Vijay Pande o nowej strategii inwestycyjnej VZVC: mniej, ale bardziej skoncentrowane zakłady w AI i biotechnologii

Vijay Pande, znany wcześniej w środowisku akademickim jako twórca projektu Folding@home, a następnie jako kluczowa postać w a16z, gdzie zarządzał funduszem o wartości blisko 4 miliardów dolarów w sektorze opieki zdrowotnej i nauk przyrodniczych, podjął nieoczekiwaną decyzję. W czerwcu ubiegłego roku odszedł z a16z, aby założyć znacznie mniejszą firmę inwestycyjną, VZVC. Wspólnie z wieloletnim inwestorem Zachem Wernerem, Pande koncentruje się na zaledwie kilku, ale za to bardzo skoncentrowanych inwestycjach rocznie, rezygnując z dziesiątek rozproszonych zakładów. Co więcej, VZVC nie zatrudnia współpracowników, a w codziennych operacjach w dużej mierze polega na sztucznej inteligencji.

Biologia jako dziedzina inżynieryjna dzięki AI

Pande podkreśla, że biologia przechodzi transformację z „nauki o odkrywaniu” w dziedzinę, którą można inżynieryjnie projektować. Tradycyjne metody opracowywania leków często opierały się na szczęśliwym trafie. Obecnie, dzięki sztucznej inteligencji i uczeniu maszynowemu, komputery są w stanie przetwarzać i rozumieć niezwykle skomplikowane dane, co pozwala na:

• Precyzyjne określanie celów dla leków w konkretnych chorobach.
• Skuteczne tworzenie tych leków.
• Wsparcie w badaniach klinicznych, które stanowią najdroższą część procesu.

Choć koszty i czas potrzebny na rozpoczęcie badań klinicznych maleją dzięki AI, przeprowadzenie jednego badania nadal może kosztować setki milionów dolarów. Skuteczność leku od pierwszej do trzeciej fazy badań wynosi zaledwie 20%. Wysoki wskaźnik niepowodzeń (8 na 10) wynika często z tego, że leki są projektowane na modelach zwierzęcych, takich jak myszy, które nie są wystarczająco predykcyjne dla ludzi. Pande uważa, że modele AI, choć nieidealne, będą znacznie lepsze niż jakiekolwiek modele zwierzęce, co otwiera drogę do medycyny precyzyjnej.

Wyzwania danych i przyszłość medycyny precyzyjnej

Medycyna precyzyjna ma na celu dostosowanie leczenia do indywidualnego pacjenta. Obecnie lekarze często muszą zgadywać, co dzieje się z pacjentem, a leczenie polega na próbowaniu kolejnych leków, jeśli poprzednie nie działają. Pande wskazuje, że zamiast porównywać wyniki badań krwi pacjenta do średnich populacyjnych, należy oceniać, czy dany wynik jest „dziwny dla niego”. Możliwość zrozumienia, co jest właściwe dla konkretnej osoby, staje się coraz bardziej realna.

Rozwój ten nie jest nagły, lecz wynika z konwergencji wielu czynników. Medycyna precyzyjna przez długi czas opierała się na genomice, ale genom to tylko „plan domu z pierwszego dnia”. Obecnie mierzy się wiele innych czynników, takich jak proteomika, które są bardziej istotne dla zrozumienia aktualnego stanu organizmu i choroby. Dodatkowo, automatyzacja i pomiary robotyczne są naturalnie powiązane z AI, co przyspiesza postęp.

Jednym z kluczowych wyzwań w tej dziedzinie jest dostęp do danych. W przeciwieństwie do danych tekstowych, dane biologiczne nie mogą być po prostu „zeskrobane” z internetu. Oznacza to, że niemal każda firma buduje własny, zamknięty zbiór danych. Pande widzi w tym analogię do silosów, w których często działają lekarze różnych specjalizacji. Jednakże, AI ma potencjał, by stać się „specjalistą we wszystkim” i łączyć informacje, których żaden człowiek nie byłby w stanie przetworzyć. Pande przewiduje, że podobnie jak w przypadku otwartych modeli językowych (LLM), w biologii pojawią się otwarte modele fundamentalne, które będą miały szeroki wpływ na rozwój dziedziny.

Nowe podejście do inwestowania i wizja przyszłości

W VZVC Pande i Werner stawiają na bardzo skoncentrowane inwestycje, planując około pięciu rocznie. To radykalna zmiana w porównaniu do zarządzania dziesiątkami inwestycji w a16z. Ich model nie polega na konkurowaniu o „gorące rundy” finansowania; zamiast tego, firmy same chcą ich jako inwestorów ze względu na ich zaangażowanie i doświadczenie. Pande czerpie inspirację z takich inwestorów jak Antonio Gracias z Valor czy Thrive, którzy również stawiają na skoncentrowane portfele.

Pande koncentruje się na dwóch głównych obszarach: AI dla świadczenia opieki zdrowotnej oraz AI dla badań klinicznych. W poszukiwaniu założycieli ceni sobie przede wszystkim wysoką integralność, zaufanie i długoterminowe myślenie. Chce współpracować z ludźmi, którzy myślą o wspólnym sukcesie, a nie tylko o pokonaniu konkurencji. Podkreśla również, że choć technologia jest kusząca, kluczowe jest wejście na rynek (go-to-market), które jest równie trudne, jeśli nie trudniejsze, niż sama technologia.

Pomimo początkowego sceptycyzmu, Pande z satysfakcją obserwuje, jak opór wobec połączenia AI i medycyny zanika. Ostrzega jednak przed nadmiernym optymizmem, że AI „wyleczy wszystko”. Problem nie leży w samej AI, lecz w dostępności danych. Tam, gdzie danych brakuje, AI nie jest w stanie magicznie rozwiązać problemu. Rozwój otwartych modeli fundamentalnych w biologii może być kluczem do przezwyciężenia tego wyzwania i przyspieszenia innowacji w medycynie, prowadząc do bardziej spersonalizowanej i skutecznej opieki zdrowotnej.

Źródło: techcrunch.com