Vivodyne, een klein biotechbedrijf uit de Verenigde Staten, zegt dat er een groot probleem zit in de manier waarop AI nu medicijnen helpt ontwerpen. Volgens het bedrijf ontbreekt het modellen aan gegevens over echt menselijk weefsel. Vivodyne bouwde daarom een set robotlabs om die gegevens te maken en te gebruiken.

Het probleem: modellen werken vaak niet voor mensen

Veel AI-systemen leren van gegevens uit dierproeven, van losse cellen of van eiwitten. Die informatie is nuttig, maar geeft een beperkt beeld van wat er in een menselijk orgaan gebeurt. Dat is een groot probleem, want veel medicijnen die in dieren goed werken, falen later bij mensen.

In cijfers: ongeveer 90% van de medicijnen die het goed doen in dierproeven en daarom naar klinische proeven gaan, krijgt uiteindelijk geen goedkeuring voor gebruik bij mensen. Dat laat zien dat dierdata niet altijd goed voorspelt wat er bij mensen gebeurt.

Bovendien zijn er verwachtingen in de wereld dat AI snel grote doorbraken zal brengen — zelfs dat AI kanker zal genezen. Dat idee wordt regelmatig genoemd door leiders in de sector, maar veel deskundigen vinden die beloftes te vroeg. Belangrijke doorbraken zoals AlphaFold (dat eiwitvormen voorspelt) hebben wetenschappelijke vooruitgang gebracht, maar hebben nog niet direct geleid tot veel nieuwe medicijnen in de praktijk.

Vivodyne’s aanpak: robotlabs die menselijk weefsel nabouwen

Vivodyne bouwde een systeem dat zij HIVE noemen: modulaire, geautomatiseerde biolabs. Die machines kunnen ongeveer twintig verschillende soorten menselijk weefsel kweken. Daarna kunnen ze die weefsels automatisch toedienen en volgen wat er gebeurt wanneer ze worden blootgesteld aan medicijnen of andere stoffen.

Volgens het bedrijf lijken de reacties van die gekweekte weefsels sterk op echte menselijke organen. Enkele resultaten die Vivodyne meldt:

• Levercellen: 94% voorspellende nauwkeurigheid voor toxiciteit vergeleken met menselijke proeven.

• Luchtwegweefsel: 96% overeenstemming met menselijk weefsel in tests.

• Beenmergtests met twintig verschillende chemotherapie-middelen: 100% overeenstemming in de uitgevoerde proefopstellingen.

Vivodyne zegt dat het bedrijf bijna 80 miljoen dollar aan financiering heeft opgehaald, geleid door investeerder Khosla Ventures. Vorige week openden ze een locatie net buiten San Francisco die zij omschrijven als de grootste “human data center” ter wereld. Volgens Vivodyne draait die locatie al met een doorvoersnelheid die naar eigen zeggen twee keer zo hoog is als alle dierproeven die nu in de VS tegelijk lopen.

Het bedrijf werkt naar eigen zeggen met meerdere grote farmaceuten samen, maar noemt die partners niet bij naam.

Waarom dit anders kan werken voor AI

Veel huidige AI-modellen krijgen vooral statische plaatjes van cellen: dit is toestand A, dit is toestand B. Wat vaak ontbreekt is informatie over oorzaak en gevolg — hoe veranderde toestand A in toestand B door een bepaalde behandeling.

Vivodyne’s machines doen veel experimenten waarbij ze weefsel opzettelijk ziek maken of blootstellen aan een middel en daarna nauwkeurig volgen wat er gebeurt. Dat levert gegevens op waaruit je wél oorzaak-en-gevolg kunt afleiden. Dit soort gegevens is belangrijk om AI-modellen te trainen die niet alleen correlaties zien, maar ook echt begrijpen welke interventies welke effecten veroorzaken.

Dat is vooral van belang als medicijnen meerdere processen tegelijk moeten beïnvloeden. Bij zogenoemde combinatiebehandelingen wordt de hoeveelheid mogelijke combinaties enorm groot. Experimenteel al die combinaties testen is praktisch onmogelijk. Modellen die getraind zijn op causale, menselijke weefseldata kunnen helpen om die zoektocht veel gerichter te maken.

Wetenschappelijke studies hebben eerder laten zien dat het trainen van generatieve AI op bestaande cellulaire data niet eenvoudig schaalt. Er zijn geen duidelijke regels die zeggen dat meer van die oude data automatisch tot betere modellen leidt. Vivodyne stelt dat de ontbrekende schakel juist dynamische, causaal rijke data uit menselijke weefsels is.

Conclusie

AI belooft veel voor de ontwikkeling van nieuwe medicijnen, maar alleen AI is nog geen garantie dat ziekten zoals kanker snel genezen worden. Een belangrijk knelpunt is het gebrek aan betrouwbare, menselijke weefselgegevens die oorzaak en gevolg laten zien.

Vivodyne probeert dat probleem op te lossen met geautomatiseerde labs die menselijk weefsel kweken en grootschalig testen. Als die aanpak werkt, kan dat leiden tot betere voorspellingen vóór dure en risicovolle klinische proeven. Het is een stap richting relevantere data voor AI, maar het betekent niet dat er direct een snelle oplossing voor complexe ziekten is. Het is wél een concreet voorbeeld van hoe wetenschap en automatisering samen het pad naar effectievere medicijnen kunnen verkleinen.