ジェネレーティブ AI とバイオテクノロジーの未来 - Startups of the Year ノミネート、NExtNet Inc. へのインタビュー

ハッカーの皆さん

NExTNet Inc. は、米国サンフランシスコで毎年開催される HackerNoon の年間最優秀スタートアップ賞にノミネートされました。

こちらから投票してください。

私たちが投票に値する理由を理解するには、以下の私たちについて詳しく読んでください。

NExTNet株式会社のご紹介

NExTNet は、ベンチャー支援を受けたシリコンバレーを拠点とするエンタープライズ ソフトウェア スタートアップで、バイオテクノロジーや製薬におけるミッション クリティカルなアプリケーション向けの生成 AI テクノロジーを開発しています。私たちの使命は、世界の生物医学知識を整理して統合し、アクセスできるようにすることです。 NExTNet = Oracle x Palantir を想像してください。ここで私たちのチームに会いましょう。

自分の役割

2017 年後半、私は個別化医療の開発を加速する画期的なシリコン チップ技術を開発する急成長するバイオテクノロジー プラットフォーム企業であるMekonosを設立しました。バイオテクノロジーの Nvidia を想像してください。私は 2020 年後半にNExTNetを設立しました。マルチモーダルで異種の生物医学データや情報の山の中に埋もれた散在する知識にアクセスするには、非常に高い技術的障壁があることに不満を感じていました。私たちの目標は、世界の生物医学知識へのアクセスを民主化し、創薬と開発を加速することです。人類には 23,500 以上の病気が知られていますが、そのうちの約 3% は何らかの形で治癒または治療法があります。

AI と生物医学産業の交差点をどのように破壊しているか

世界のデータの約 95% は過去 5 ～ 10 年間に生成されました。高解像度でマルチモーダルな生物医学データ (数千万の科学出版物、特許、助成金、配列決定データ、遺伝子およびタンパク質の発現、薬剤化合物、生化学経路、疾患、画像処理など) が大規模に出現したことにより、膨大な量の人類の知識がデータサイロに分散しています。これらすべての知識を照会することは、非常に複雑になっています。

NExTNet では、独自の大規模言語モデル スタックを使用して、テキスト内の科学的内容 (出版文献、臨床試験記録、特許など) と他の公的および独自のデータベース (遺伝子配列、タンパク質発現、疾患、経路、病原体など) との間の関連性をマイニングします。 、薬物、画像処理...) をセマンティックにリンクして、世界で最も急速に成長している科学セマンティック ウェブに接続します。このような分散した知識をクエリしてアクセスするための技術的な障壁は恐ろしく高いです。平均的な研究者は、無数の R ライブラリを習得したり、Python パッケージのスイート全体を学習したり、次のような言語を使用して複雑なクエリを構築したりすることによって、コマンドライン インターフェイスに関する広範な知識を得る必要があります。 SQL、SPARQLなど

NExTNet のクラウドネイティブ プラットフォームを使用すると、これらの研究者や科学者は、コーディング、クエリ言語、または難解な統計を習得することなく、単純な自然言語で複雑な質問をしたり答えたりすることができます。当社の商業的かつ技術的なブレークスルーにより、科学者は、科学論文や臨床試験レポートから遺伝子配列決定やタンパク質発現アトラスに至るまで、異種かつ多様なデータセットの奥深くに隠されたパターンを特定できるようになり、情報の山に埋もれた手がかりを迅速に見つけることができるようになりました。グラフィカル ユーザー インターフェイス (GUI) 経由で。私たちは、言語および生成人工知能と生物医学産業の交差点を破壊しています。

群衆から目立つ

ライフ サイエンスの知識発見の研究開発は、初期段階に発展している市場です。今日の生物医学における主要な問題:

• 生物医学の知識は指数関数的に増加しています。

• 異種データ（科学文書、配列決定、遺伝子編集、その他の実験からの分子データなど）の量が増加するにつれて、研究者が最新技術を常に最新の状態に保つことがますます困難になっています。

• これらすべてのマルチモーダルなデータ サイロの奥深くに埋もれた知識にアクセスするための技術的障壁は、コマンド ライン インターフェイスの知識がなければ非常に困難であるため、重要な洞察や見逃した知識なしに意思決定が行われます。

  
  

NExTNet では、競合他社と比較して 10 倍の価値向上を実現している最先端の生成 AI パイプラインは、数千万の科学テキスト (全長の査読済み出版物、抄録、特許、助成金など) を読み取るだけでなく、分析も行います。分子データベース (遺伝子、タンパク質、経路) の膨大なコーパスと、これらの異種データ (パブリック ドメインとプロプライエタリ) にわたる隠れた関連性とパターンを掘り出すものです。私たちの競合他社は、他のデータ形式に拡張することなく、テキスト マイニングにのみ限定されています。

2023 年の創薬開発/生物医学研究業界に関する当社の予測/考察

• 少なくとも 3 ～ 7 年間にわたる前臨床段階の臨床試験が行われる前に多額の費用が費やされるため、スタートアップとして、当社は創薬および開発市場に重点を置いています。また、多額のVC資金がAI創薬企業（独自の治療パイプラインを持つAtomwise、Insilico、Benevolent AI、Exscientia、Insitro、Recursionなど）に投資されている。

  
  

• 医薬品の市場投入に伴う重大なリスクと、長い開発スケジュール（10 年以上に及ぶ場合もあります）、FDA などの規制当局との連携、および共同開発パートナーシップの長いサイクルタイムを考慮すると、 （前払い金 + マイルストーン + ロイヤルティなど）、私たちは早い段階でソフトウェア開発だけに焦点を当て、最先端の治療法を開発している他のバイオテクノロジー企業や製薬会社が NExTNet のセマンティック知識ネットワーク上で独自のデータを'contextualize'ようにすることを決定しました --> 尋ねてください医薬品開発の取り組みを前進させるために、複雑な生物学的質問に答えます。 Benchling のような企業は、エンタープライズ ソフトウェア会社としてこれまでに大きな成功を収めています。

  
  

• 創薬と開発の莫大なコストを理解してもらうと、30 年前には、医薬品を市場に出すのに約 3 億ドルかかったのに対し、現在では (インフレを考慮すると) 約 24 億ドルかかります。これは、特定の分子の発見と開発プロセスのどの段階でも、それほどコストが高くなったためではありません。実際、これらの多くの段階で生産性が大幅に向上しました。したがって、医薬品を市場に出すまでの総コストはむしろ安くなるはずです。医薬品を市場に出すのにこれほどのコストがかかる本当の理由は、私たちが各段階で導入した医薬品のほとんどが失敗し、目標到達プロセスがどんどん広くなり、市場に投入できる医薬品の数がますます少なくなっているためです。次の段階。

  
  

• これは明らかに、ある段階で特徴（例えば、分子作用機序、生物学的プロセスなどの理解）を観察し、次の段階で何が成功するかを予測する能力の失敗です。この場合、より優れた予測 ML モデル (自然言語 AI など) が非常に役立ちます。

  
  

• さらに、病気は伝統的に、特定の患者に特有の根底にある分子機構、経路、生物学的プロセスではなく、その症状と体内の位置によって診断されてきました。疾患進行の早い段階で標的を特定し、経路との関連性を発見することは、症状ではなく原因段階での介入に役立ちます。したがって、処方された薬の多くは患者に効果がないことがよくあります。

2023 年の「 AI とバイオ医療産業の交差点」の状態を定義する言葉は何ですか?

言語AI

HackerNoon の Startup of the Year アワードに参加することにした理由

私たちも招待されましたよ！ :)

最終的な考え

生物医学の知識は膨大であり、急速に成長しています。公的に利用可能な知識は切断されています。そのような切断された知識の奥深くに隠されたパターン/関連性を特定することは不可能です。企業の内部知識も企業から切り離されます。これは、生物医学産業の科学者にとって次のような重大な課題となります。

• 重要かつ関連する可能性のある知識を見逃してしまう

• 最新の情報を維持できない、または新しい知識に追いつくことができない

• 完全な洞察を活用せずに意思決定が行われる

  
  

NExTNet では、科学論文や臨床試験レポートから遺伝子配列決定やタンパク質発現アトラスに至るまで、科学者が異種かつマルチモーダルなデータセットの奥深くに隠されたパターンを特定できるようにする、クラス最高の生成/言語 AI スタックを構築しています。情報の山に埋もれた手がかりをすぐに見つけられるようにするためです。

ここから無料でサインアップして、生物医学の知識発見の旅を始めましょう。