【注目AIスタートアップ１００社】insitroの紹介

こんにちは。草場です。

エクスポネンシャルテクノロジーの一つ、AIに関して、CBインサイツでリストアップされている注目スタートアップ１００社、１社ずつ見ていきます。

「AI 100: The Artificial Intelligence Startups Redefining Industries」

AI、機械学習について見直したい方は、シンラボの人気記事「OpenCVによるAIの実装方法」をご参考ください。

本日取り上げるスタートアップは、ヘルスケア分野のinsitroです。ページによると、彼らの問いは以下です。

機械学習と生物学を大規模に融合させることで、必要としている患者さんに、より良い薬を提供できるようになるとしたら？

注目は、やはり創薬や開発。こちらは高価です。ここを機械学習の革命でカバーできます。ファウンダーのDaphne Koller氏によると、以下です。

機械学習の手法は、画像のキャプション付け、言語間の翻訳、音声認識などを、多くの場合、人間レベル以上の性能で行うことができるようになりました。患者さんのためにより良い薬を作る方法を機械学習が革新するには、何が必要でしょうか？
私はこれまでのキャリアの中で、機械学習と計算生物学という、ほとんど結びつかない世界で仕事をしてきました。 AWS re:Invent 2019で医薬品開発の変革について語るダフネ・コラー氏 大規模で豊富なデータセットへのアクセスが機械学習の成功の原動力となっている一方で、データ生成が職人的に行われている生物学では、そのようなデータセットはまだ珍しいのです。
しかし、近年の細胞生物学や生物工学の進歩により、大量の生物学的データが得られるようになったことで、ようやくこの状況を変えることができるようになりました。
インシトロの核心は、この点にあります。限られた既存の「発見された」データに頼るのではなく、現代生物学のツールを活用して、機械学習に最適化された高品質の大規模データセットを生成し、現代の計算アプローチの可能性を最大限に引き出すことを可能にしています。

intitroは、創薬・開発における課題、「どの薬がどの患者さんに効くか」をプロセスの早い段階で予測できるように試みています。医薬品のバリューチェーン全体で、より良い予測を可能にしています。

上記で記載した通り、大規模なヒューマンデータを集め、原因となる生物学を捉えた真の疾患予測モデルを構築し、細胞ベースの疾患モデルを構築しています。

そして、膨大な量の高品質なデータをもとに、機械学習を使っています。

他の産業でもよく見られるように、機械学習は、人間の能力では解釈できない膨大な量の高次元データを理解することができます。私たちの機械学習モデルは、細胞の状態をより細かい粒度で区別し、疾患に関連する臨床特性を予測することができます。

そして、詳しくはわからないですが、

in vitroの細胞システムとin silicoの機械学習モデルにまたがる疾患の統合モデル、つまりインシトロモデルが完成しました。私たちのモデルは、これまで知られていなかった疾患のサブタイプを発見し、それらを「不健康」な状態から「健康」な状態へと移行させるための介入方法を探ることができます。私たちは、これらのモデルと、新薬の開発における私たちのチームの豊富な経験と専門知識を組み合わせることで、疾患を修正するターゲットを特定し、ドラッグデザインプロセスを可能にし、バイオマーカーや臨床開発戦略に関する新たな知見を導き出します。

詳しくはまた別途。