Yapay zekayı sağlık sektöründe uygulamaya koymak zorlu bir iştir; risklerin özellikle yüksek olduğu onkolojide bu durum daha da fazladır. Biyoteknoloji başlangıcı Valar Laboratuvarları Yüksekleri hedefliyor ancak belirli tedavi sonuçlarını doğru bir şekilde tahmin eden bir araçla küçükten başlıyor ve potansiyel olarak hastalar için değerli zamandan tasarruf sağlıyor. Yeni kanserlere ve tedavilere genişlemek için 22 milyon dolar topladı.
Her kanser farklıdır, ancak çoğu, yıllar süren testlerle geliştirilen en iyi uygulamaları oluşturmuştur. Ancak bazen bu, işe yarayıp yaramadığını anlamak için belirli bir tedavi rejiminin aylarca uygulanması anlamına gelir.
Valar’ın kurucu ortakları TechCrunch’a mesane kanserinin bunlardan biri olduğunu açıkladı. Onkologlar tarafından önerilen ve BCG tedavisi adı verilen yaygın bir ilk tedavi, yazı tura atmanın işe yarama şansına sahiptir – ki bu aslında oldukça iyidir! Ama başlangıçta o yazı tura atmak zorunda kalmamak güzel olmaz mıydı? Valar’ın çözmeye çalıştığı sorun da bu.
CEO Anirudh Joshi, ekibin klinik karar vermede yapay zeka desteğini araştırdıkları Stanford’da buluştuğunu söyledi. Başka bir deyişle, hem hastaların hem de doktorların, ister iki ister bir düzine yol arasından hangi tedavi yolunu seçeceklerine karar vermelerine yardımcı olmak.
Joshi, “Günümüzde kanser hastalarının çoğunluğunun tedavi planlarının gerçekten belirsiz olduğunu öğrendik” dedi. “Seçenekleri var ama neyin işe yarayacağını söylemek zor; sadece bazı şeyleri denemeniz gerekiyor. Yani tüm fikrimiz bunu bilinçli bir karar haline getirmekti. Mesane kanseri tedavisinde her iki hastadan yalnızca biri standart bakıma yanıt verir. Hangi hastanın hangisi olduğunu bilseydik, işe yaramayan bir şey için bir yıllık terapiyi boşa harcamak zorunda kalmazdık.”
Vesta adı verilen geliştirdikleri ilk test bu özel duruma odaklanıyor. Ve bu teorik bir yazılım çözümü değil: Ekip, 1000’den fazla hastayı incelemek ve onların belirli terapilere tam olarak neyin yanıt verdiğini öğrenmek için dünya çapında bir düzine tıp merkeziyle çalıştı.
Sürecin iki bileşeni var: Birincisi, kanser hastalarından alınan binlerce histoloji görüntüsüyle eğitilmiş görsel bir yapay zeka (veya bilgisayarlı görme modeli). Etkilenen dokuların bu ince dilimleri, uzmanlar tarafından giderek daha fazla taranıyor ve inceleniyor, ancak süreç biraz yaklaşık olabilir.
CTO Viswesh Krishna, “Bu süper yüksek çözünürlüklü görüntü, bir tümörün hücresel seviyesinde neler olduğu hakkında size çok şey anlatıyor” dedi. “Genomik panele benzer şekilde çok büyük miktarda özellik çıkarmak için modellerimizi bu görüntü üzerinde çalıştırıyoruz; binlerce histolojik okuma üretiyoruz [i.e. important image features]ve patologların inceleyebileceği ancak gerçekten ölçemediği en önemlileri ele alalım. Farklı olduklarını görebilirler ama aralarındaki farkları ölçemezler.”
Joshi, patoloğun yerini almaya değil, onu güçlendirmeye çalıştıklarını eklemeye dikkat etti. Bunu, bir uzmanın hücresel hasar, bağışıklık tepkisi ve hastalığın nasıl ilerlediğini veya engellendiğini gösteren diğer yapılar gibi konularda kesin ölçümler yapmasına yardımcı olan akıllı bir mikroskop olarak düşünebilirsiniz.
“Sonuçta doktor her zaman sürücü koltuğundadır. Bu sadece daha fazla veri ve bundan hoşlanıyorlar. Joshi, “Bunun gibi testler getirmek, temel bir dış bakış açısıdır ve hastalar bundan gerçekten hoşlanıyor” dedi.
Ekip, görüntüleme bileşeninin tonlarca veri üzerinde eğitildiğini ve birçok alanda ve kanserde genelleştirilebileceğini belirtti; Meme kanseri dokusundaki lenfositleri saymak, cilt kanseri dokusunda yapmakla büyük ölçüde aynı görevdir. Ancak bu sayının veya modelin tanımlayabildiği diğer ölçülebilir biyobelirteçlerin, hastanın tedaviye yanıt verme olasılığı hakkında söyledikleri, belirli durumlarla çok daha sınırlıdır.
Buna göre, Valar’ın sisteminin ikinci bileşeni, belirli bir klinik durumda gerçekten müdahale edilmesi gereken şeydir. Ve bu amaçla şirket, spesifik mesane kanseri vakasında ve standart tedavi rejiminde, testinin başarıyı tahmin etme konusunda diğer tüm ölçümlerden çok daha doğru olduğunu gösterdi.
Joshi, yaş, sağlık geçmişi, sigara içip içmeme gibi risk faktörlerinin belirli tedavi sonuçlarının değişken bir şekilde öngörülmesinde rol oynadığını ancak bunların “çok kaba” olduğunu belirtti. Valar, yapay zeka modellerinin “tüm bu değişkenlerden daha iyi performans gösterdiğini” iddia ediyor [in predictive power]ve onlardan bağımsızdır” — yani sadece bunların yerine değil, standart risk faktörüne ek olarak da kullanılabilecekleri anlamına gelir.
Ayrıca sonuçların yorumlanabilir tutulmasının da önemli olduğunu belirttiler: Doktorların veya hastaların ihtiyaç duyduğu son şey bir kara kutudur. Yani eğer bir hastanın iyi tepki vereceğini söylüyorsa, bu şu ifadeyle desteklenir: “Çünkü bağışıklık sistemi A yapıyor ve çekirdekleri B yapıyor, vb.”
2021 yılında kurulan şirket, çabalarının çoğunu mesane kanseri hastalarında yukarıda bahsedilen BCG tedavisi için görüntü modelini ve ilk klinik modelini oluşturmaya harcadı. Valar’ın yakın tarihli bir duyuruda belirttiği gibiTest, BCG’ye yanıt vermeme riskinin üç katı olan bireyleri belirliyor; bu da (bakım ekibinin takdirine bağlı olarak) başka bir şey denemenin muhtemelen daha iyi bir hareket olduğu anlamına geliyor. Bu, bir aylık boşa çabayı bile kurtarırsa, bazılarının hayatını değiştirebilir.
Kanser tedavisinden geçmiş herkesin size söyleyebileceği gibi, tedavinin her günü inanılmaz derecede değerli olmakla kalmaz, aynı zamanda güven kazanmak da zordur. Valar kesinlik sağlayamayabilir (onkolojide neredeyse imkansızdır), ancak bu, bakıcıların sadaklarında güçlü bir ok olabilir.
İlk ürününün yakında piyasaya sürülmesiyle aynı zamana denk gelen Valar, Pear VC’nin de katılımıyla DCVC ve Andreessen Horowitz liderliğindeki 22 milyon dolarlık A Serisi turunu kapattı.
Joshi, “Bağış toplamanın zamanlaması mükemmeldi” dedi. “Bu doğrulamayı tamamlayabildik ve şimdi bu finansman Vesta’nın ticarileşmesine yardımcı olacak ve aynı zamanda diğer kanser türlerini de kapsayacak şekilde genişlemeye başlıyoruz.”
Kurucular, genomik testlerin son yıllarda izlediği gibi ticari bir laboratuvar modeli kullanarak istikrarlı bir şekilde genişlemeyi umduklarını söyledi. COO Damir Vrabac şunları söyledi: “Bu, bizden önce gelen diğer testlere çok benziyor, herhangi bir sorun yaratmıyor. sağlık sistemi.” Bu, maliyetleri sigorta sağlayıcılarına yüklemelerine ve sonuçta gereksiz ve etkisiz tedavilerden kaçınarak bakım maliyetini tamamen düşürmelerine olanak tanıyacak.
genel-24