Analýza rizik a investiční přístup k dlouhověkosti
Jim Flynn, výkonný ředitel investiční společnosti Deerfield Management, se dlouhodobě zaměřuje na oblast zdravotnických investic a vývoje léčiv. V rámci své profesní praxe se staví skepticky k pojmu dlouhověkost, který považuje za nepřesný. Namísto toho se soustředí na koncept takzvaného healthspan, tedy období života prožitého v dobrém zdraví. Podle Flynna spočívá hlavní výzva v oblasti dlouhověkosti v nedostatku přesných klinických dat a jasně definovaných cílů pro schvalování léčiv.
Investiční strategie společnosti Deerfield vychází z minimalizace nejistoty, kterou Flynn označuje jako zmenšování chybových úseček. Každý investiční záměr je hodnocen na základě pravděpodobnostních scénářů budoucích peněžních toků. V medicínském výzkumu využívá společnost poznatky z genetiky, které podle studií, například z Nature Genetics, zvyšují pravděpodobnost úspěchu klinického hodnocení. Společnost proto preferuje vlastní laboratorní kapacity a výzkumné týmy, které umožňují snížit rizika ještě před formálním založením biotechnologické firmy.
Budování nezávislého centra pro ověřování dat
V reakci na vysokou míru informací a marketingu v sektoru dlouhověkosti připravuje Deerfield Management v New Yorku neziskové centrum, jehož cílem je poskytovat objektivní informace o bezpečnosti a účinnosti různých intervencí. Platforma má uživatelům umožnit nahrát vlastní diagnostická data a s využitím agentního systému získat doporučení na míru jejich profilu a omezením. Součástí projektu je také compounding laboratoř, která má sloužit k reálnému testování dostupných intervencí.
Role umělé inteligence a preventivních technologií
Flynn vnímá potenciál v oblasti preventivní medicíny, nicméně upozorňuje, že efektivní řešení nemusí mít nutně podobu léku. Příkladem je spolupráce s Hospital for Special Surgery na vývoji fundamentálních modelů kloubů. Spojením obrazových dat, genetiky a sledování pohybu pomocí nositelné elektroniky by mohlo dojít k prevenci onemocnění, jako je osteoartróza, prostřednictvím korekce pohybových stereotypů, nikoliv pouze farmakoterapií.
V otázce využití umělé inteligence pro vývoj léčiv upozorňuje na zásadní limitaci současných modelů, kterými je absence funkční zpětné vazby. Podle Flynna modely v chemii nedosáhnou potřebné úrovně učení bez uzavřeného cyklu, v němž predikce následuje rychlá laboratorní syntéza a testování molekuly. V budoucnu očekává, že fundamentální modely onemocnění umožní definovat nové klinické cílové ukazatele. Ty by mohly zrychlit a zpřesnit klinické zkoušky tím, že pacienta srovnají s neutrálním digitálním modelem průběhu nemoci.