Alan Murray, mede-oprichter en CEO van Conceivable Life Sciences – Interview Serie

Alan Murray, mede-oprichter en CEO, Conceivable Life Sciences – is een ingenieur en seriële ondernemer met meer dan drie decennia ervaring in technologie, machine learning, hardware, logistiek en bedrijfsopbouw. Voordat hij Conceivable lanceerde, was hij mede-oprichter van TMRW Life Sciences, waar hij hielp bij de ontwikkeling van een geautomatiseerd platform voor het beheer en de bewaring van bevroren eicellen en embryo’s die worden gebruikt bij in vitro fertilisatie (IVF). Murray is ook mede-oprichter en partner bij Coriolis Ventures en heeft geholpen bij de oprichting van bedrijven in digitale reclame, hospitality en life sciences, waaronder Integral Ad Science , Dstillery en NeueHouse. Bij Conceivable fungeert hij als zowel strategisch leider als hoofdarchitect van AURA, waarbij hij toezicht houdt op de integratie van robotica, geavanceerde beeldvorming en machine learning in fertiliteitslaboratoriumwerkprocessen.

Conceivable Life Sciences is een biotechnologiebedrijf dat AURA ontwikkelt, een geautomatiseerd IVF-laboratorium dat is ontworpen om de complexe processen bij het creëren, kweken en bewaren van embryo’s te coördineren. In plaats van één procedure te automatiseren, integreert het platform robotica, software, geavanceerde optica, kunstmatige intelligentie en laboratoriumapparatuur in de IVF-werkstroom, terwijl het digitale spoorbaarheid behoudt en embryologen in staat stelt om de controle over klinische beslissingen te behouden. Conceivable streeft ernaar om met deze gestandaardiseerde aanpak variabiliteit te verminderen, laboratoriumcapaciteit uit te breiden en fertiliteitsbehandelingen toegankelijker en betaalbaarder te maken voor gezinnen die momenteel hoge kosten of beperkte toegang tot specialistische zorg hebben.

U was eerder mede-oprichter van TMRW Life Sciences, waar u hielp bij het introduceren van automatisering in de opslag en het beheer van bevroren eicellen en embryo’s. Wat heeft die ervaring u geleerd over de beperkingen van de huidige fertiliteitsinfrastructuur, en wat heeft u uiteindelijk overtuigd om Conceivable Life Sciences op te richten en de meer complexe uitdaging aan te pakken van het automatiseren van embryocreatie?

Bij TMRW hebben we geautomatiseerd hoe eicellen en embryo’s worden opgeslagen en getrackt zodra ze bestaan. Dat lost een echt probleem op, de keten van bewaring in cryopreservatie is onvergeeflijk, en het krijgen van dat recht is enorm belangrijk voor patiënten. Maar het heeft me ook laten zien wat de beperkingen zijn van wat alleen opslagautomatisering kan oplossen. De bottleneck in IVF was nooit echt wat er gebeurt nadat het embryo is gemaakt. Het is het maken ervan. Dat werk is nog steeds afhankelijk van een klein aantal hoogopgeleide embryologen die handmatige, repetitieve, sub-micron precisietaken uitvoeren, en het resultaat varieert per persoon die de pipet die dag vasthoudt.

Toen ik TMRW startte, werd de fertiliteitsopslagmarkt nog steeds behandeld als een nichehoek van de reproductieve geneeskunde. Ik zag het niet zo. Vertraagde ouderschap werd de norm, meer mensen vroren eicellen en sperma eerder in, werkgevers begonnen fertiliteitsbehoud toe te voegen aan de voordelenpakketten, en de LGBTQ+- en alleenstaande oudersgemeenschappen bouwden gezinnen op door middel van eicel- en spermbanken op een schaal die de industrie niet had voorzien. Dat alles wees op een opslag- en traceerprobleem dat veel groter en sneller zou worden dan de meeste mensen in de branche hadden voorzien. Dat is deels waarom de keten van bewaring zo belangrijk voor me was bij TMRW. Als je een markt aan het bouwen bent die op weg is naar die soort schaal, kun je niet vertrouwen op handmatige tracking en menselijke herinnering om eicellen, sperma en embryo’s recht te houden. Het automatiseren van opslag en tracking was niet alleen maar doen wat er vandaag gebeurt, maar het was ook het bouwen van infrastructuur die kon omgaan met de toename van het aantal patiënten, cycli en monsters met een orde van grootte.

In 2018 begon ik met het ontwerpen van wat AURA werd, van microfluidica tot robotintegratie tot injectietechniek. Wat me overtuigde om Conceivable te creëren, was vrij eenvoudig: als we dezelfde rigor konden brengen naar embryocreatie die de fabricage en robotica hebben gebracht naar andere precisie-industrieën, konden we IVF meer consistent en toegankelijker maken tegelijk. Dat was het moeilijkere probleem, maar het was het probleem dat het oplossen waard was.

AURA coördineert meer dan 200 stappen over verbonden systemen voor schotelvoorbereiding, zaadverwerking, eicelidentificatie, intracytoplasmatische zaadinjectie, incubatie, robotische transport en vitrificatie. Hoe werken de software, robotica, beeldvormingssystemen en laboratoriumapparatuur samen als een geïntegreerd platform, terwijl ze spoorbaarheid behouden voor elke eicel, zaadcel en embryo?

AURA voert deze meer dan 200 stappen uit als één continu systeem in plaats van een keten van afzonderlijke machines. De softwarelaag is wat dat mogelijk maakt. Elke actie, elk beeld, elke meting is gekoppeld aan een specifieke eicel, zaadcel of embryo gedurende de hele cyclus, zodat er een volledig digitaal record is van wat er gebeurt en wanneer.

Die spoorbaarheid is het deel dat mensen onderschatten. In een conventioneel laboratorium leeft veel van die geschiedenis in de notities en herinneringen van een embryoloog. In AURA is het gestructureerde gegevens van de eerste stap tot de laatste, wat het mogelijk maakt voor de robotica, beeldvorming en laboratoriumapparatuur om in real-time te coördineren en een embryoloog om op elk moment in te grijpen met volledige context, niet een gedeeltelijk beeld.

Uw technische stack omvat een Detection Transformer om zaadidentificatie te ondersteunen, geavanceerde beeldvorming voor het lokaliseren van eicellen en visie-taal-actiemodellen die zijn ontworpen om delicate fysieke procedures te leiden. Hoe worden deze modellen getraind, welke signalen worden geëvalueerd en hoe bepaalt het systeem wanneer een embryoloog moet ingrijpen?

We gebruiken computer vision-modellen (inclusief YOLO en RT-DETR) om: microscopen te focussen, robotposities te kalibreren, zaadcellen te identificeren en te volgen, eicellen te lokaliseren en te beoordelen, en om de robotica tijdens procedures zoals ICSI (de combinatie van zaad en eicel om een embryo te creëren) te leiden.

Deze modellen worden getraind op een steeds groter wordende bibliotheek van hoogwaardige gelabelde beelden die zijn vastgelegd uit eerdere gevallen.

U heeft inspiratie geput uit de halfgeleiderfabricage en autonome voertuigen, industrieën die perceptie, planning en precieze fysieke uitvoering combineren. Welke ingenieursprincipes werden met succes overgebracht naar embryologie, en welke moesten opnieuw worden ontworpen omdat AURA levende cellen manipuleert in plaats van gefabriceerde componenten?

De ingenieursprincipes die goed overgedragen werden, waren die rond precisiefabricage op grote schaal: strakke procescontrole, sensorfusie, het behandelen van variabiliteit als iets dat moet worden gemeten en ontworpen in plaats van geaccepteerd. Autonome voertuigen gaven ons een goed model voor hoe perceptie, planning en uitvoering samen moeten werken in real-time, en hoe een systeem moet gedragen als het niet zeker is over wat het ziet.

Wat bijna helemaal opnieuw moest worden ontworpen, was onze tolerantie voor het onverwachte. Een halfgeleiderwafer gedraagt zich hetzelfde elke keer. Een levende cel doet dat niet. Twee eicellen van dezelfde patiënt kunnen er anders uitzien, zich anders gedragen en anders reageren op dezelfde procedure. Dus in plaats van te bouwen naar één “juist” resultaat, moesten we een systeem bouwen dat een breed scala aan biologische variatie kan herkennen en het verschil kan zien tussen normale variatie en iets dat een persoon moet bekijken. Dat is een fundamenteel ander ingenieursprobleem dan alles in chipfabricage of rijden.

Conceivable beschrijft elke AURA-cyclus als een bijdrage aan een gegevensvliegwiel van gestandaardiseerde procesinformatie die conventionele laboratoria niet gemakkelijk kunnen verzamelen. Welke gegevens worden tijdens een cyclus verzameld, hoe kunnen ze toekomstige modellen verbeteren, en hoe gaat u om met patiëntengegevens, demografische bias, verschillen tussen klinieken en de risico’s van het updaten van klinische AI-systemen?

Elke AURA-cyclus genereert een gestandaardiseerd dataset: beelden, sensordata, timing en resultaten gekoppeld aan elke stap, in een niveau van detail dat handmatige IVF-laboratoria vandaag de dag niet produceren omdat zo veel van het proces niet systematisch wordt opgenomen. Die gegevens voeden de modellen die in de loop van de tijd worden verbeterd, wat een van de echte voordelen van automatisering is. Het systeem wordt beter met volume op een manier die handmatige processen niet kunnen.

Wat betreft patiëntengegevens, worden deze geanonimiseerd voor modeltraining en afgehandeld onder dezelfde regelgevende normen die klinische gegevens in het algemeen regelen. Wat betreft bias, zijn we bewust bezig met het trainen van gegevens uit verschillende patiëntpopulaties en klinische sites, zodat de modellen niet alleen goed presteren voor de demografie die het beste wordt vertegenwoordigd in de vroege gegevens. Verschillen tussen klinieken zijn een echte variabele die we volgen, omdat laboratoriumomstandigheden en patiëntpopulaties variëren. En wat betreft het updaten van klinische AI-systemen op een veilige manier, gaat elke modelupdate door validatie voordat deze wordt geïmplementeerd, en we gaan niet sneller dan de bewijsvoering ondersteunt op dat punt. We geven de voorkeur aan correct zijn boven het eerste zijn.

Conceivable heeft pilotstudies uitgevoerd met meer dan 100 patiënten en meer dan 1.000 eicellen. Welke klinische eindpunten zullen het meest belangrijk zijn bij het aantonen dat automatisering de consistentie, veiligheid, embryontwikkeling, zwangerschapspercentages of levendgeboren uitkomsten kan verbeteren in vergelijking met conventionele handmatige IVF?

Met meer dan 100 patiënten en meer dan 1.000 eicellen in onze pilotstudies, zijn de eindpunten die het meest tellen, die welke daadwerkelijk een gezond resultaat voor een patiënt voorspellen, niet alleen procesmetrieken. Bevruchtingspercentage, embryontwikkeling tot blastocyst, en euploidypercentages vertellen ons of de biologie zich gedraagt zoals het zou moeten. Van daaruit vertellen implantatie- en zwangerschapspercentages ons of dat zich vertaalt in een echte kans op een baby. Levendgeboren is het eindpunt dat het meest telt, en het is ook het langzaamst om te accumuleren, omdat het maanden na transfer duurt om te weten.

Wat we het meest gefocust zijn op het aantonen, is consistentie: dat AURA hetzelfde kwaliteitsresultaat produceert, ongeacht welk laboratorium, welke dag of welke patiëntpopulatie het dient. Dat is het stuk dat handmatige IVF nooit heeft kunnen garanderen, en het is het stuk waarvoor automatisering is gebouwd.

C:VIT is ontworpen om embryo’s tot 50 keer sneller af te koelen dan conventionele vitrificatiemethoden, terwijl het cryoprotectant-expositie standaardiseert en ijskristalvorming vermindert. Hoe vertaalt snellere afkoeling zich in klinisch significante voordelen, en welk bewijs is nodig om verbeteringen aan te tonen in embryolevensduur, implantatie- en levendgeboren percentages?

De klinische logica is rechttoe rechtaan: langzamere afkoeling geeft ijskristallen meer tijd om te vormen, en ijskristallen beschadigen celstructuur. Snellere, meer gestandaardiseerde afkoeling vermindert dat risico en geeft elk embryo dezelfde cryoprotectant-expositie, in plaats van expositie die varieert per embryoloog die de procedure uitvoert en hoe snel hij werkt.

We hebben C:VIT ontworpen om embryolevensduur te verbeteren door de vries-dooicyclus, wat het eerste en meest directe ding is om te meten. Van daaruit is het bewijs dat ertoe doet implantatie- en levendgeboren percentages in embryo’s die met C:VIT zijn vitrificeerd in vergelijking met conventionele methoden. We bouwen dat bewijs opzettelijk op, via gecontroleerde studies, voordat we claims doen over resultaten op grote schaal.

Conceivable benadrukt dat AURA automatiseringsondersteund is en dat klinische beslissingen bij embryologen blijven. Welke beslissingen moeten altijd onder menselijke controle blijven, welke waarborgen laten een embryoloog toe om het systeem te stoppen of te overschrijven, en hoe wordt aansprakelijkheid afgehandeld wanneer een AI-aanbeveling of robotische actie een eicel of embryo beïnvloedt?

Elke beslissing die klinische oordeel beïnvloedt, of een eicel levensvatbaar is, of een embryo geschikt is voor transfer, of om door te gaan met een procedure, blijft bij de embryoloog. AURA is automatiseringsondersteund. Het is ontworpen om fysieke taken met precisie en consistentie uit te voeren en om iets aan te geven dat buiten de verwachte parameters valt, maar het neemt geen klinische beslissingen op zichzelf.

Embryologen kunnen het systeem op elk moment in een cyclus stoppen of overschrijven, en het systeem is ontworpen om dat gemakkelijk te maken, niet iets waar je tegen moet vechten om te doen. Wat betreft aansprakelijkheid, elke actie die AURA uitvoert, wordt gelogd en gekoppeld aan de embryoloog die de cyclus begeleidt, zodat er een duidelijk record is van wat het systeem deed, wat het aangaf en welke beslissing een mens nam in reactie. Die spoorbaarheid is wat aansprakelijkheid mogelijk maakt in de eerste plaats.

Conceivable en IVI RMA plannen om het eerste AURA-systeem in 2027 te implementeren in een Amerikaanse kliniek. Welke regelgevende, klinische validatie-, infrastructuur- en workflow-uitdagingen moeten worden aangepakt voordat het platform kan worden overgezet van gecontroleerde studies naar routinematige patiëntenzorg?

Er is echt werk aan de winkel op vier fronten. Regelgeving: werken aan de juiste procedure met de FDA voor een systeem dat robotica, software en reproductieve geneeskunde combineert, wat niet veel precedenten heeft om te volgen. Klinische validatie: het opbouwen van de bewijsbasis op de schaal die nodig is voor een Amerikaanse klinische setting, voorbij wat pilotstudies kunnen laten zien. Infrastructuur: het opzetten van de fysieke implementatie in een Amerikaanse kliniek met IVIRMA, wat op zichzelf een significante onderneming is. En workflow: ervoor zorgen dat embryologen en klinisch personeel op die eerste locatie zijn getraind en comfortabel zijn met het systeem voordat het patiëntenzorg raakt.

Geen van deze zijn klein, en we behandelen 2027 niet als een datum die we halen ongeacht waar het bewijs terechtkomt. Het is de datum waar we naar toe werken wanneer de validatie het ondersteunt.

IVF blijft duur, geografisch beperkt en afhankelijk van een relatief klein aantal hoogopgeleide specialisten. Wat moet veranderen in de economie en het operationele model van fertiliteitszorg om automatisering IVF toegankelijker te maken, en hoe zult u meten of AURA de kosten per succesvolle geboorte daadwerkelijk vermindert?

Het kernprobleem is dat IVF heeft afgehangen van een klein aantal hoogopgeleide specialisten die handmatig werk doen dat niet schaalbaar is. Dat is wat het duur en geografisch beperkt maakt. Het is geen gebrek aan vraag, het is een bottleneck in aanbod.

We hebben onlangs een studie mede-gepubliceerd die keek naar de kosten per baby als een deel van het huishoudinkomen over 25 landen, en het patroon is duidelijk. Landen waar de netto kosten die een patiënt betaalt onder ongeveer de helft van het mediane huishoudinkomen liggen, Israël, Japan, Spanje, Taiwan, zien IVF voor ongeveer 9 tot 12 procent van alle geboortes. In de VS, waar netto kosten meestal boven de 75 procent van het huishoudinkomen liggen, is dat ongeveer 2,5 procent. Betaalbaarheid is niet één factor onder vele. Het lijkt erop dat het de primaire barrière is. Als de VS soortgelijke winst zou zien als wat de studie elders vond, zou dat iets kunnen betekenen van de orde van 140.000 tot 160.000 extra geboortes per jaar. Achter dat aantal zitten gezinnen die een kind willen en het nu niet kunnen betalen.

Automatisering adresseert die bottleneck rechtstreeks: een gestandaardiseerd platform kan laboratoriumkwaliteit brengen naar meer locaties zonder hetzelfde concentratie van zeldzame, hoogopgeleide talenten in elke kliniek, en minder cycli per succesvol resultaat is de hefboom die de kosten daadwerkelijk vermindert. Voor het meten of AURA de kosten per levendgeboren daadwerkelijk vermindert, is het getal dat telt niet de kosten per cyclus. Het is de kosten per levendgeboren, omdat een goedkopere cyclus die niet werkt niet daadwerkelijk goedkoper is voor een gezin. We volgen die metriek rechtstreeks naarmate we opschalen, en we geven de voorkeur aan conservatief zijn over wat we claimen totdat de gegevens het ondersteunen.

Bedankt voor het geweldige interview, lezers die meer willen leren, moeten bezoeken Conceivable Life Sciences.