Biostate AI ร่วมระดมทุน 12 ล้านดอลลาร์สหรัฐฯ ในรอบ Series A เพื่อฝึกอบรม ChatGPT ของการแพทย์ระดับโมเลกุล

Biostate AI ซึ่งเป็นสตาร์ทอัพด้านการวินิจฉัยระดับโมเลกุลที่รวมการวิเคราะห์ RNA ลำดับถัดไป (RNAseq) เข้ากับ การสร้าง AI ได้ประกาศว่าได้ระดมทุน 12 ล้านดอลลาร์สหรัฐฯ ในรอบ Series A โดยมี Accel เป็นผู้นำการลงทุน รอบการลงทุนนี้ยังมีการเข้าร่วมจาก Gaingels Mana Ventures InfoEdge Ventures และนักลงทุนที่กลับมาลงทุนอีกครั้ง เช่น Matter Venture Partners Vision Plus Capital และ Catapult Ventures นักลงทุนรายบุคคลที่มีชื่อเสียง เช่น Dario Amodei ซีอีโอของ Anthropic Mike Schnall-Levin ซีทีโอของ 10x Genomics (TXG ) และ Emily Leproust ซีอีโอของ Twist Bioscience (TWST ) ก็ให้การสนับสนุนบริษัทนี้ด้วย

การระดมทุนใหม่นี้เป็นเชื้อเพลิงให้กับเป้าหมายที่มีความทะเยอทะยานของ Biostate คือ การทำให้生物วิทยาเป็นไปตามที่คาดหวังและปลดปล่อยการแพทย์ระดับโมเลกุลในระดับใหญ่ เหมือนกับที่ OpenAI ได้ฝึกอบรม ChatGPT บนคำพูดหลายล้านคำเพื่อทำความเข้าใจภาษาของมนุษย์ Biostate ก็ฝึกอบรมโมเดลพื้นฐานบนโปรไฟล์การแสดงออกของ RNA หลายพันล้านเพื่อเรียนรู้ “ภาษาโมเลกุล” ของโรคของมนุษย์

โมเดล Netflix สำหรับการแพทย์ระดับโมเลกุล

บริษัทที่ก่อตั้งโดย Ashwin Gopinath และ David Zhang ศาสตราจารย์จาก MIT และ Rice ที่กลายมาเป็นผู้ประกอบการ มีความคิดเห็นที่จะสร้างแบบจำลองใหม่สำหรับการวินิจฉัย ไม่ใช่การให้บริการการวิเคราะห์ RNA ที่แยกจากกัน Biostate ใช้โมเดลธุรกิจที่มีการชำระเงินแบบต่อเนื่องแบบ Netflix (NFLX ) โดยบริษัทประมวลผลตัวอย่าง RNA หลายพันรายการด้วยต้นทุนต่ำมาก และใช้ข้อมูลนั้นในการปรับปรุงโมเดล AI ที่เป็นกรรมสิทธิ์ของตน ผลลัพธ์คือวงจรที่ดี – การวิเคราะห์ RNA ที่มีราคาไม่แพงทำให้โมเดลที่ดีขึ้น และโมเดลที่ดีขึ้นให้ข้อมูลเชิงลึกทางคลินิกที่ลึกซึ้งยิ่งขึ้น

“การวินิจฉัยทุกอย่างที่ฉันสร้างขึ้นเป็นเรื่องของการย้ายคำตอบให้ใกล้กับผู้ป่วยมากขึ้น” Zhang ซีอีโอของ Biostate AI กล่าว “Biostate คือการก้าวกระโดดที่ยิ่งใหญ่ที่สุดโดยการทำให้ทรานสคริปโตมทั้งหมดมีราคาไม่แพง”

ทรานสคริปโตม – ชุด RNA ทั้งหมดในเซลล์ – ให้ภาพรวมของสุขภาพและโรคของมนุษย์ในช่วงเวลานั้น แต่การวิเคราะห์ทั้งทรานสคริปโตมมักจะมีราคาแพงและยากต่อการวิเคราะห์ Biostate กำลังแก้ไขปัญหาทั้งสองด้วยการลดต้นทุนอย่างมากและการใช้ AI ที่ทันสมัย

นวัตกรรมทางเทคนิค: BIRT, PERD และ Generative AI

ที่แก่นกลางของการให้บริการของ Biostate คือเทคโนโลยีที่ได้รับสิทธิบัตรสองอย่าง: BIRT (Biostate Integrated RNAseq Technology) และ PERD (Probabilistic Expression Reduction Deconvolution) BIRT เป็นโพรโทคอลที่ช่วยให้สามารถทำการวิเคราะห์ RNA และการวิเคราะห์ RNA จากตัวอย่างหลายรายการพร้อมกัน ลดต้นทุนลงเกือบสิบเท่า PERD ใช้อัลกอริทึมใหม่เพื่อลดผลกระทบของ “ผลกระทบของแบตช์” – ความแปรผันเนื่องจากความแตกต่างในเงื่อนไขของแล็บหรือการจัดการตัวอย่าง – ซึ่งมักจะบดบังสัญญาณทางชีววิทยาจากการศึกษาที่มีหลายไซต์

การประมวลผล RNAseq ที่มีมาตรฐานสูงนี้จะถูกส่งเข้าไปในโมเดลพื้นฐานที่เป็นกรรมสิทธิ์ของ Biostate ซึ่งเรียกว่า Biobase ซึ่งทำงานเหมือนกับโมเดล GPT ในการประมวลผลภาษาธรรมชาติ โดยฝึกอบรมบนโปรไฟล์การแสดงออกของ RNA หลายแสนรายการในเนื้อเยื่อหลายชนิด สภาวะโรค และสายพันธุ์ Biobase จับ “ไวยากรณ์ของชีววิทยา” – รูปแบบพื้นฐานของการแสดงออกของยีนที่กำหนดสุขภาพและโรค

เช่นเดียวกับ GPT ที่สามารถปรับให้เหมาะสมสำหรับการเขียนบทความหรือสรุปเอกสารทางกฎหมาย Biobase สามารถปรับให้เหมาะสมสำหรับการตรวจหาการกลับมาของโรคมะเร็ง การทำนายการตอบสนองของยาในโรคภูมิต้านตนเอง หรือการแบ่งผู้ป่วยในการศึกษาทางคลินิก Biostate’s Prognosis AI ซึ่งสร้างขึ้นบน Biobase แสดงให้เห็นถึงความหวังในการคาดการณ์การกลับมาของโรคมะเร็งและกำลังทดสอบสำหรับโรคปลอกประสาทเสื่อมหลายจุดโดยมี Accelerated Cure Project

“ไม่เหมือนกับการทำความเข้าใจภาษาโดยการเรียนรู้จากคำพูดหลายล้านคำ เรากำลังเรียนรู้ภาษาโมเลกุลของโรคของมนุษย์จากการแสดงออกของ RNA หลายพันล้าน” Gopinath CTO ของบริษัทกล่าว “เรากำลังทำสิ่งที่โมเดลภาษาขนาดใหญ่ทำสำหรับข้อความ – การปรับขนาดข้อมูลดิบเพื่อให้อัลกอริทึมสามารถทำงานได้อย่างสมบูรณ์”

การสร้างชุดข้อมูล RNAseq ที่ใหญ่ที่สุดในโลก

จนถึงตอนนี้ Biostate ได้ทำการวิเคราะห์ RNA มากกว่า 10,000 ตัวอย่างสำหรับผู้ร่วมงานมากกว่า 150 ราย รวมถึง Cornell และสถาบันสำคัญอื่นๆ เป้าหมายคือการเพิ่มจำนวนนี้เป็นหลายแสนตัวอย่างต่อปี การเติบโตแบบเลขชี้กำลังนี้เป็นไปได้ด้วยกระบวนการวิเคราะห์ RNA ที่มีต้นทุนต่ำและระบบการนำข้อมูลเข้าไปที่มีมาตรฐาน OmicsWeb ซึ่งทำให้ข้อมูลทรานสคริปโตมมีมาตรฐาน ลงรายการบัญชี และจัดเก็บอย่างปลอดภัยข้ามเขตอำนาจศาล

โครงสร้างพื้นฐานบนคลาวด์ของบริษัทมีเครื่องมือ GenAI ใหม่ๆ เช่น:

• OmicsWeb Copilot – อินเทอร์เฟซภาษาธรรมชาติสำหรับการวิเคราะห์ข้อมูล RNAseq โดยไม่ต้องเขียนโค้ด

• QuantaQuill – ผู้ช่วย AI ที่สร้างเอกสารวิทยาศาสตร์ที่พร้อมตีพิมพ์พร้อมรูปภาพและอ้างอิง

• Embedding Surfer – เครื่องมือแสดงภาพที่เปิดเผยความสัมพันธ์ทางชีววิทยาที่ซ่อนอยู่ในข้อมูลการแสดงออกของยีน

ด้วยสำนักงานใน Houston, Palo Alto, Bangalore และ Shanghai Biostate กำลังขยายธุรกิจไปทั่วโลกเพื่อสนับสนุนเครือข่ายที่เติบโตของหุ้นส่วนทางคลินิกและวิชาการ บริษัทกำลังประมวลผลตัวอย่างเนื้อเยื่อทั้งใหม่และเก่า – ช่วยให้ห้องปฏิบัติการสามารถดึงข้อมูลเชิงลึกจากตัวอย่างที่ไม่สามารถใช้งานได้ก่อนหน้านี้

สู่ AI ที่มีจุดมุ่งหมายทั่วไปสำหรับทุกโรค

เป้าหมายสุดท้ายของ Biostate คือการสร้าง AI ที่มีจุดมุ่งหมายทั่วไปที่สามารถเข้าใจและช่วยเหลือการรักษาทุกโรคของมนุษย์ การเข้าใกล้นี้แตกต่างจากภูมิทัศน์ทางชีวภาพที่กระจัดกระจายในปัจจุบัน โดยที่โรคแต่ละชนิดต้องการเครื่องมือวินิจฉัยและทางรักษาที่แยกจากกัน

“แทนที่จะแก้ปัญหาการวินิจฉัยและรักษาโรคแยกจากกันสำหรับทุกโรค เราเชื่อว่า AI ในยุคสมัยใหม่สามารถมีจุดมุ่งหมายทั่วไปเพื่อทำความเข้าใจและช่วยรักษาทุกโรค” Zhang กล่าว

โดยการรักษาชีววิทยาเป็นระบบที่สร้างขึ้น – โดยที่สถานะโมเลกุลในปัจจุบันกำหนดผลลัพธ์ของอนาคต – Biostate เชื่อว่าสามารถทำนายได้ไม่เพียงแต่สถานะสุขภาพในปัจจุบัน แต่ยังรวมถึงเส้นทางของโรคและวิธีการรักษาที่เหมาะสมในอนาคตด้วย

สิ่งที่จะเกิดขึ้นต่อไป?

ด้วยเงินทุนที่ระดมทุนได้มากกว่า 20 ล้านดอลลาร์สหรัฐฯ และฐานลูกค้าที่เติบโตอย่างรวดเร็ว Biostate กำลังเร่งการทำงานร่วมกันทางคลินิกในด้านมะเร็ง โรคหัวใจและหลอดเลือด และภูมิคุ้มกัน เป้าหมายที่สำคัญถัดไปของบริษัทคือการรับรองความถูกต้องตามกฎระเบียบของโมเดลการทำนายและขยายการขายเครื่องมือวินิจฉัยที่ขับเคลื่อนด้วย AI

ตามที่ Gopinath กล่าว “เราไม่ได้แค่ทำความเข้าใจชีววิทยา เรากำลังสร้างระบบชีววิทยาที่เทียบเท่ากับโมเดลภาษาขนาดใหญ่ – แต่คราวนี้มันถูกฝึกอบรมบนร่างกายมนุษย์”

หาก Biostate AI ประสบความสำเร็จ การแพทย์ระดับโมเลกุลในอนาคตอาจไม่เพียงแต่ทำนายได้เท่านั้น แต่ยังเป็นการแพทย์ที่มีการปรับให้เหมาะสมและขับเคลื่อนด้วย AI ที่สร้างขึ้น