものです。その後、C：VIT法と従来の方法で凍結された胚の着床率と出生率の証拠が重要です。私たちは、慎重に、コントロールされた研究を通じて、その証拠を構築しています。スケールでの結果について主張する前に、証拠がそれを裏付けるまで、慎重に進めています。

コンシーブ可能なライフサイエンスは、AURAが自動化支援であることを強調しています。臨床上の決定は、胚の学者が行うものです。どのような決定は、必ず人間の管理下に留めなければなりませんか? どのような安全装置が、胚の学者にシステムを停止またはオーバーライドすることを可能にしますか? AIの推奨やロボットのアクションが卵子または胚に影響を与える場合、責任はどのように処理されますか?

臨床的判断に影響を与えるすべての決定、たとえば卵子が有効であるか、胚が移植に適しているか、手順を続行するかどうかは、胚の学者が行うものです。AURAは自動化支援です。物理的なタスクを精度と一貫性で実行し、予想外のパラメータをフラグするように設計されていますが、臨床的判断は行いません。

胚の学者は、サイクルのどの時点でもシステムを停止またはオーバーライドできます。システムは、インターフェースと戦う必要がないように設計されています。責任については、AURAが行うすべてのアクションがログに記録され、サイクルを監督する胚の学者に結び付けられるため、責任がとれます。システムが何を実行したか、システムが何をフラグしたか、人間が何の決定を下したかがわかります。追跡可能性が責任を可能にします。

コンシーブ可能なライフサイエンスとIVI RMAは、2027年に米国のクリニックで最初のAURAシステムを導入する予定です。プラットフォームを制御された研究から通常の患者ケアに移行させるために、どのような規制、臨床的検証、インフラストラクチャ、ワークフローの課題を解決する必要がありますか?

4つの分野で実際の作業があります。規制：ロボティクス、ソフトウェア、生殖医療を組み合わせたシステムのための適切な経路をFDAと一緒に進めます。これには、従来の道筋がないため、前例がありません。臨床的検証：米国の臨床環境で必要な規模の証拠ベースを構築することです。インフラストラクチャ：米国のクリニックで物理的な展開を立ち上げることです。これは、IVIRMAと一緒に行う大きな取り組みです。ワークフロー：最初のサイトでの胚の学者や臨床スタッフがシステムを使用する前に、トレーニングを受け、システムに慣れていることを確認することです。

これらはすべて小さなものではありません。2027年は、証拠がそれを裏付ける場合にのみ達成する日付です。それは、達成するために必要な日付ではありません。

IVFはまだ高額で、地理的に限定されており、比較的小規模な高度に訓練された専門家に依存しています。自動化がIVFをよりアクセスしやすくするために、不妊治療の経済と運用モデルがどう変わる必要がありますか? また、AURAが実際に出生ごとのコストを削減していることを判断するために、どのようにしますか?

根本的な問題は、IVFが少数の高度に訓練された専門家が手作業で行うことに依存していることです。那は、IVFを高額で地理的に限定しているのです。それは需要の欠如ではなく、供給のボトルネックです。

私たちは、25カ国の世帯収入に対する出生ごとのコストを調査する研究を共同で発表しました。パターンは明確です。患者が支払う純コストが、約半分の世帯収入以下の国では、イスラエル、日本、スペイン、台湾では、IVFは約9〜12％の出生に貢献しています。一方、米国では、純コストが通常、世帯収入の75％を超えるため、約2.5％の出生に貢献しています。費用対効果は、1つの要因の中の1つではありません。主な障害のようです。如果米国が他の国々で見られたようなIVFの増加を達成すれば、それは年間約14万から16万人の追加の出生につながる可能性があります。その数字の背後には、子供を望み、現在その道を十分に支払うことができない家族がいます。

自動化は、そのボトルネックに直接対処します。標準化されたプラットフォームは、同じ集中度の希少で高度に訓練された才能を必要とせずに、より多くの場所で実験室の精度をもたらすことができます。サイクルごとのコストは重要ではありません。生まれた子ごとのコストが重要です。効果のない安いサイクルは、家族にとって実際にはより安くはありません。私たちは、拡大するにつれてそのメトリックを直接追跡し、データがそれを裏付けるまで、慎重に進めています。正しいことを優先し、最初に進むことを優先しません。

素晴らしいインタビュー、詳細を知りたい読者はコンシーブ可能なライフサイエンスを訪問してください。