Tổng quan
Insitro kết hợp dữ liệu di truyền và tế bào của con người trên quy mô lớn với công nghệ học máy để tìm ra các mục tiêu thuốc tốt hơn và những bệnh nhân có khả năng đáp ứng cao nhất. Nó quan trọng vì nó giải quyết nguyên nhân lớn nhất khiến thuốc thất bại - chọn sai mục tiêu - bằng cách khám phá nền tảng về sinh học thực sự của con người.
Insitro Machine Learning Biology được hiểu rõ nhất trong bối cảnh chiến lược, truy cập mô hình, quyết định nền tảng và quan hệ đối tác hệ sinh thái.
Lặn sâu
Được thành lập vào năm 2018 bởi nhà sinh học tính toán và cựu lãnh đạo Stanford và Coursera, Daphne Koller, Insitro đã tự xây dựng mình như một công ty khám phá thuốc 'đầu tiên học máy'. Ý tưởng cốt lõi của nó là tạo ra các bộ dữ liệu khổng lồ, được xây dựng có mục đích nội bộ — sử dụng các mô hình bệnh có nguồn gốc từ tế bào gốc của con người ('in vitro'), hình ảnh có hàm lượng cao và 'các phép đo omics — và ghép chúng với các nhóm thuần tập di truyền và lâm sàng khổng lồ ở người như Biobank Vương quốc Anh. Sau đó, học máy liên kết các dấu hiệu phân tử và tế bào với bệnh tật, giúp xác định các mục tiêu mà di truyền học cho thấy thực sự gây bệnh và phân loại bệnh nhân thành các nhóm nhỏ. Bản thân cái tên này đã kết hợp 'in silico' (tính toán) và 'in vitro' (sinh học trong phòng thí nghiệm). Insitro đã hợp tác với Gilead và Bristol Myers Squibb và tập trung vào các lĩnh vực như bệnh chuyển hóa, gan và thoái hóa thần kinh.
Hiểu biết kỹ thuật
Phương pháp Insitro đặc trưng sử dụng công nghệ học máy trên các hình ảnh y tế — ví dụ: các mô hình sâu đọc MRI gan hoặc mô bệnh học — để rút ra 'kiểu hình học máy' định lượng. Việc thực hiện các nghiên cứu kết hợp trên toàn bộ bộ gen chống lại các đặc điểm có nguồn gốc từ AI này trên các quần thể ở quy mô ngân hàng sinh học có thể tìm ra các biến thể di truyền và do đó là các mục tiêu nguyên nhân mà các nhãn lâm sàng thô sơ đã bỏ lỡ. Điều này kết hợp với yếu tố di truyền của con người, bằng chứng mạnh mẽ nhất cho thấy mục tiêu quan trọng, với độ phân giải kiểu hình phong phú từ AI.
Nắm vững Sinh học học máy Insitro
Insitro kết hợp dữ liệu di truyền và tế bào của con người trên quy mô lớn với công nghệ học máy để tìm ra các mục tiêu thuốc tốt hơn và những bệnh nhân có khả năng đáp ứng cao nhất. Nó quan trọng vì nó giải quyết nguyên nhân lớn nhất khiến thuốc thất bại - chọn sai mục tiêu - bằng cách khám phá nền tảng về sinh học thực sự của con người. Insitro Machine Learning Biology được hiểu rõ nhất trong bối cảnh chiến lược, truy cập mô hình, quyết định nền tảng và quan hệ đối tác hệ sinh thái. Để xây dựng sự hiểu biết sâu sắc, hãy coi Insitro Machine Learning Biology như một mô hình vận hành chứ không phải một tính năng duy nhất: xác định kết quả mong muốn, làm rõ các giả định và tách biệt những gì hệ thống có thể thực hiện một cách đáng tin cậy với những gì vẫn cần đến sự đánh giá của chuyên gia.
Trong thực tế, các nhóm mạnh sử dụng Insitro Machine Learning Biology sẽ đánh giá chiến lược của nhà cung cấp, độ tin cậy của lộ trình và rủi ro bị khóa trước khi cam kết. Họ ghi lại các tiêu chí thành công rõ ràng, kiểm tra dựa trên dữ liệu và quy trình làm việc thực tế, đồng thời lặp lại dựa trên các kiểu thất bại được quan sát thay vì chiến thắng điểm chuẩn một lần. Đây là nơi sự hiểu biết về mặt lý thuyết biến thành khả năng bền vững trên toàn bộ sản phẩm, chính sách và hoạt động.
Lộ trình của nhà cung cấp ảnh hưởng đến những tính năng mà nhóm của bạn có thể xây dựng tiếp theo. Đồng thời, các thông báo Khởi động có thể vượt xa sự ổn định trong quy trình sản xuất thực tế. Cách tiếp cận linh hoạt nhất là kết hợp tốc độ thử nghiệm với kỷ luật quản trị: chạy thử nghiệm, thu thập bằng chứng, xuất bản nhật ký quyết định và liên tục cập nhật các biện pháp bảo vệ khi hành vi của mô hình, kỳ vọng của người dùng và các yêu cầu pháp lý phát triển.
Tác động chiến lược
Lộ trình của nhà cung cấp ảnh hưởng đến những tính năng mà nhóm của bạn có thể xây dựng tiếp theo.
Lộ trình của nhà cung cấp ảnh hưởng đến những tính năng mà nhóm của bạn có thể xây dựng tiếp theo. Trong quá trình triển khai chất lượng cao, điều này được chuyển thành các quy tắc vận hành, ranh giới quyền sở hữu và quy trình đánh giá định kỳ có thể đo lường được để các nhóm có thể mở rộng quy mô một cách tự tin thay vì mở rộng quy mô sự mơ hồ.
Các điều khoản thương mại và các lựa chọn triển khai ảnh hưởng đến chi phí và rủi ro dài hạn.
Các điều khoản thương mại và các lựa chọn triển khai ảnh hưởng đến chi phí và rủi ro dài hạn. Trong quá trình triển khai chất lượng cao, điều này được chuyển thành các quy tắc vận hành, ranh giới quyền sở hữu và quy trình đánh giá định kỳ có thể đo lường được để các nhóm có thể mở rộng quy mô một cách tự tin thay vì mở rộng quy mô sự mơ hồ.
Các biện pháp khuyến khích của công ty định hình các tình trạng vỡ nợ của sản phẩm, trạng thái an toàn và tính cởi mở.
Các biện pháp khuyến khích của công ty định hình các tình trạng vỡ nợ của sản phẩm, trạng thái an toàn và tính cởi mở. Trong quá trình triển khai chất lượng cao, điều này được chuyển thành các quy tắc vận hành, ranh giới quyền sở hữu và quy trình đánh giá định kỳ có thể đo lường được để các nhóm có thể mở rộng quy mô một cách tự tin thay vì mở rộng quy mô sự mơ hồ.
Triển khai trong thế giới thực
Các mô hình đào tạo về quét MRI gan để tạo ra các kiểu hình định lượng, sau đó chạy các nghiên cứu liên kết di truyền để tìm ra mục tiêu thuốc điều trị bệnh gan.
Sử dụng tế bào thần kinh có nguồn gốc từ tế bào gốc của con người để mô hình hóa ALS và các bệnh thoái hóa thần kinh khác để phân tích ML.
Hợp tác với Gilead để khám phá các mục tiêu điều trị bệnh viêm gan nhiễm mỡ không do rượu (NASH) và xơ gan.
Phân tầng bệnh nhân thành các phân nhóm di truyền để dự đoán ai sẽ đáp ứng với một liệu pháp nhất định.
Các mẫu triển khai
Sinh học học máy Insitro trong thực tế
Các mô hình đào tạo về quét MRI gan để tạo ra các kiểu hình định lượng, sau đó chạy các nghiên cứu liên kết di truyền để tìm ra mục tiêu thuốc điều trị bệnh gan.
Các mô hình đào tạo về quét MRI gan để tạo ra các kiểu hình định lượng, sau đó chạy các nghiên cứu liên kết di truyền để tìm ra mục tiêu thuốc cho bệnh gan. Các nhóm thường nhận được kết quả tốt hơn khi họ xác định trước các ngưỡng chất lượng, theo dõi lộ trình leo thang của con người đối với các trường hợp đặc biệt và theo dõi cả mức tăng năng suất và chi phí sai sót theo thời gian.
Sinh học học máy Insitro trong thực tế
Sử dụng tế bào thần kinh có nguồn gốc từ tế bào gốc của con người để mô hình hóa ALS và các bệnh thoái hóa thần kinh khác để phân tích ML.
Sử dụng tế bào thần kinh có nguồn gốc từ tế bào gốc của con người để lập mô hình ALS và các bệnh thoái hóa thần kinh khác để phân tích ML. Các nhóm thường nhận được kết quả tốt hơn khi họ xác định trước các ngưỡng chất lượng, theo dõi lộ trình leo thang của con người đối với các trường hợp khó khăn và theo dõi cả mức tăng năng suất và chi phí do lỗi theo thời gian.
Sinh học học máy Insitro trong thực tế
Hợp tác với Gilead để khám phá các mục tiêu điều trị bệnh viêm gan nhiễm mỡ không do rượu (NASH) và xơ gan.
Hợp tác với Gilead để khám phá các mục tiêu cho bệnh viêm gan nhiễm mỡ không do rượu (NASH) và xơ gan Các nhóm thường đạt được kết quả tốt hơn khi họ xác định trước các ngưỡng chất lượng, theo dõi lộ trình leo thang của con người đối với các trường hợp khó khăn và theo dõi cả mức tăng năng suất và chi phí do sai sót theo thời gian.
Sinh học học máy Insitro trong thực tế
Phân tầng bệnh nhân thành các phân nhóm di truyền để dự đoán ai sẽ đáp ứng với một liệu pháp nhất định.
Phân loại bệnh nhân thành các nhóm di truyền để dự đoán ai sẽ đáp ứng với một liệu pháp nhất định. Các nhóm thường đạt được kết quả tốt hơn khi họ xác định trước các ngưỡng chất lượng, theo dõi lộ trình leo thang của con người đối với các trường hợp khó khăn và theo dõi cả mức tăng năng suất và chi phí sai sót theo thời gian.
Rủi ro & lan can
Thông báo ra mắt có thể vượt xa sự ổn định trong quy trình sản xuất thực tế.
Việc định giá API hoặc thay đổi chính sách có thể phá vỡ các giả định chỉ sau một đêm.
Sự phụ thuộc vào một nhà cung cấp làm tăng chi phí khóa và di chuyển.
Lộ trình thực hiện
Đánh giá các nhà cung cấp bằng cách sử dụng các nhiệm vụ và bộ dữ liệu của riêng bạn.
Đánh giá các nhà cung cấp bằng cách sử dụng các nhiệm vụ và bộ dữ liệu của riêng bạn. Hãy coi mỗi bước như một cổng bằng chứng: nếu không đáp ứng được các tiêu chí, hãy tạm dừng triển khai, thu hẹp khoảng cách và chỉ sau đó mới mở rộng mức sử dụng.
Xem lại các điều khoản về quyền riêng tư, bảo mật và pháp lý trước khi tích hợp.
Xem lại các điều khoản về quyền riêng tư, bảo mật và pháp lý trước khi tích hợp. Hãy coi mỗi bước như một cổng bằng chứng: nếu không đáp ứng được các tiêu chí, hãy tạm dừng triển khai, thu hẹp khoảng cách và chỉ sau đó mới mở rộng mức sử dụng.
Duy trì kế hoạch dự phòng giữa các mô hình hoặc nhà cung cấp.
Duy trì kế hoạch dự phòng giữa các mô hình hoặc nhà cung cấp. Hãy coi mỗi bước như một cổng bằng chứng: nếu không đáp ứng được các tiêu chí, hãy tạm dừng triển khai, thu hẹp khoảng cách và chỉ sau đó mới mở rộng mức sử dụng.
Theo dõi ghi chú phát hành để những thay đổi về lộ trình không gây ngạc nhiên cho các nhóm.
Theo dõi ghi chú phát hành để những thay đổi về lộ trình không gây ngạc nhiên cho các nhóm. Hãy coi mỗi bước như một cổng bằng chứng: nếu không đáp ứng được các tiêu chí, hãy tạm dừng triển khai, thu hẹp khoảng cách và chỉ sau đó mới mở rộng mức sử dụng.