Alan Murray, Conceivable Life Sciences의 공동 창립자 및 CEO – 인터뷰 시리즈

Alan Murray, Conceivable Life Sciences의 공동 창립자 및 CEO는 기술, 기계 학습, 하드웨어, 물류 및 회사 구축 분야에서 3십년 이상의 경험을 가진 엔지니어이자 시리얼 엔트레프레너입니다. Conceivable을 설립하기 전에 그는 TMRW Life Sciences를 공동 설립하여 체외 수정(IVF)에 사용되는 동결卵과 배아의 관리 및 보관을 위한 자동화 플랫폼을 개발하는 데 도움을 주었습니다. Murray는 또한 Coriolis Ventures의 공동 창립자이자 파트너이며 디지털 광고, 호텔 业, 생명 과학을 포함한 여러 회사들을 설립하는 데 도움을 주었습니다. Conceivable에서 그는 전략적 리더이자 AURA의 최고 아키텍트로서 로봇 공학, 고급 이미지 및 기계 학습을 생식 실험실 워크플로에 통합하는 일을 담당합니다.

Conceivable Life Sciences는 AURA를 개발 중인 생명 과학 회사입니다. AURA는 체외 수정 실험실에서 복잡한 과정들을 조정하기 위한 자동화 지원 플랫폼입니다. 이 플랫폼은 로봇 공학, 소프트웨어, 고급 광학, 인공 지능 및 실험실 장비를 통합하여 동결卵과 배아의 생성,培養 및 보존을 위한 워크플로우를 제공합니다. Conceivable은 이 표준화된 접근법을 통해 가변성을 줄이고 실험실 용량을 확대하여 가임 치료를 더 많은 가족에게 접근 가능하고 경제적으로 만들고자 합니다.

이전에는 TMRW Life Sciences의 공동 창립자로 동결卵과 배아의 보관 및 관리를 자동화하는 데 기여했습니다. 그 경험은 현재의 가임 인프라의 한계를 가르쳐주었고, 더 복잡한 배아 생성 자동화 문제를 해결하기 위해 Conceivable Life Sciences를 설립하도록 설득했습니다.

TMRW에서 우리는 이미 존재하는 동결卵과 배아의 보관 및 추적을 자동화했습니다. 이는 실제 문제를 해결했으며, 체외 수정에서 체인 오브 커스토디는 매우 중요합니다. 그러나 이것은 또한 저장 자동화만으로 해결할 수 있는 한계를 보여주었습니다. 체외 수정의 병목은 실제로 배아가 만들어진 후에 발생하는 것이 아닙니다. 그것은 여전히 몇몇의 고도로 훈련된 배아학자들이 수동으로, 반복적으로, 마이크로 精度의 작업을 수행하는 것입니다.

제가 TMRW를 시작했을 때, 가임 보관 시장은 생식 의학의 일부로 간주되었습니다. 그러나 저는 그렇게 생각하지 않았습니다. 연기된 부모가 되는 것이 일반화되면서, 더 많은 사람들이 더 일찍卵과 정자를 동결하기 시작했고, 고용주는 가임 보존을福利 패키지에 추가하기 시작했습니다. 또한 LGBTQ+와 단身 부모 커뮤니티는 가임 은행을 통해 가족을 구성하기 시작했습니다. 이러한 모든 것이 가임 보관 및 추적 문제를 더 크고 빠르게 해결해야 한다는 것을 의미했습니다.

2018년에 저는 AURA를 설계하기 시작했습니다. 그것은 단순했습니다. 만약 우리가 다른 정밀 산업에서 제조와 로봇 공학이 가져온 것과 같은 엄격함을 배아 생성에 가져올 수 있다면, 우리는 체외 수정을 더 일관성 있고 더 접근 가능하게 만들 수 있을 것입니다. 그것은 더 어려운 문제였지만, 해결해야 할 문제였습니다.

AURA는 배아 생성을 위한 200개 이상의 단계를 조정합니다. 소프트웨어, 로봇 공학, 이미지 시스템 및 실험실 장비는 어떻게 통합되어 일관된 플랫폼을 제공하며, 각 배아의 추적성을 유지합니까?

AURA는 200개 이상의 단계를 하나의 연속적인 시스템으로 실행합니다. 소프트웨어 계층이 이것을 가능하게 합니다. 모든 동작, 모든 이미지, 모든 측정은 각 배아에 대한 전체 사이클에서 특정한 배아에 연결됩니다. 따라서 전체 사이클에서 정확히 무엇이 발생했는지와 언제 발생했는지에 대한 전체 디지털 기록이 있습니다.

이 추적성은 사람들이 과소평가하는 부분입니다. 전통적인 실험실에서는 많은 역사들이 배아학자의 노트와 기억에 남아 있습니다. AURA에서는 첫 번째 단계부터 마지막 단계까지 구조화된 데이터로, 이것이 로봇 공학, 이미지 및 실험실 장비가 실시간으로 조정될 수 있도록 하고, 배아학자가 언제든지 전체 맥락으로 간섭할 수 있도록 합니다.

您的 기술 스택에는 정자 식별을 위한 Detection Transformer, 난자 위치를 위한 고급 이미지, 그리고 정교한 물리적 절차를 위한 비전-언어-행동 모델이 포함됩니다. 이러한 모델은 어떻게 훈련되며, 어떤 신호를 평가하며, 시스템은 어떻게 배아학자가 개입해야 하는지 결정합니까?

우리는 컴퓨터 비전 모델(包括 YOLO 및 RT-DETR)을 사용하여: 현미경을 초점 맞추고, 로봇 위치를 조정하고, 정자를 식별하고 추적하며, 난자를 위치시키고 평가하며, ICSI와 같은 절차에서 로봇을 안내합니다.

이러한 모델은 이전 사례에서 캡처된 고해상도 레이블이미지 라이브러리에 의해 훈련됩니다. 우리의 AI 엔지니어링 도전 과제는 레이저와 로봇 동작을 정밀하게 조정하기 위한 초저지연 추론을 달성하는 것입니다.

반도체 제조 및 자율 주행 자동차 산업에서 영감을 얻었습니다. 이러한 산업에서는 인식, 계획 및 정밀한 물리적 실행이 결합됩니다. 어떤 엔지니어링 원리는 임신을 성공적으로 지원하는 데 성공적으로 적용되었으며, 어떤 것은 살아있는 세포를 조작하는 것과 제조 구성 요소를 다루는 것의 차이로 인해 다시 설계되어야 했습니까?

잘 전달된 엔지니어링 원리는 정밀 제조의 규모에 관한 것이었습니다: 엄격한 공정 제어, 센서 융합, 가변성을 측정하고 설계에서 제거하는 것입니다. 자율 주행 자동차는 실시간으로 인식, 계획 및 실행이 어떻게 함께 작동해야 하는지와 시스템이 자신이 보는 것에 대해 확신이 서지 않을 때 어떻게 작동해야 하는지에 대한 좋은 모델을 제공했습니다.

거의 완전히 다시 설계해야 했던 것은 예기치 않은 것에 대한 우리의 관용도였습니다. 반도체 웨이퍼는 항상 동일하게 작동합니다. 살아있는 세포는 그렇지 않습니다. 동일한 환자에서 나온 두 개의 난자는 다르게 보일 수 있고, 다르게 행동할 수 있으며, 동일한 절차에 대해 다르게 반응할 수 있습니다. 따라서 우리는 단일 “올바른” 출력을 향해 구축하는 대신, 생물학적 변이의 넓은 범위를 인식하고, 정상적인 변이와 사람이 보아야 하는 것을 구분할 수 있는 시스템을 구축해야 했습니다. 이것은 칩 제조 또는 운전과는 근본적으로 다른 엔지니어링 문제입니다.

Conceivable은 각 AURA 사이클이 표준화된 프로세스 정보의 데이터 플라이휠에 기여한다고 설명합니다. 어떤 데이터가 사이클 동안 수집되며, 어떻게 향후 모델을 개선할 수 있으며, 환자 개인 정보, 인구 통계적 편향, 클리닉 간의 차이, 및 임상 AI 시스템을 업데이트하는 위험을 어떻게 해결합니까?

각 AURA 사이클은 표준화된 데이터 세트를 생성합니다: 이미지, 센서 데이터, 타이밍 및 결과가 각 단계에 연결되어 있습니다. 이 데이터는 모델을 개선하는 데 도움이 됩니다. 이 시스템은 볼륨이 증가함에 따라 개선됩니다. 이것이 자동화의 실제优势입니다.

환자 데이터는 모델 훈련을 위해匿名化되고, 일반적으로 임상 데이터를 규정하는 동일한 규제 표준에 따라 처리됩니다. 편향에 대해, 우리는 데이터를 다양한 환자 인구와 임상 사이트에서 훈련하는 것을 의도적으로 수행하여, 초기 데이터에서 가장 잘 표현된 인구 통계에 대해서만 잘 수행하는 모델을 만들지 않도록 합니다. 클리닉 간의 차이는 실제 변수이며, 실험실 조건과 환자 인구가 다르기 때문에 이를 추적합니다. 또한 임상 AI 시스템을 안전하게 업데이트하기 위해, 모든 모델 업데이트는 배포 전에 검증을 거치며, 증거가 이를 지원할 때까지 더 빠르게 진행하지 않습니다. 우리는 옳은 것보다 먼저 가는 것을 선호하지 않습니다.

Conceivable은 100명 이상의 환자와 1,000개 이상의 난자를 포함하는 파일럿 연구를 수행했습니다. 일관성, 안전성, 배아 발달, 임신율 또는 출생률을 개선하기 위해 자동화가 수동 체외 수정과 비교하여 어떤 임상 종료 지점이 가장 중요합니까?

100명 이상의 환자와 1,000개 이상의 난자를 포함하는 파일럿 연구에서, 가장 중요한 종료 지점은 실제로 환자에게 건강한 결과를 예측하는 것입니다. 수정률, 배아 발달, 유사상 종자율은 생물학이 예상대로 작동하는지 알려줍니다. 그 다음 임신 및 출생률은 실제로 아기를 가질 수 있는 기회를 알려줍니다. 출생은 가장 중요한 종료 지점이지만, 가장 느리게 누적되는 것입니다.

우리가 가장 집중하는 것은 일관성입니다. AURA는 제공하는 실험실, 날짜 또는 환자 인구와 상관없이 동일한 품질의 결과를 생성하는지 여부입니다. 이것이 수동 체외 수정이 कभ도 보장하지 못한 것입니다. 이것이 자동화가 해결하기 위해 설계된 것입니다.

C:VIT는 전통적인 동결 방법보다 50배 빠르게 배아를冷却하며, 동시에 동결 보호제의 노출을 표준화하고, 얼음 결정을 형성하는 것을 줄입니다. 빠른 냉각은 임상적으로 의미 있는 이점으로 어떻게 번역되며, 배아 생존, 임신 및 출생률의 향상을 보여주기 위해 어떤 증거가 필요합니까?

임상 논리는 간단합니다. 더 느린 냉각은 얼음 결정을 형성하는 데 더 많은 시간을 제공하며, 얼음 결정을 형성하는 것은 세포 구조를 손상시킵니다. 더 빠르고 표준화된 냉각은 그 위험을 줄이고, 모든 배아에 동일한 동결 보호제를 노출시킵니다.

우리는 C:VIT를 설계하여 동결-해동 사이클을 통해 배아 생존을 개선했습니다. 그 다음에 중요한 증거는 C:VIT와 전통적인 방법으로 동결된 배아의 임신 및 출생률입니다. 우리는 이를 통제된 연구를 통해 의도적으로 구축하고 있으며, 결과에 대해 주장을 하는 것을 증거가 뒷받침할 때까지 보수적으로 접근하고자 합니다.

Conceivable은 AURA가 자동화 지원이며 임상 결정은 배아학자에게 남아 있다고 강조합니다. 어떤 결정은 항상 인간의 통제하에 있어야 합니까? 어떤 안전 장치가 배아학자가 시스템을 중지 또는 무시할 수 있게 합니까? 또한 AI 추천 또는 로봇 동작이 배아 또는 난자에 영향을 미칠 때 책임은 어떻게 처리됩니까?

임상 판단에 영향을 미치는 모든 결정은 배아학자에게 남아 있습니다. AURA는 자동화 지원입니다. 그것은 물리적 작업을 정밀하게 수행하고 예상된 매개변수 외부의 모든 것을 플래그하는 것을 설계했지만, 임상 판단은 스스로 내리지 않습니다.

배아학자는 사이클의 어느 시점에서든 시스템을 중지하거나 무시할 수 있으며, 시스템은 이를 쉽게 하도록 설계되었습니다. 책임에 대해, AURA가 취하는 모든 동작은 로그에 기록되고, 해당 사이클을 감독하는 배아학자에게 연결되어 있으므로, 시스템이 무엇을 했는지, 무엇을 플래그했는지, 인간이 어떻게 반응했는지에 대한 명확한 기록이 있습니다. 이것이 책임을 가능하게 하는 것입니다.

Conceivable과 IVI RMA는 2027년에 미국의 클리닉에서 첫 번째 AURA 시스템을 배포할 계획입니다. 플랫폼을 제어된 연구에서 일상적인 환자 치료로 이동시키기 전에 규제, 임상 검증, 인프라 및 워크플로우 도전 과제는 무엇입니까?

앞으로 네 가지 영역에서 실제 작업이 있습니다. 규제: 로봇 공학, 소프트웨어 및 생식 의학을 결합하는 시스템에 대한 적절한 경로를 FDA와 함께 작업하는 것입니다. 임상 검증: 미국 임상 환경에 필요한 규모의 증거 기지를 구축하는 것입니다. 인프라: 미국 클리닉에서 물리적 배치를 설정하는 것입니다. 워크플로우: 첫 번째 사이트의 배아학자와 임상 직원이 시스템을 사용하기 전에 훈련과 편안함을 보장하는 것입니다.

이것들은 모두 작은 작업이 아니며, 2027년을 증거가 이를 뒷받침하는 경우에만 도달하는 날짜로 다루고 있습니다.

체외 수정은 여전히 비싸고, 지리적으로 제한적이며, 상대적으로 소수의 고도로 훈련된 전문가에 의존합니다. 가임 치료를 더 많은 가족에게 접근 가능하고 경제적으로 만들기 위해 자동화가 어떤 경제적 및 운영 모델의 변화를 가져와야 합니까? 또한 AURA가 실제로 성공적인 출생 당 비용을 줄이는지 어떻게 측정합니까?

핵심 문제는 체외 수정이 소수의 고도로 훈련된 전문가가 수동 작업을 수행하는 데 의존한다는 것입니다. 이것이 비싸고 지리적으로 제한적게 만듭니다. 이는 수요 부족이 아닌 공급의 병목입니다.

우리는 최근 25개국에서 가구 소득의 일부로 성공적인 출생 당 비용을 조사한 연구를 공동으로 수행했습니다. 패턴은 뚜렷합니다. 환자가 지불하는 순 비용이 중위 가구 소득의 약 절반 이하인 국가(이스라엘, 일본, 스페인, 대만)에서는 체외 수정이 모든 출생의 약 9~12%를 차지하는 반면, 미국에서는 순 비용이 일반적으로 가구 소득의 75% 이상이므로, 체외 수정은 약 2.5%를 차지합니다. 경제성이 주요 장벽인 것으로 보입니다. 미국이 다른 국가에서 발견된 것과 유사한 이익을 볼 수 있다면, 이는 약 140,000~160,000건의 추가 출생을 의미할 수 있습니다. 이러한 숫자 뒤에는 자녀를 원하지만 현재 비용이나 전문 치료에 대한 접근성으로 인해 이를 달성할 수 없는 가족들이 있습니다.

자동화는 이 병목을 직접 해결합니다. 표준화된 플랫폼은 더 많은 위치에서 고도로 훈련된 전문가가 집중되어야 하는 것을 요구하지 않고, 실험실의 정밀성을 제공할 수 있습니다. 성공적인 출생 당 사이클이 줄어드는 것이 실제로 비용을 이동시키는 레버입니다. 성공적인 출생 당 비용이 중요합니다. 왜냐하면 더 저렴한 사이클이 작동하지 않는다면,それは 실제로 가족에게 더 저렴하지 않기 때문입니다. 우리는 이 지표를 확장하면서 직접 추적하고 있으며, 데이터가 이를 뒷받침할 때까지 우리가 주장하는 것에 대해 보수적으로 접근하고자 합니다.

감사합니다. 더 많은 정보를 원하는 독자는 Conceivable Life Sciences를 방문하십시오.