Default
Door Remote - 19 Aug 2026
Een biotech-startup genaamd Vivodyne zegt dat de AI-geneesmiddelenindustrie een dataprobleem heeft en dat het een machine heeft gebouwd om dit op te lossen.
HIVE, modulaire robotlaboratoria gebouwd door het bedrijf, kunnen twintig soorten menselijk weefsel laten groeien en deze vervolgens autonoom doseren en monitoren, waardoor het soort causale biologische gegevens worden gegenereerd die de huidige AI-modellen missen – gegevens die tegenwoordig meestal afkomstig zijn van dierproeven of studies van afzonderlijke cellen of eiwitten, en niet van levend weefsel.
“Wat gaan deze [AI]-modellen doen als er geen menselijke tests zijn uitgevoerd?” vraagt Andrei Georgescu, CEO en mede-oprichter van Vivodyne. “Ze gaan kanker bij muizen genezen.”
Zelfs CEO van Anthropic, Dario Amodei, schreef dit weekend dat beweringen dat AI kanker zal genezen meer cliché dan geloofwaardig zijn geworden – “het ding dat zal werken is eigenlijk het genezen van kanker”, zoals hij het uitdrukte.
Om eerlijk te zijn: het idee dat AI kanker zal genezen is iets dat Amodei zelf in eerdere essays naar voren heeft gebracht; Sam Altman heeft herhaaldelijk het genezen van kanker aangehaald als rechtvaardiging voor de drang van OpenAI naar AGI en steeds grotere computeruitbreidingen; en Demis Hassabis van Google DeepMind zei vorig jaar dat AI mogelijk alle ziekten binnen tien jaar zou kunnen genezen.
De werkelijke resultaten blijven lauw. Voor een handvol door AI ontworpen medicijnen zijn proeven op mensen uitgevoerd – één tot aan Fase III, wijdverbreide tests op mensen – maar de realiteit is dat de wegversperringen niet noodzakelijkerwijs de wegversperringen zijn die AI vandaag de dag kan oplossen.
De Nobelprijswinnende Alphafold was een grote stap vooruit in het begrijpen van de bouwstenen van het leven, maar er moet nog daadwerkelijk een nieuw medicijn geproduceerd worden. Isomorphic Labs, opgericht om voort te bouwen op Alphafold, verwacht tegen het einde van dit jaar de eerste tests, oorspronkelijk gepland voor 2025. In februari schreef het bedrijf dat voor de echte ontdekking van geneesmiddelen “zeer nauwkeurige voorspellende modellen nodig zijn, over een uitgebreid scala aan biochemische eigenschappen en interacties.”
Georgescu-Roegen zegt dat de ruimte ‘een ‘sanity check’ nodig heeft – dat bestaande modellen niet over de gegevens beschikken om de complexiteit van de menselijke biologie vast te leggen. Het is een uitdaging waar de farmaceutische industrie al mee te maken heeft, waar 90% van de medicijnen die effectief genoeg zijn bij dierproeven om aan klinische proeven deel te nemen, geen wettelijke goedkeuring voor mensen krijgen.
Het plan van Vivodyne is anders. Vivodyne werd in 2021 afgesplitst van de Universiteit van Pennsylvania, nadat Georgescu-Roegen daar een doctoraat in bio-ingenieur behaalde. Het bedrijf zegt dat zijn weefsels nauw aansluiten bij het gedrag van echte menselijke organen – dat zijn levercellen een voorspellende nauwkeurigheid van 94% hebben in vergelijking met menselijke proeven die op toxiciteit testen, dat zijn luchtwegweefsel 96% van de tijd overeenkomt met het gedrag van echt menselijk weefsel, en dat zijn beenmerg 100% overeenstemming heeft bereikt in tests met 20 verschillende chemotherapiemedicijnen.
Vorige week opende het bedrijf, dat iets minder dan 80 miljoen dollar heeft opgehaald in twee rondes onder leiding van Khosla Ventures, wat het 's werelds grootste 'menselijke datacenter' noemt, net buiten San Francisco, en Georgescu-Roegen zegt dat zijn team al twee keer zoveel doorvoer haalt als alle dierproeven die in de VS worden gehouden.
Het biolab van de toekomst? Image Credits: TechCrunch/Tim Fernholz / TechCrunch/Tim Fernholz
Het idee is om het traject van kandidaat-geneesmiddelen te versnellen door een beter idee te krijgen van wat zal werken voordat er een klinische proef moet worden uitgevoerd, die doorgaans tientallen miljoenen dollars kost. Hoewel het zijn partners niet publiekelijk wil noemen, zegt Vivodyne dat het samenwerkt met meerdere grote farmaceutische bedrijven om een probleem op te lossen dat Georgescu-Roegen vergelijkt met auto-crashtests: een autofabrikant heeft er doorgaans vertrouwen in dat zijn auto aan de NHTSA-eisen zal voldoen voordat hij wordt getest, maar medicijnfabrikanten hebben zelden datzelfde vertrouwen als ze aan een klinische proef beginnen, waarbij de overgrote meerderheid van de medicijnen er niet in slaagt de goedkeuring van de FDA te krijgen.
Maar er is een bredere visie: Georgescu-Roegen beschouwt zijn autonome biologielaboratoria als de sleutel tot het genereren van het soort causale gegevens die kunnen worden gebruikt om nieuwe modellen over de menselijke biologie te trainen. Hij wijst op studies als deze, gepubliceerd in Nature Methods vorige maand, die geen duidelijke wetten voor het schalen van data vinden bij het trainen van generatieve AI-modellen op bestaande mobiele data.
“Alle training wordt gedaan op basis van statische momentopnamen van deze cellen, en de modellen worden helemaal niet bepaald door de manier waarop een cel in die staat is gekomen”, vertelde Georgescu-Roegen aan TechCrunch. “Met andere woorden: het model leert ‘dit is celstaat A’, ‘dit is celstaat B’, maar nooit ‘celstaat B is het effect van het opwekken van celstaat A.’”
De HIVE-machines van Vivodyne volgen echter honderdduizenden lopende experimenten waarbij ziek weefsel wordt blootgesteld aan een bepaalde stimulus, waarvan Georgescu-Roegen verwacht dat deze het soort versterkingsleren zal opleveren dat AI-modellen zal opleveren die de menselijke biologie voldoende begrijpen om betekenisvollere vooruitgang in de gezondheidszorg te boeken.
Georgescu-Roegen gelooft dat dit niet alleen van cruciaal belang zal zijn voor de huidige uitdagingen op het gebied van de geneeskunde, maar ook voor een toekomst waarin complexe ziekten medicijnen vereisen die, in tegenstelling tot de meeste medicijnen die vandaag de dag beschikbaar zijn, zich op meerdere routes richten.
“Als we combinatietherapieën willen, explodeert de ruimte die moet worden doorzocht – het kan geen experimentele aanpak zijn”, vertelde hij aan TechCrunch. “Je moet zeggen: ‘Ik wil dat dit effect optreedt, dus welke oorzaak moet ik aanvoeren?’ Het vaststellen van causaliteit in de menselijke biologie is de basis van dit alles.”
HIVE, modulaire robotlaboratoria gebouwd door het bedrijf, kunnen twintig soorten menselijk weefsel laten groeien en deze vervolgens autonoom doseren en monitoren, waardoor het soort causale biologische gegevens worden gegenereerd die de huidige AI-modellen missen – gegevens die tegenwoordig meestal afkomstig zijn van dierproeven of studies van afzonderlijke cellen of eiwitten, en niet van levend weefsel.
“Wat gaan deze [AI]-modellen doen als er geen menselijke tests zijn uitgevoerd?” vraagt Andrei Georgescu, CEO en mede-oprichter van Vivodyne. “Ze gaan kanker bij muizen genezen.”
Zelfs CEO van Anthropic, Dario Amodei, schreef dit weekend dat beweringen dat AI kanker zal genezen meer cliché dan geloofwaardig zijn geworden – “het ding dat zal werken is eigenlijk het genezen van kanker”, zoals hij het uitdrukte.
Om eerlijk te zijn: het idee dat AI kanker zal genezen is iets dat Amodei zelf in eerdere essays naar voren heeft gebracht; Sam Altman heeft herhaaldelijk het genezen van kanker aangehaald als rechtvaardiging voor de drang van OpenAI naar AGI en steeds grotere computeruitbreidingen; en Demis Hassabis van Google DeepMind zei vorig jaar dat AI mogelijk alle ziekten binnen tien jaar zou kunnen genezen.
De werkelijke resultaten blijven lauw. Voor een handvol door AI ontworpen medicijnen zijn proeven op mensen uitgevoerd – één tot aan Fase III, wijdverbreide tests op mensen – maar de realiteit is dat de wegversperringen niet noodzakelijkerwijs de wegversperringen zijn die AI vandaag de dag kan oplossen.
De Nobelprijswinnende Alphafold was een grote stap vooruit in het begrijpen van de bouwstenen van het leven, maar er moet nog daadwerkelijk een nieuw medicijn geproduceerd worden. Isomorphic Labs, opgericht om voort te bouwen op Alphafold, verwacht tegen het einde van dit jaar de eerste tests, oorspronkelijk gepland voor 2025. In februari schreef het bedrijf dat voor de echte ontdekking van geneesmiddelen “zeer nauwkeurige voorspellende modellen nodig zijn, over een uitgebreid scala aan biochemische eigenschappen en interacties.”
Georgescu-Roegen zegt dat de ruimte ‘een ‘sanity check’ nodig heeft – dat bestaande modellen niet over de gegevens beschikken om de complexiteit van de menselijke biologie vast te leggen. Het is een uitdaging waar de farmaceutische industrie al mee te maken heeft, waar 90% van de medicijnen die effectief genoeg zijn bij dierproeven om aan klinische proeven deel te nemen, geen wettelijke goedkeuring voor mensen krijgen.
Het plan van Vivodyne is anders. Vivodyne werd in 2021 afgesplitst van de Universiteit van Pennsylvania, nadat Georgescu-Roegen daar een doctoraat in bio-ingenieur behaalde. Het bedrijf zegt dat zijn weefsels nauw aansluiten bij het gedrag van echte menselijke organen – dat zijn levercellen een voorspellende nauwkeurigheid van 94% hebben in vergelijking met menselijke proeven die op toxiciteit testen, dat zijn luchtwegweefsel 96% van de tijd overeenkomt met het gedrag van echt menselijk weefsel, en dat zijn beenmerg 100% overeenstemming heeft bereikt in tests met 20 verschillende chemotherapiemedicijnen.
Vorige week opende het bedrijf, dat iets minder dan 80 miljoen dollar heeft opgehaald in twee rondes onder leiding van Khosla Ventures, wat het 's werelds grootste 'menselijke datacenter' noemt, net buiten San Francisco, en Georgescu-Roegen zegt dat zijn team al twee keer zoveel doorvoer haalt als alle dierproeven die in de VS worden gehouden.
Het biolab van de toekomst? Image Credits: TechCrunch/Tim Fernholz / TechCrunch/Tim Fernholz
Het idee is om het traject van kandidaat-geneesmiddelen te versnellen door een beter idee te krijgen van wat zal werken voordat er een klinische proef moet worden uitgevoerd, die doorgaans tientallen miljoenen dollars kost. Hoewel het zijn partners niet publiekelijk wil noemen, zegt Vivodyne dat het samenwerkt met meerdere grote farmaceutische bedrijven om een probleem op te lossen dat Georgescu-Roegen vergelijkt met auto-crashtests: een autofabrikant heeft er doorgaans vertrouwen in dat zijn auto aan de NHTSA-eisen zal voldoen voordat hij wordt getest, maar medicijnfabrikanten hebben zelden datzelfde vertrouwen als ze aan een klinische proef beginnen, waarbij de overgrote meerderheid van de medicijnen er niet in slaagt de goedkeuring van de FDA te krijgen.
Maar er is een bredere visie: Georgescu-Roegen beschouwt zijn autonome biologielaboratoria als de sleutel tot het genereren van het soort causale gegevens die kunnen worden gebruikt om nieuwe modellen over de menselijke biologie te trainen. Hij wijst op studies als deze, gepubliceerd in Nature Methods vorige maand, die geen duidelijke wetten voor het schalen van data vinden bij het trainen van generatieve AI-modellen op bestaande mobiele data.
“Alle training wordt gedaan op basis van statische momentopnamen van deze cellen, en de modellen worden helemaal niet bepaald door de manier waarop een cel in die staat is gekomen”, vertelde Georgescu-Roegen aan TechCrunch. “Met andere woorden: het model leert ‘dit is celstaat A’, ‘dit is celstaat B’, maar nooit ‘celstaat B is het effect van het opwekken van celstaat A.’”
De HIVE-machines van Vivodyne volgen echter honderdduizenden lopende experimenten waarbij ziek weefsel wordt blootgesteld aan een bepaalde stimulus, waarvan Georgescu-Roegen verwacht dat deze het soort versterkingsleren zal opleveren dat AI-modellen zal opleveren die de menselijke biologie voldoende begrijpen om betekenisvollere vooruitgang in de gezondheidszorg te boeken.
Georgescu-Roegen gelooft dat dit niet alleen van cruciaal belang zal zijn voor de huidige uitdagingen op het gebied van de geneeskunde, maar ook voor een toekomst waarin complexe ziekten medicijnen vereisen die, in tegenstelling tot de meeste medicijnen die vandaag de dag beschikbaar zijn, zich op meerdere routes richten.
“Als we combinatietherapieën willen, explodeert de ruimte die moet worden doorzocht – het kan geen experimentele aanpak zijn”, vertelde hij aan TechCrunch. “Je moet zeggen: ‘Ik wil dat dit effect optreedt, dus welke oorzaak moet ik aanvoeren?’ Het vaststellen van causaliteit in de menselijke biologie is de basis van dit alles.”