В среднем на открытие и разработку нового лекарства уходит 10–15 лет. Но что, если бы мы могли сделать это за несколько дней?
В нашем последнем выпуске The Breakouts Podcast мы спросили Дэвида Моргана и Джеффа Шермана — генерального директора и технического директора, которые только что привлекли начальный раунд в размере 18,5 миллионов долларов для своего стартапа в области искусственного интеллекта Zephyr AI.
Но сначала немного контекста:
Zephyr AI создает инструменты данных и аналитики для удовлетворения неудовлетворенных потребностей во всем спектре точной медицины — от профилактики до лечения.
Что такое точная медицина?
Это тип медицины, в котором медицинские решения, вмешательства и лечение персонализируются для отдельных пациентов на основе их прогнозируемой реакции на лечение.
Zephyr AI имеет 2 ключевых продукта:
Уход:
- Открытие лекарств
- Репозиционирование лекарств
- Дизайн клинических испытаний
Профилактика:
- Управление здоровьем населения
- Персональное здоровье пациента
- Поддержка при принятии решения
Что касается лечения, он создает внутренние исследовательские инструменты, которые могут предсказать фармакологический ответ пациента или молекулы.
Она разрабатывает лекарства совместно с другими компаниями и использует чувствительность своих инструментов для ускорения процесса.
Что касается профилактики, он создает инструмент SaaS для прогнозной аналитики для медицинских учреждений, чтобы они могли предлагать пациентам персонализированные вмешательства, оценку рисков и поддержку принятия решений.
Итак, что мы можем вынести из подхода Zephyr AI к развитию точной медицины?
О наших трех лучших идеях 😎👇
Инсайт №1
Достижения в области машинного обучения могут сделать поиск лекарств решаемой проблемой.
Создание качественных прогнозов для открытия лекарств требует анализа данных по большому количеству измерений.
«Человеческий разум не в состоянии рассмотреть все факторы в совокупности».
Но это уже не может быть за пределами понимания компьютеров.
За последние 10 лет мы стали свидетелями значительных скачков в:
я) вычислительная мощность
ii) Стоимость вычислений
iii) Сложность моделей AI/ML
В совокупности эти встречные ветры позволяют решать проблемы в области открытия лекарств и медицины, которые мы раньше считали неразрешимыми.
Это «почему сейчас» Zephyr AI. А может быть и у вас 😉
Инсайт №2
«Потерпеть неудачу настолько дешево, насколько это возможно, так же ценно, как и успех».
Средняя стоимость разработки нового лекарства и его вывода на рынок составляет 2,6 миллиарда долларов, а среднее время, затрачиваемое на это, составляет 10–15 лет.
Каждая неверная итерация в процессе разработки лекарства обходится очень дорого.
Зефир ИИ:
- Агрегирует данные от партнеров по данным
- Подает данные в модели ML
- Использует модели ML для вывода чувствительности
- Использует чувствительность, чтобы определить более интеллектуальную следующую итерацию препарата для тестирования
- Сокращает затраты на разработку лекарств (благодаря интеллектуальной итерации)
Инсайт №3
При построении в #DeepTech найдите умные способы быть бережливыми.
90% лекарств не проходят клинические испытания и никогда не попадают на рынок. В #biotech & #pharma вероятность неудачи высока, как и стоимость.
Чтобы превзойти шансы, вам нужно сократить время и затраты на итерацию.
Zephyr AI отдает приоритет вариантам использования, которые требуют меньшего времени на итерацию.
Пример: вместо того, чтобы начинать только с создания новых лекарств, они сначала используют свои технологии для поиска новых применений для существующих лекарств, поэтому для того, чтобы ощутить влияние, не требуется 10–15 лет.
И они также находят способы снизить стоимость каждой итерации.
Вместо того, чтобы разрабатывать новые лекарства в одиночку, они создают лекарства совместно с другими компаниями.
Эти компании платят им плату за услуги, основанную на вехах, а также остаточный лицензионный сбор после того, как препарат появится на рынке.
Плата за этапы компенсирует стоимость каждой итерации.
А поскольку Zephyr AI сотрудничает с другими компаниями для создания лекарств, у них достаточно пропускной способности для параллельной совместной разработки нескольких лекарств.
Каждое лекарство, попадающее на рынок, приносит им деньги за счет остаточных лицензионных сборов.
Как и в случае с венчурным портфелем, им нужна всего пара ставок, чтобы оправдать свои инвестиции.
Таким образом, их партнерская модель снижает традиционный 90-процентный риск неудачи.
Хотите узнать больше?
Если вам понравился этот пост, посмотрите полный выпуск на Apple Podcasts, Spotify или YouTube.
Чтобы узнать больше подобных историй стартапов в новых вертикалях (Web3, HealthTech, FinTech, AI/ML), следите за нами в Твиттере @TheBreakoutsPod и следите за создателями модуля: Akkshay Khoslaa и Gokul Kumarresen.
