Nová biotechnologická společnost Network Bio zahájila svou činnost poté, co získala financování ve výši 50 milionů dolarů. Společnost se zaměřuje na rozvoj platformy využívající umělou inteligenci, která analyzuje rozsáhlé soubory lidských biologických dat. Cílem projektu je identifikace přenositelných biologických signálů napříč různými chorobami.
Platforma kombinuje údaje získané z tkání pacientů a vzorků krve s molekulárními informacemi a longitudinálními klinickými výsledky. Na vývoji se podílí síť akademických biobank, mezi které patří například instituce jako Mass General Brigham, University of Pennsylvania či University of Colorado Anschutz. Mezi investory projektu patří společnosti Section 32, Thiel Bio, Founders Fund, Breyer Capital, Blue Venture Fund a JSL Health Capital.
Technologické zaměření a výzkumný přístup
Hlavní výzvou v biomedicínské analýze dat pomocí umělé inteligence jsou rozdíly ve způsobech sběru, zpracování a anotace dat u jednotlivých institucí. Společnost Network Bio se snaží tyto nesrovnalosti řešit vytvořením standardizované sítě biobank. Podle zakladatele společnosti Asada Ali Ahmada platforma umožňuje čtení specifických biologických dat, která doposud nebyla v takovém měřítku dostupná pro analýzu.
Architektura systému není navržena pro izolované modely jednotlivých onemocnění, ale usiluje o rozpoznání obecných biologických principů, které lze aplikovat napříč různými tkáněmi a typy diagnóz. Společnost uvádí, že systém je navržen tak, aby zohledňoval technické faktory a vytvářel interpretovatelné reprezentace biologických procesů. Dosavadní výsledky výzkumu byly publikovány v odborných periodicích, včetně Nature Machine Intelligence, přičemž studie se zaměřovaly na respirační, kostní a vaječníková onemocnění.
Komerční využití a budoucí výhled
Společnost již uzavřela spolupráci na společném vývoji a licencování v hodnotě přesahující 30 milionů dolarů s nejmenovanou společností ze žebříčku Fortune 100 působící ve zdravotnictví.
Z pohledu gerontologie a výzkumu dlouhověkosti spočívá potenciál těchto modelů v možnosti sledovat, jak se biologické procesy vyvíjejí v čase. Pokud budou modely schopny propojit molekulární změny s následnými klinickými trajektoriemi, mohou přispět k identifikaci stavů, kdy se dosud zdravý organismus začíná odchylovat směrem k patologii. To by v budoucnu mohlo umožnit včasnější preventivní zásahy před vypuknutím chronických onemocnění.
Úspěch tohoto přístupu bude záviset na schopnosti modelu zobecnit zjištěné poznatky na nezávislé populace a na výsledcích klinické validace. Klíčovým ukazatelem pro budoucnost bude schopnost platformy prokázat, zda interpretované signály reálně vedou ke zlepšení diagnostiky, vývoje terapeutik nebo stratifikace pacientů v klinické praxi.