Quris는 파일럿에서 생산으로 가기 위해 900만 달러의 시드 라운드를 모금했으며, 후원자와 고문으로 구성된 올스타 팀은 이 접근 방식이 근본적인 장점이 있다는 유망한 지표이다.

기본 아이디어는 완벽하다. 인체에 대한 더 나은 소규모 시뮬레이션을 구축하고 이를 사용하여 머신러닝 시스템이 쉽게 해석할 수 있는 데이터를 수집하는 것이다. 물론 말은 쉽지만 연구원들이 말하자마자 Quris가 이를 시작했다.

이스라엘에 기반을 둔 이 회사의 접근 방식은 소위 "칩 위의 장기(organs on a chip)" 사용에 관한 하버드의 주요 연구를 기반으로 한다. 아직 비교적 새롭지만 현장에서 확립된 이 시스템은 소량의 줄기 세포 유래 조직("오가노이드")을 약물 또는 치료의 테스트 베드로 사용한다. 물질의 조합에 반응한다.

하버드 연구원들이 발견한 것은 간에서 신장, 심장 세포와 같은 여러 장기 온칩 시스템을 연결함으로써 놀랍도록 효과적인 인체 시뮬레이션을 끝낼 수 있다는 것이다. 물론 실제와 같은 것은 없지만 이 직렬 오가노이드 시스템 또는 "칩에 있는 환자"는 마우스 테스트의 진정한 대안이 될 수 있다. 쥐 단계를 통과한 물질이 인간 실험에서 약 10%만 성공한다는 사실에도 불구하고, 이는 여전히 치료법이 전체 기관 시스템에 어떻게 영향을 미치는지 보는 가장 일반적인 방법이다.

CEO이자 공동 설립자인 아이작 벤트위치(Isaac Bentwich)는 연구 결과가 나오자 마자 그와 그의 동료들이 잠재력을 인식하고 이를 실험 시스템에서 AI로 전환하기 위해 엔지니어링 및 AI 측면에서 수행해야 할 작업에 대해 작업하기 시작했다고 말했다. 확장 가능한 제품. 이것은 단순한 생쥐 교체가 아니다. 인간 없이, 그리고 생쥐의 불확실성 없이 제한된 인간 테스트를 수행하는 (상대적으로) 저렴한 방법이다.

전면 자동화된 "칩 온 칩" 장치가 어떻게 보일지 렌더링한다. 이미지 출처: Quris

Bentwich는 인터뷰에서 "당신이 제약 회사라고 가정해 보자."라고 말했다. “종이에 보기에 좋아 보이는 분자가 실제로 효과가 있는지 알아보기 위해 임상 시험을 앞두고 있을 때까지 기다리시겠는가? 원하는 모든 유전학 발견을 할 수 있지만 90%의 시간이 실패하는 쥐 실험을 지나칠 수는 없다. 이렇게 하면 경주에 가기 전에 이기는 말을 선택할 수 있다.”

후보 약물이 임상 단계에 도달하는 데 수억 달러가 소요될 수 있다는 점을 고려하면 실패할 운명인 몇 개를 제거하는 데 작은 재산(수천만 달러를 생각함)을 지출할 가치가 있다. 이 기술이 정확하고 그 징후가 정확하다면 위험은 거의 없으며 값비싼 막다른 골목 하나라도 피할 수 있다면 그만한 가치가 있다. 즉, Bentwich는 이를 통해 소프트웨어의 "조기 실패, 저렴한 비용" 사고 방식을 둘 다 실제로 선택 사항이 아닌 영역으로 가져온다.

Quris 시스템은 칩-온-칩 기술, 즉 여러 오가노이드 시스템(칩)을 순서대로(다른 칩에서) 사용하지만 최신 연구실 시스템보다 훨씬 작고 효율적이다. 하버드 연구원들이 했던 것처럼 시뮬레이션된 인간 100명을 실행하려면 수백만 달러가 들지만, 생물학적 재료를 덜 사용하는 Quris의 시스템에서 그렇게 하려면 수천 명이 자동화될 수 있고 잘 훈련된 머신러닝 모델이 수반된다.

이것이 바로 Quris가 재생하고 있는 또 다른 측면이다. 이 고유한 데이터 세트가 실험을 실행하고 해석하는 데 도움이 될 수 있고 이해하는 고유한 AI를 구동할 것이라는 점이다. AI는 이미 기존 및 향후 출시될 일부 약물로 훈련을 받고 있으며 다양한 센서의 신호가 물질의 안전에 의미하는 바를 학습하고 있다. 이를 통해 500마리의 생쥐가 아닌 소수의 칩으로 효과적인 테스트를 수행할 수 있다.

칩 자체도 동일하지 않다. 줄기 세포와 조직을 신중하게 조작하고 선택함으로써 다양한 유형의 사람과 다양한 조건 또는 표현형을 테스트할 수 있다.

회사에 효과가 좋은 약이 있는데 부작용이 10%인데 그 이유를 모른다면, 자동화된 환경에서 다양한 유전적 소인 또는 복잡한 요인에 대한 테스트를 통해 어떤 유전적 요인이 이러한 부작용을 유발하는지 알아낼 수 있다.

Quris 팀원들은 연구실에서 일하고 있다. 이미지 출처: Quris 

AI는 이 모든 것을 인지하고 목록화하기 때문에 비교적 적은 수의 자동화 테스트(수천이 아닌 수십, 수백만이 아닌 수천의 비용으로 생각)를 통해 약물이 좋은 후보인지 여부를 잘 알 수 있다. 인간의 테스트 여부. AI가 해석하지 않으면 데이터가 갑자기 다중 박사 유형의 문제가 된다. 그러나 Bentwich는 그들이 생물학적 측면을 제거하고 AI에만 의존할 것이라고는 전혀 예상하지 못했다는 점을 재빨리 지적했다. "AI가 생물학적 대응물과 함께 작동해야 한다는 것은 우리의 철학적, 생물학적 이해의 일부이다."고 그는 말했다.

Moderna의 공동 설립자인 Robert Langer는 과학 자문 위원회에 있으며 같은 인터뷰에서 TechCrunch에 자신도 동의했으며 이 기술이 빨리 채택되기를 기대하지만 자연적으로 보수적인 대형 제약 회사에 반드시 필요한 것은 아니라고 말했다.

그는 “이것은 매우 큰 기회인 것 같다. "나는 화학의 다른 영역에서 비슷한 아이디어를 가지고 있다. AI를 사용하여 이러한 예측을 할 수 있다는 것이다. 확실히 테스트를 대체하지는 않지만 가능성을 좁히고, 제 생각에는 작업 속도가 엄청나게 빨라질 것이다."