Alan Murray, współzałożyciel i CEO Conceivable Life Sciences – seria wywiadów

Alan Murray, współzałożyciel i CEO Conceivable Life Sciences – jest inżynierem i serialowym przedsiębiorcą z ponad trzydziestoletnim doświadczeniem w dziedzinach technologii, machine learningu, sprzętu, logistyki i tworzenia firm. Przed założeniem Conceivable, współzałożył TMRW Life Sciences, gdzie pomógł stworzyć zautomatyzowaną platformę do zarządzania i zabezpieczania zamrożonych jaj i zarodków wykorzystywanych w in vitro. Murray jest również współzałożycielem i partnerem w Coriolis Ventures i pomógł założyć firmy w dziedzinach reklamy cyfrowej, hotelarstwa i nauk o życiu, w tym Integral Ad Science , Dstillery i NeueHouse. W Conceivable, pełni rolę strategicznego lidera i głównego architekta AURA, nadzorując integrację robotyki, zaawansowanego obrazowania i machine learningu w procesach laboratoryjnych dotyczących płodności.

Conceivable Life Sciences to firma biotechnologiczna rozwijająca AURA, zautomatyzowaną laboratoryjną platformę wspomagającą procesy in vitro, która koordynuje złożone procesy związane z tworzeniem, hodowlą i przechowywaniem zarodków. Zamiast zautomatyzować pojedynczą procedurę, platforma integruje robotykę, oprogramowanie, zaawansowane optykę, sztuczną inteligencję i sprzęt laboratoryjny w całym procesie in vitro, przy zachowaniu cyfrowej śledzenia i pozwalając embriologom na utrzymanie kontroli nad decyzjami klinicznymi. Conceivable ma na celu wykorzystanie tego standardowego podejścia do redukcji zmienności, zwiększenia pojemności laboratoryjnej i uczynienia leczenia niepłodności bardziej dostępnym i przystępnym dla rodzin, które obecnie napotykają wysokie koszty lub ograniczony dostęp do specjalistycznej opieki.

Wcześniej współzałożyłeś TMRW Life Sciences, gdzie pomógłeś wprowadzić automatykę w przechowywaniu i zarządzaniu zamrożonymi jajami i zarodkami. Co ta doświadczenie nauczyło Cię o ograniczeniach obecnej infrastruktury niepłodności, i co ostatecznie przekonało Cię do założenia Conceivable Life Sciences i podjęcia bardziej złożonego wyzwania zautomatyzowania tworzenia zarodków?

W TMRW zautomatyzowaliśmy sposób, w jaki jaja i zarodki są przechowywane i śledzone, gdy już istnieją. Rozwiązało to prawdziowy problem, łańcuch posiadania w krioprezerwacji jest nieprzebaczalny, a uzyskanie tego prawidłowo ma ogromne znaczenie dla pacjentów. Ale także pokazało mi ograniczenia tego, co sama automatyka magazynowania może naprawić. Wąskie gardło w in vitro nie było nigdy naprawdę tym, co dzieje się po stworzeniu zarodka. To praca nad tworzeniem go nadal zależy od niewielkiej liczby wysoko wykwalifikowanych embriologów wykonujących ręczne, powtarzalne zadania o precyzyjnej sub-mikronowej precyzji, a wynik różni się w zależności od tego, kto trzyma pipetę w danym dniu.

Kiedy założyłem TMRW, rynek przechowywania niepłodności był nadal traktowany jako niszowy zakątek medycyny rozrodczej. Ja nie widziałem tego w ten sposób. Opóźniona rodzicielstwo stawało się normą, więcej ludzi zaczęło wcześniej zamrażać jaja i nasienie, pracodawcy zaczęli dodawać zachowanie płodności do pakietów świadczeń, a społeczności LGBTQ+ i rodziny samotnych rodziców budowały rodziny za pomocą banków jaj i nasienia w skali, której przemysł nie przewidział. To wszystko wskazywało na problem przechowywania i śledzenia, który miał się znacznie powiększyć, znacznie szybciej niż większość ludzi w tej dziedzinie przewidywała. To część powodu, dla której łańcuch posiadania miał takie znaczenie dla mnie w TMRW. Jeśli budujesz dla rynku, który zmierza w kierunku takiej skali, nie możesz polegać na manualnym śledzeniu i pamięci ludzkiej, aby utrzymać jaja, nasienie i zarodki w porządku. Automatyzacja przechowywania i śledzenia nie była tylko kwestią wykonania dzisiejszej pracy lepiej, ale także budowaniem infrastruktury, która mogłaby wytrzymać, gdy liczba pacjentów, cykli i próbek wzrośnie o rząd wielkości.

W 2018 roku zacząłem projektować to, co stało się AURA, od podstaw, od mikrofluidyki po integrację robotyki i technik wstrzykiwania. To, co przekonało mnie do stworzenia Conceivable, było dość proste: jeśli możemy przyjąć tę samą rygorystyczność w tworzeniu zarodków, jaką przemysł produkcyjny i robotyka wprowadziły do innych precyzyjnych branż, możemy uczynić in vitro bardziej spójnym i bardziej dostępnym jednocześnie. To było trudniejsze zadanie, ale było tym, które warto rozwiązać.

AURA koordynuje ponad 200 kroków w połączonych systemach do przygotowania naczyń, przetwarzania nasienia, identyfikacji jaj, wstrzykiwania nasienia do cytoplazmy, inkubacji, transportu robotycznego i witryfikacji. Jak oprogramowanie, robotyka, systemy obrazowania i sprzęt laboratoryjny działają jako zintegrowana platforma, utrzymując śledzenie dla każdego jaja, komórki nasienia i zarodka?

AURA wykonuje te ponad 200 kroków jako jeden ciągły system, a nie łańcuch odrębnych maszyn. Warstwa oprogramowania jest tym, co to umożliwia. Każda akcja, każde zdjęcie, każde pomiary są powiązane z konkretnym jajem, komórką nasienia lub zarodkiem w całym cyklu, więc istnieje pełna cyfrowa rejestracja tego, co się stało i kiedy.

To śledzenie jest tym, czego ludzie nie doceniają. W konwencjonalnym laboratorium wiele z tej historii żyje w notatkach i pamięci embriologa. W AURA jest to ustrukturyzowane dane od pierwszego kroku do ostatniego, co pozwala robotyce, obrazowaniu i sprzętowi laboratoryjnemu na koordynację w czasie rzeczywistym i pozwala embriologowi na interwencję w dowolnym momencie z pełnym kontekstem, a nie częściowym obrazem.

Twój stos technologiczny obejmuje Detection Transformer, aby pomóc w identyfikacji nasienia, zaawansowane obrazowanie do lokalizacji jaj oraz modele języka-wizji-działania zaprojektowane do prowadzenia delikatnych procedur fizycznych. Jak te modele są szkolone, jakie sygnały oceniają i jak system decyduje, kiedy embriolog musi interweniować?

Używamy modeli komputerowego widzenia (w tym YOLO i RT-DETR), aby: skupić mikroskopy, skalibrować pozycje robotyczne, zidentyfikować i śledzić nasienie, zlokalizować i ocenić jaja, oraz prowadzić robotykę podczas procedur, takich jak ICSI (połączenie nasienia i jaja w celu stworzenia zarodka).

Te modele są szkolone na coraz większej bibliotece wysokiej rozdzielczości oznaczonych zdjęć, które zostały przechwycone z poprzednich przypadków.

Czy wziąłeś inspirację z produkcji półprzewodników i pojazdów autonomicznych, branż, które łączą percepcję, planowanie i precyzyjną fizyczną realizację? Jakie zasady inżynierskie zostały przeniesione z powodzeniem do embriologii, a które musiały zostać przeprojektowane, ponieważ AURA manipuluje żywymi komórkami, a nie wytworzonymi komponentami?

Zasady inżynierskie, które zostały przeniesione, to te związane z precyzyjną produkcją na dużą skalę: ścisłą kontrolą procesu, fuzją sensorów, traktowaniem zmienności jako czegoś, co należy zmierzyć i wyeliminować, a nie zaakceptować. Pojazdy autonomiczne dały nam dobry model, jak percepcja, planowanie i wykonanie muszą działać razem w czasie rzeczywistym i jak system powinien zachowywać się, gdy nie jest pewny tego, co widzi.

To, co musiało zostać prawie całkowicie przeprojektowane, to nasza tolerancja na nieoczekiwane zdarzenia. Płyta półprzewodnikowa zachowuje się tak samo za każdym razem. Żywa komórka nie. Dwa jaja od tego samego pacjenta mogą wyglądać inaczej, zachowywać się inaczej i reagować inaczej na tę samą procedurę. Więc zamiast budować w kierunku jednego “poprawnego” wyniku, musieliśmy zbudować system, który może rozpoznać szeroki zakres biologicznej zmienności i wie, jaka jest różnica między normalną zmiennością a czymś, co wymaga interwencji człowieka. To jest podstawowo inny problem inżynierski niż cokolwiek w produkcji chipów lub prowadzeniu pojazdu.

Conceivable opisuje każdy cykl AURA jako przyczyniający się do danych o standardowym procesie informacyjnym, który konwencjonalne laboratoria nie mogą łatwo zebrać. Jakie dane są przechwytywane podczas cyklu, jak mogą one poprawić przyszłe modele i jak adresujesz kwestie prywatności pacjentów, demograficznego wyboru, różnic między klinikami i ryzyka aktualizacji systemów AI?

Każdy cykl AURA generuje standardowy zestaw danych: zdjęcia, dane sensoryczne, czas i wyniki powiązane z każdym krokiem, na poziomie szczegółowości, jaki laboratoria in vitro nie produkują dzisiaj, ponieważ wiele procesów nie jest rejestrowanych systematycznie. Te dane są wykorzystywane do poprawy naszych modeli w czasie, co jest jednym z prawdziwych zalet automatyzacji. System staje się lepszy z objętością w sposób, w jaki procesy ręczne nie mogą.

Jeśli chodzi o prywatność, dane pacjentów są anonimizowane do szkolenia modeli i obsługiwane zgodnie z tymi samymi standardami regulacyjnymi, które dotyczą danych klinicznych w ogóle. Jeśli chodzi o wybór, jesteśmy świadomi szkolenia na danych z różnych populacji pacjenckich i placówek klinicznych, aby modele nie działały tylko dla najlepiej reprezentowanych w wczesnych danych. Różnice między klinikami są rzeczywistą zmienną, którą śledzimy, ponieważ warunki laboratoryjne i populacje pacjenckie się różnią. A jeśli chodzi o aktualizację systemów AI, każda aktualizacja modelu przechodzi walidację przed wdrożeniem, i nie idziemy szybciej niż dowody na to pozwalają. Wolimy być prawidłowi niż pierwsi.

Conceivable przeprowadził badania pilotażowe z udziałem ponad 100 pacjentów i ponad 1000 jaj. Jakie punkty końcowe kliniczne będą najważniejsze w udowodnieniu, że automatyzacja może poprawić spójność, bezpieczeństwo, rozwój zarodków, wskaźniki ciąży lub wyniki urodzeń przy porównaniu z konwencjonalnymi ręcznymi in vitro?

Z ponad 100 pacjentami i ponad 1000 jaj w naszych badaniach pilotażowych, punkty końcowe, które mają największe znaczenie, to te, które naprawdę przewidują zdrowy wynik dla pacjenta, a nie tylko metryki procesu. Wskaźnik zapłodnienia, rozwój zarodka do blastocysty i wskaźniki euploidii mówią nam, czy biologia zachowuje się tak, jak powinna. Od tamtego momentu wskaźniki implantacji i ciąży mówią nam, czy to przekłada się na realną szansę na dziecko. Urodzenie żywego dziecka jest punktem końcowym, który ma największe znaczenie, i jest także najwolniejszy do akumulacji, ponieważ zajmuje kilka miesięcy po transferze, aby wiedzieć.

To, na co się najbardziej koncentrujemy, to spójność: AURA wytwarza ten sam wynik jakościowy niezależnie od laboratorium, dnia czy populacji pacjenckiej, której służy. To jest kawałek, którego in vitro ręczne nigdy nie mogło zagwarantować, i to jest kawałek, który automatyzacja jest zaprojektowana do rozwiązania.

C:VIT jest zaprojektowany, aby schłodzić zarodki do 50 razy szybciej niż konwencjonalne metody witryfikacji, przy standardyzacji narażenia na krioprotektanty i redukcji tworzenia się kryształów lodu. Jak szybsze chłodzenie przekłada się na klinicznie istotne korzyści, i jakie dowody będą potrzebne, aby wykazać poprawę w przeżyciu zarodków, implantacji i wskaźnikach urodzeń?

Logika kliniczna jest prosta: wolniejsze chłodzenie daje kryształom lodu więcej czasu na utworzenie, a kryształy lodu uszkadzają strukturę komórkową. Szybsze, bardziej standardowe chłodzenie redukuje to ryzyko i daje każdemu zarodkowi takie same narażenie na krioprotektanty, zamiast narażenia, które różnią się w zależności od embriologa wykonującego procedurę i tempa, w jakim pracuje.

Zaprojektowaliśmy C:VIT, aby poprawić przeżycie zarodków w cyklu zamrażania i rozmrażania, co jest pierwszą i najbardziej bezpośrednią rzeczą do pomiaru. Od tamtego momentu dowody, które mają znaczenie, to wskaźniki implantacji i urodzeń w zarodkach witryfikowanych za pomocą C:VIT w porównaniu z konwencjonalnymi metodami. Budujemy te dowody w sposób kontrolowany, poprzez badania, zanim zaczniemy rościć sobie prawa do wyników na dużą skalę.

Conceivable podkreśla, że AURA jest wspomagana automatycznie i że decyzje kliniczne pozostają w gestii embriologów. Jakie decyzje muszą zawsze pozostać pod kontrolą człowieka, jakie zabezpieczenia pozwalają embriologowi zatrzymać lub przejąć kontrolę nad systemem, i jak jest obsługiwana odpowiedzialność, gdy zalecenie AI lub akcja robotyczna wpływa na jajo lub zarodek?

Każda decyzja, która wpływa na osąd kliniczny, czy jajo jest zdrowe, czy zarodek nadaje się do transferu, czy należy kontynuować procedurę, pozostaje w gestii embriologa. AURA jest wspomagana automatycznie. Jest zaprojektowana do wykonania zadań fizycznych z precyzją i spójnością i do sygnalizowania wszystkiego, co wykracza poza oczekiwane parametry, ale nie podejmuje decyzji klinicznych samodzielnie.

Embriolodzy mogą zatrzymać lub przejąć kontrolę nad systemem w dowolnym momencie cyklu, a system jest zaprojektowany, aby to ułatwić, a nie coś, z czym trzeba walczyć. Jeśli chodzi o odpowiedzialność, każda akcja AURA jest rejestrowana i powiązana z embriologiem nadzorującym ten cykl, więc istnieje jasny zapis tego, co system zrobił, co sygnalizował, i jaką decyzję człowiek podjął w odpowiedzi. To śledzenie jest tym, co umożliwia odpowiedzialność w pierwszej kolejności.

Conceivable i IVI RMA planują wdrożyć pierwszy system AURA w klinice w Stanach Zjednoczonych w 2027 roku. Jakie wyzwania regulacyjne, walidacji klinicznej, infrastrukturalne i workflow muszą zostać rozwiązane, zanim platforma może przejść z badań kontrolowanych do rutynowej opieki pacjenckiej?

Istnieje prawdziwa praca do wykonania na czterech frontach. Regulacyjny: współpraca z FDA w celu uzyskania odpowiedniej ścieżki dla systemu, który łączy robotykę, oprogramowanie i medycynę rozrodczą, co nie ma wielu precedensów do naśladowania. Walidacja kliniczna: budowanie bazy dowodów w skali potrzebnej dla środowiska klinicznego w USA, poza tym, co badania pilotażowe mogą pokazać. Infrastruktura: wdrożenie fizyczne w klinice w USA z IVIRMA, co jest znaczącym przedsięwzięciem. I workflow: upewnienie się, że embriolodzy i personel kliniczny w pierwszym miejscu są przeszkoleni i komfortowi z systemem przed jego wprowadzeniem do opieki pacjenckiej.

Żadne z tych wyzwań nie są małe, i nie traktujemy 2027 roku jako daty, którą osiągniemy niezależnie od tego, gdzie dowody nas umiejscowią. To jest data, do której dążymy, gdy walidacja ją wspiera.

In vitro pozostaje drogie, geograficznie ograniczone i zależne od niewielkiej liczby wysoko wyspecjalizowanych specjalistów. Co musi się zmienić w ekonomice i modelu operacyjnym opieki nad płodnością, aby automatyzacja mogła uczynić in vitro bardziej dostępnym, i jak będziesz mierzyć, czy AURA rzeczywiście redukuje koszt udanego urodzenia?

Podstawowy problem polega na tym, że in vitro zależy od niewielkiej liczby wysoko wyspecjalizowanych specjalistów wykonujących ręczną pracę, która nie skaluje. To jest to, co ją czyni drogą i geograficznie ograniczoną. To nie jest brak popytu, to jest wąskie gardło w podaży.

Ostatnio współopublikowaliśmy badanie, które analizowało koszt dziecka jako udział dochodu gospodarstwa domowego w 25 krajach, i wzorzec jest wyraźny. Kraje, w których koszt netto, jaki pacjent płaci, jest poniżej około połowy mediany dochodu gospodarstwa domowego, takie jak Izrael, Japonia, Hiszpania, Tajwan, widzą in vitro stanowiące około 9 do 12 procent wszystkich urodzeń. W Stanach Zjednoczonych, gdzie koszty netto zwykle przekraczają 75 procent dochodu gospodarstwa domowego, ta liczba to około 2,5 procent. Dostępność nie jest jednym z czynników wśród wielu. Wygląda na to, że jest to główna bariery. Jeśli Stany Zjednoczone zobaczą podobne zyski, jakie znaleźliśmy gdzie indziej, to mogłoby oznaczać coś w rodzaju 140 000 do 160 000 dodatkowych urodzeń rocznie. Za tą liczbą stoją rodziny, które chcą dziecko i nie mogą sobie teraz pozwolić na drogę do niego.

Automatyzacja rozwiązuje to wąskie gardło bezpośrednio: zstandaryzowana platforma może przynieść laboratoryjną precyzję do większej liczby miejsc bez wymogu takiej samej koncentracji rzadkich, wysoko wyspecjalizowanych talentów w każdej klinice, a mniej cykli na udane urodzenie jest dźwignią, która naprawdę zmienia koszt. Aby zmierzyć, czy AURA rzeczywiście redukuje koszt udanego urodzenia, liczba, która ma znaczenie, to nie koszt na cykl. To koszt na żywe urodzenie, ponieważ tańszy cykl, który nie działa, nie jest naprawdę bardziej przystępny dla rodziny. Śledzimy tę metrykę bezpośrednio, gdy skalujemy, i wolimy być ostrożni w tym, co twierdzimy, aż dane nas wspierają.

Dziękujemy za wspaniały wywiad, czytelnicy, którzy chcą dowiedzieć się więcej, powinni odwiedzić Conceivable Life Sciences.