ภาพรวม
Insitro หลอมรวมข้อมูลทางพันธุกรรมและเซลล์ของมนุษย์ขนาดใหญ่เข้ากับการเรียนรู้ของเครื่องเพื่อค้นหาเป้าหมายยาที่ดีขึ้นและผู้ป่วยที่มีแนวโน้มที่จะตอบสนองมากที่สุด สิ่งสำคัญคือต้องจัดการกับสาเหตุที่ใหญ่ที่สุดที่ยาล้มเหลว — เลือกเป้าหมายที่ผิด — โดยการค้นพบทางชีววิทยาของมนุษย์ที่แท้จริง
ชีววิทยาการเรียนรู้ของเครื่อง Insitro เป็นที่เข้าใจได้ดีที่สุดในบริบทของกลยุทธ์ การเข้าถึงโมเดล การตัดสินใจแพลตฟอร์ม และความร่วมมือในระบบนิเวศ
เจาะลึก
Insitro ก่อตั้งขึ้นในปี 2561 โดยนักชีววิทยาด้านคอมพิวเตอร์และอดีตผู้นำ Stanford และ Coursera โดย Daphne Koller โดยก่อตั้งตัวเองเป็นบริษัทค้นพบยาที่ แนวคิดหลักของบริษัทคือการสร้างชุดข้อมูลขนาดใหญ่ที่สร้างขึ้นตามวัตถุประสงค์ภายในองค์กร โดยใช้แบบจำลองโรคที่ได้มาจากสเต็มเซลล์ของมนุษย์ ('ในหลอดทดลอง') การสร้างภาพที่มีเนื้อหาสูงและ 'การวัดแบบ Omics - และจับคู่กับกลุ่มประชากรตามกลุ่มพันธุกรรมและทางคลินิกของมนุษย์ขนาดใหญ่ เช่น UK Biobank จากนั้นแมชชีนเลิร์นนิงจะเชื่อมโยงลายเซ็นระดับโมเลกุลและเซลล์เข้ากับโรค ช่วยระบุเป้าหมายที่พันธุกรรมบ่งชี้ว่าก่อให้เกิดความเจ็บป่วยอย่างแท้จริง และแบ่งผู้ป่วยออกเป็นกลุ่มย่อย ชื่อนี้ผสมผสานระหว่าง 'ในซิลิโก' (การคำนวณ) และ 'ในหลอดทดลอง' (ชีววิทยาในห้องปฏิบัติการ) Insitro ร่วมมือกับ Gilead และ Bristol Myers Squibb และมุ่งเน้นในด้านต่างๆ เช่น โรคเกี่ยวกับระบบเมตาบอลิซึม ตับ และโรคเกี่ยวกับความเสื่อมของระบบประสาท
ข้อมูลเชิงลึกทางเทคนิค
วิธีการอันเป็นเอกลักษณ์ของ Insitro ใช้การเรียนรู้ของเครื่องกับภาพทางการแพทย์ เช่น แบบจำลองเชิงลึกที่อ่าน MRI ของตับ หรือจุลพยาธิวิทยา เพื่อหา "ฟีโนไทป์ของการเรียนรู้ของเครื่อง" เชิงปริมาณ การทำการศึกษาความสัมพันธ์ทั่วทั้งจีโนมกับลักษณะที่ได้มาจาก AI เหล่านี้ในประชากรระดับธนาคารชีวภาพสามารถเปิดเผยความแปรปรวนทางพันธุกรรม และด้วยเหตุนี้จึงเป็นเป้าหมายเชิงสาเหตุ ที่ฉลากทางคลินิกอย่างหยาบๆ พลาดไป การจับคู่พันธุกรรมของมนุษย์เข้าด้วยกัน ซึ่งเป็นหลักฐานที่ชัดเจนที่สุดว่าเป้าหมายมีความสำคัญ พร้อมด้วยความละเอียดทางฟีโนไทป์ที่สมบูรณ์จาก AI
การเรียนรู้ชีววิทยาการเรียนรู้ของเครื่อง Insitro
Insitro หลอมรวมข้อมูลทางพันธุกรรมและเซลล์ของมนุษย์ขนาดใหญ่เข้ากับการเรียนรู้ของเครื่องเพื่อค้นหาเป้าหมายยาที่ดีขึ้นและผู้ป่วยที่มีแนวโน้มที่จะตอบสนองมากที่สุด สิ่งสำคัญคือต้องจัดการกับสาเหตุที่ใหญ่ที่สุดที่ยาล้มเหลว — เลือกเป้าหมายที่ผิด — โดยการค้นพบทางชีววิทยาของมนุษย์ที่แท้จริง ชีววิทยาการเรียนรู้ของเครื่อง Insitro เป็นที่เข้าใจได้ดีที่สุดในบริบทของกลยุทธ์ การเข้าถึงโมเดล การตัดสินใจแพลตฟอร์ม และความร่วมมือในระบบนิเวศ เพื่อสร้างความเข้าใจอย่างลึกซึ้ง ให้ถือว่า Insitro Machine Learning Biology เป็นรูปแบบการดำเนินงาน ไม่ใช่คุณลักษณะเดียว: กำหนดผลลัพธ์ที่ต้องการ ชี้แจงสมมติฐาน และแยกสิ่งที่ระบบสามารถทำได้อย่างน่าเชื่อถือจากสิ่งที่ยังต้องใช้วิจารณญาณจากผู้เชี่ยวชาญ
ในทางปฏิบัติ ทีมที่แข็งแกร่งที่ใช้ Insitro Machine Learning Biology จะประเมินกลยุทธ์ของผู้จำหน่าย ความน่าเชื่อถือของแผนงาน และความเสี่ยงในการล็อคอินก่อนตัดสินใจ โดยจะบันทึกเกณฑ์ความสำเร็จที่ชัดเจน ทดสอบกับข้อมูลและขั้นตอนการทำงานที่สมจริง และทำซ้ำตามรูปแบบความล้มเหลวที่สังเกตได้ แทนที่จะชนะการวัดประสิทธิภาพเพียงครั้งเดียว นี่คือจุดที่ความเข้าใจทางทฤษฎีกลายเป็นความสามารถที่คงทนของผลิตภัณฑ์ นโยบาย และการดำเนินงาน
โรดแมปของผู้จำหน่ายมีอิทธิพลต่อฟีเจอร์ที่ทีมของคุณสามารถสร้างได้ต่อไป ในขณะเดียวกัน การประกาศเปิดตัวอาจแซงหน้าความเสถียรในขั้นตอนการทำงานจริง แนวทางที่ยืดหยุ่นที่สุดคือการรวมความเร็วของการทดลองเข้ากับวินัยในการกำกับดูแล: ดำเนินการนำร่อง จับหลักฐาน เผยแพร่บันทึกการตัดสินใจ และอัปเดตการป้องกันอย่างต่อเนื่องเมื่อพฤติกรรมของโมเดล ความคาดหวังของผู้ใช้ และข้อกำหนดด้านกฎระเบียบมีการเปลี่ยนแปลง
ผลกระทบเชิงกลยุทธ์
โรดแมปของผู้จำหน่ายมีอิทธิพลต่อฟีเจอร์ที่ทีมของคุณสามารถสร้างได้ต่อไป
โรดแมปของผู้จำหน่ายมีอิทธิพลต่อฟีเจอร์ที่ทีมของคุณสามารถสร้างได้ต่อไป ในการปรับใช้คุณภาพสูง สิ่งนี้จะถูกแปลเป็นกฎการปฏิบัติงานที่วัดผลได้ ขอบเขตความเป็นเจ้าของ และขั้นตอนการตรวจสอบที่เกิดซ้ำ เพื่อให้ทีมสามารถปรับขนาดความมั่นใจแทนที่จะปรับขนาดความคลุมเครือ
ข้อกำหนดทางการค้าและตัวเลือกการใช้งานส่งผลต่อต้นทุนและความเสี่ยงในระยะยาว
ข้อกำหนดทางการค้าและตัวเลือกการใช้งานส่งผลต่อต้นทุนและความเสี่ยงในระยะยาว ในการปรับใช้คุณภาพสูง สิ่งนี้จะถูกแปลเป็นกฎการปฏิบัติงานที่วัดผลได้ ขอบเขตความเป็นเจ้าของ และขั้นตอนการตรวจสอบที่เกิดซ้ำ เพื่อให้ทีมสามารถปรับขนาดความมั่นใจแทนที่จะปรับขนาดความคลุมเครือ
สิ่งจูงใจของบริษัทจะกำหนดค่าเริ่มต้นของผลิตภัณฑ์ ท่าทางที่ปลอดภัย และความเปิดกว้าง
สิ่งจูงใจของบริษัทจะกำหนดค่าเริ่มต้นของผลิตภัณฑ์ ท่าทางที่ปลอดภัย และความเปิดกว้าง ในการปรับใช้คุณภาพสูง สิ่งนี้จะถูกแปลเป็นกฎการปฏิบัติงานที่วัดผลได้ ขอบเขตความเป็นเจ้าของ และขั้นตอนการตรวจสอบที่เกิดซ้ำ เพื่อให้ทีมสามารถปรับขนาดความมั่นใจแทนที่จะปรับขนาดความคลุมเครือ
การใช้งานจริงในโลกแห่งความเป็นจริง
การฝึกอบรมแบบจำลองเกี่ยวกับการสแกน MRI ของตับเพื่อสร้างฟีโนไทป์เชิงปริมาณ จากนั้นทำการศึกษาความสัมพันธ์ทางพันธุกรรมเพื่อค้นหาเป้าหมายของยาสำหรับโรคตับ
การใช้เซลล์ประสาทที่ได้มาจากสเต็มเซลล์ของมนุษย์เพื่อสร้างแบบจำลอง ALS และโรคทางระบบประสาทอื่นๆ สำหรับการวิเคราะห์ ML
ร่วมมือกับ Gilead เพื่อค้นหาเป้าหมายของโรคไขมันพอกตับอักเสบที่ไม่มีแอลกอฮอล์ (NASH) และการเกิดพังผืดในตับ
การแบ่งกลุ่มผู้ป่วยออกเป็นกลุ่มย่อยทางพันธุกรรมเพื่อทำนายว่าใครจะตอบสนองต่อการรักษาที่กำหนด
รูปแบบการดำเนินงาน
ชีววิทยาการเรียนรู้ของเครื่อง Insitro ในทางปฏิบัติ
การฝึกอบรมแบบจำลองเกี่ยวกับการสแกน MRI ของตับเพื่อสร้างฟีโนไทป์เชิงปริมาณ จากนั้นทำการศึกษาความสัมพันธ์ทางพันธุกรรมเพื่อค้นหาเป้าหมายของยาสำหรับโรคตับ
แบบจำลองการฝึกอบรมเกี่ยวกับการสแกน MRI ของตับเพื่อสร้างฟีโนไทป์เชิงปริมาณ จากนั้นทำการศึกษาความสัมพันธ์ทางพันธุกรรมเพื่อค้นหาเป้าหมายของยาสำหรับโรคตับ ทีมมักจะได้รับผลลัพธ์ที่ดีกว่าเมื่อพวกเขากำหนดเกณฑ์คุณภาพล่วงหน้า รักษาเส้นทางการยกระดับของมนุษย์สำหรับกรณี Edge และติดตามทั้งการเพิ่มผลผลิตและต้นทุนข้อผิดพลาดเมื่อเวลาผ่านไป
ชีววิทยาการเรียนรู้ของเครื่อง Insitro ในทางปฏิบัติ
การใช้เซลล์ประสาทที่ได้มาจากสเต็มเซลล์ของมนุษย์เพื่อสร้างแบบจำลอง ALS และโรคทางระบบประสาทอื่นๆ สำหรับการวิเคราะห์ ML
การใช้เซลล์ประสาทที่ได้มาจากสเต็มเซลล์ของมนุษย์เพื่อสร้างแบบจำลอง ALS และโรคความเสื่อมของระบบประสาทอื่นๆ สำหรับการวิเคราะห์ ML ทีมมักจะได้รับผลลัพธ์ที่ดีกว่าเมื่อพวกเขากำหนดเกณฑ์คุณภาพล่วงหน้า รักษาเส้นทางการยกระดับของมนุษย์สำหรับกรณี Edge และติดตามทั้งการเพิ่มผลผลิตและต้นทุนข้อผิดพลาดเมื่อเวลาผ่านไป
ชีววิทยาการเรียนรู้ของเครื่อง Insitro ในทางปฏิบัติ
ร่วมมือกับ Gilead เพื่อค้นหาเป้าหมายของโรคไขมันพอกตับอักเสบที่ไม่มีแอลกอฮอล์ (NASH) และการเกิดพังผืดในตับ
การร่วมมือกับ Gilead เพื่อค้นหาเป้าหมายสำหรับภาวะไขมันพอกตับอักเสบที่ไม่มีแอลกอฮอล์ (NASH) และการเกิดพังผืดในตับ ทีมงานมักจะได้รับผลลัพธ์ที่ดีกว่าเมื่อพวกเขากำหนดเกณฑ์คุณภาพล่วงหน้า รักษาเส้นทางการยกระดับของมนุษย์สำหรับกรณี Edge และติดตามทั้งการเพิ่มผลผลิตและต้นทุนข้อผิดพลาดเมื่อเวลาผ่านไป
ชีววิทยาการเรียนรู้ของเครื่อง Insitro ในทางปฏิบัติ
การแบ่งกลุ่มผู้ป่วยออกเป็นกลุ่มย่อยทางพันธุกรรมเพื่อทำนายว่าใครจะตอบสนองต่อการรักษาที่กำหนด
การแบ่งผู้ป่วยออกเป็นกลุ่มย่อยทางพันธุกรรมเพื่อทำนายว่าใครจะตอบสนองต่อการบำบัดที่กำหนด ทีมมักจะได้รับผลลัพธ์ที่ดีกว่าเมื่อพวกเขากำหนดเกณฑ์คุณภาพล่วงหน้า รักษาเส้นทางการยกระดับของมนุษย์สำหรับกรณี Edge และติดตามทั้งการเพิ่มผลผลิตและต้นทุนข้อผิดพลาดเมื่อเวลาผ่านไป
ความเสี่ยงและรั้ว
การประกาศเปิดตัวอาจแซงหน้าความเสถียรในขั้นตอนการทำงานจริง
การกำหนดราคา API หรือการเปลี่ยนแปลงนโยบายสามารถทำลายสมมติฐานได้ในชั่วข้ามคืน
การพึ่งพาผู้ขายรายเดียวจะเพิ่มค่าใช้จ่ายในการล็อคอินและการย้ายข้อมูล
แผนงานการดำเนินงาน
ประเมินผู้ให้บริการโดยใช้งานและชุดข้อมูลของคุณเอง
ประเมินผู้ให้บริการโดยใช้งานและชุดข้อมูลของคุณเอง ถือว่าแต่ละขั้นตอนเป็นเหมือนประตูหลักฐาน: หากไม่ตรงตามเกณฑ์ ให้หยุดการเปิดตัวชั่วคราว ปิดช่องว่าง จากนั้นจึงขยายการใช้งานเท่านั้น
ตรวจสอบความเป็นส่วนตัว ความปลอดภัย และข้อกำหนดทางกฎหมายก่อนรวมระบบ
ตรวจสอบความเป็นส่วนตัว ความปลอดภัย และข้อกำหนดทางกฎหมายก่อนรวมระบบ ถือว่าแต่ละขั้นตอนเป็นเหมือนประตูหลักฐาน: หากไม่ตรงตามเกณฑ์ ให้หยุดการเปิดตัวชั่วคราว ปิดช่องว่าง จากนั้นจึงขยายการใช้งานเท่านั้น
รักษาแผนสำรองสำหรับรุ่นหรือผู้จำหน่าย
รักษาแผนสำรองสำหรับรุ่นหรือผู้จำหน่าย ถือว่าแต่ละขั้นตอนเป็นเหมือนประตูหลักฐาน: หากไม่ตรงตามเกณฑ์ ให้หยุดการเปิดตัวชั่วคราว ปิดช่องว่าง จากนั้นจึงขยายการใช้งานเท่านั้น
ตรวจสอบบันทึกประจำรุ่นเพื่อให้การเปลี่ยนแปลงแผนงานไม่ทำให้ทีมแปลกใจ
ตรวจสอบบันทึกประจำรุ่นเพื่อให้การเปลี่ยนแปลงแผนงานไม่ทำให้ทีมแปลกใจ ถือว่าแต่ละขั้นตอนเป็นเหมือนประตูหลักฐาน: หากไม่ตรงตามเกณฑ์ ให้หยุดการเปิดตัวชั่วคราว ปิดช่องว่าง จากนั้นจึงขยายการใช้งานเท่านั้น