Freenome — это биотехнологическая компания, разрабатывающая всесторонние мультиомические платформы для раннего выявления рака посредством стандартного анализа крови, что часто называют жидкой биопсией.
Конечная цель стартапа – создать простой и универсальный тест на наличие онкологии, который мог бы пройти каждый в своей клинике.
Рынок AI в сфере медицины плохо реализован в регионах. Поэтому легко доказать коммерческую выгоду.
Round: 68m, 2017
Диагностировать рак через анализ крови: как Freenome разрабатывает жидкую биопсию
Freenome — это биотехнологическая компания, разрабатывающая всесторонние мультиомические платформы для раннего выявления рака посредством стандартного анализа крови, что часто называют жидкой биопсией.
Штаб-квартира стартапа находится в Сан-Франциско.
В марте 2017 года Freenome привлек $65 млн на разработку жидкой биопсии.
Cуть идеи
Компания ориентирована на объединение достижений машинного обучения, биологии и информатики для распознавания болезненных образцов на молекулярном уровне. Анализируя эти образцы, Freenome стремится к раннему выявлению рака, когда его лечение наиболее эффективно, а также к обеспечению помощи пациентам с помощью наименее инвазивных процедур.
Термин «мультиомика» отражает их использование нескольких видов биологических данных (например, геномики, протеомики и метаболомики) для более полного понимания природы болезни. Для анализа данных компания разрабатывает системы машинного обучения и искусственный интеллект.
Как это работает
Рак, как мы знаем, не совсем заболевание в классическом смысле слова, а совокупность мутировавших клеток с ДНК, которое постулирует действовать не себе во благо.
Когда клетки становятся раковыми, они прекращают выполнять свои обычные функции и могут образовывать опухоли или заражать другие части тела. Рак может возникать в различных органах и системах организма, и его лечение зависит от типа и стадии рака.
Поэтому основа решения для лечения болезни — диагностирование рака на ранней стадии. Диагностирование может проводиться различными методиками. Современная медицинская практика уже выработала определенные паттерны и маркеры, позволяющие выявлять некоторые онкологии на ранних стадиях.
Процесс работы Freenome состоит из нескольких этапов. Сначала пациент сдает анализ крови, который затем отправляется в лабораторию компании. Там кровь подвергается секвенированию ДНК и РНК для выявления генетических и эпигенетических изменений, связанных с раком.
Затем данные из анализа крови обрабатываются с помощью алгоритмов машинного обучения и искусственного интеллекта. Эти алгоритмы обучены распознавать образцы, связанные с раком, на основе больших наборов данных, включающих информацию о пациентах с подтвержденным диагнозом рака и без него. Анализируя эти данные, ИИ может выявлять специфические сигнатуры или паттерны, которые указывают на наличие рака или риски его развития.
Измеримый эффект
Компания провела крупнейшее клиническое исследование, подтверждающее эффективность скринингового колоректального теста на основе крови.
В рамках PREEMPT CRC было организовано более 200 исследовательских центров в городских и сельских населенных пунктах, включая общественные больницы, системы здравоохранения, частные клиники, третичные центры и учебные больницы. PREEMPT CRC завершил набор на исследование в мае 2022 года.
Потенциал
По последним данным, обновленным в сентябре 2021 года, Freenome проводила клинические исследования и испытания, совершенствуя свою платформу AI-геномики с конечной целью создания точных и доступных тестов для ранней диагностики рака. В марте 2017 года компания привлекла многочисленные средства за счет начала разработки жидкой биопсии.
Цель компании — создать простой тест, который мог бы проходить каждый рядовой гражданин во время диспансеризации. И не более. Альтернативный стартап Grail вообще смог собрать 900 млн долларов в свое время.
Компания вызвала значительный интерес и привлекла инвестиции, поскольку раннее обнаружение рака имеет потенциал существенно повысить шансы на выживание при множестве видов онкологических заболеваний. В этом смысле любые технологии, направленные на лечение онкологий, получают серьезные инвестиции.
Вектор тренда
Создание жидкой биопсии далеко не единственный способ обнаружения рака, хотя теоретически один из самых прорывных.
Используются и другие методы выявления и диагностики онкологий на ранних стадиях:
- Организация диагностики. Здесь ИИ выступает как ускоритель вычислительной обработки. Например, помогает получить диагностический снимок высокого качества.
- Скрининг и оценка опухоли. Алгоритмы машинного обучения помогают точно сравнивать объем и структуру опухоли, отслеживать связь с другими тканями и множественные в них поражения. Искусственный интеллект развивает неинвазивные методы. Другими словами, исследование без разрушения тканей организма.
- Оценки рисков. Помимо общей диагностики, нейронная сеть на основе анамнеза, снимков, заключений врача и информации о биомаркерах определяет риски получения онкологии.
Прогноз и планирование терапии. Может быть, прозвучит неэтично, но мы говорим про выживаемость пациента. Насколько человек способен дать иммунный ответ и провести анализ остаточной опухоли после того, как ее прооперируют.
Это значит, что на медицинском рынке существует как минимум четыре направления, где может быть эффективно задействован ML. Соответственно вопрос о применений отпадает сам собой.
Чтобы лучше понимать, какие подобные стартапы могут быть конкурентноспособными в России, давайте проанализируем рынки на сегодня. Не перегрет ли рынок ML средств для борьбы с раком.
Анализ рынков
Мнения о зрелости и успешности машинного обучения в медицине для анализа изображений КТ, МРТ, маммограмм и так далее для обнаружения рака разделились.
Суммарное количество проектов и позитивных научных публикаций по ML-диагностике рака растет. Но, как показывает опыт, IBM, как один из первых разработчиков, который тестировал IBM Watson Oncology больше, чем в 50 клиниках, в 2020 году сократил штат сотрудников подразделения. А в 2021-м и вовсе объявил о намерении продать бизнес.
Несмотря на волну скептицизма, количество разработок и продуктов для обнаружения злокачественных новообразований увеличивается, включая рекомендованные FDA (Управлением по санитарному надзору за качеством пищевых продуктов и медикаментов США).
Например, лидерами скрининга рака легкого считаются Philips Healthcare и SIEMENS Healthineers. Google AI Healthcare и IBM Watson Oncology тоже популярны, хотя и не рекомендованы FDA. На рынке ML-решений существует большая конкуренция со стороны стартапов и проектов с открытым исходным кодом. На текущий момент FDA разрешили использование для медицинских целей свыше 80 ML-решений.
Напоминаем, что финансирование AI в сфере медицины почти догоняет сферу управления данными.
Финансирование стартапов в области лечения онкозаболеваний, возможно, сократилось с максимумов 2020 и 2021 годов — тогда в сектор ежегодно вкладывалось $2,3 млрд, — но некоторые проекты по-прежнему собирают впечатляющие чеки.
С начала 2023 года наиболее крупные инвестиции привлекли Amolyt Pharma ($138 млн), GreyWolf Therapeutics ($49 млн) и Perspectum ($55 млн).
Наилучшая рекомендация для взвешенных инвестиций
Наилучшей рекомендацией становится разработка продукта в областях диагностики и скрининга. На самом деле, многие клиники используют самое современное оборудование, что могло бы неплохо коррелировать с разработкой алгоритмов машинного обучения.
Так и есть.
В Москве постоянно разрабатывается новые ML и DL алгоритмы для генетического анализа клеток и снимков органов. На российском рынке нет дешевых аналогов подобного ПО и в основном его предлагают «дочки» крупных игроков по типу Сбера. Особенно это касается региональных клиник, которые скептически настроены по отношению к любому ИИ в медицинской практике.
Но это и плюс! Задачей успешного основателя стартапа становится убеждения медицинских сотрудников в обратном. Мягкая интеграция ИИ в работу на основе развития нейросетей как рекомендательных систем.
Прежде, чем разрабатывать сам продукт, следует провести исследование и выявить, чего именно не хватает в частных и государственных клиниках: качества изображения предоперируемых опухолей, степени оценки структуры и объема рака. Существуют и реальные возможности уже в готовом ПО, поэтому всегда есть возможность о взаимной интеграции.
Просто процитируем высказывание руководителя ООО «Цельс»:
«Хорошие клинические показатели ML-систем не гарантируют пользы от их внедрения. В каждой конкретной задаче оптимизировать нужно свою метрику — например, время, затрачиваемое на описание одного исследования, денежные затраты пациентов и больниц, процент обнаруженных новообразований, требующих экстренной медицинской помощи. Пока полноценных историй успеха внедрения ML-систем очень мало, но первые результаты дают надежду: например, результаты наших экспериментальных испытаний показывают, что использование ML-систем ускоряет описание маммографического исследования на 30-40%».
Такое положение дел значительно увеличивает число потенциальных заказов в сфере обучения алгоритмов и данных, так как создание монополистической общей системы маловероятно.
Для тех, кто никак не может позволить себе данные для обучения ML и DL существуют специализированные платформы с нужной медицинской информацией, например, Neuron.
В России существует значительное количество технологических парков, которые предоставляют инфраструктурную, юридическую и научно-техническую поддержку стартапам. В подобных парках компании имеют доступ к современным лабораториям, оборудованию и экспертам, что помогает повысить их конкурентоспособность и ускорить разработку инновационных продуктов. Также существуют различные гранты и субсидии, предоставляемые государством и другими организациями для поддержки научных исследований и развития стартапов.
Россия также развивает и венчурное финансирование. Существуют фонды и инвестиционные компании, специализирующиеся на поддержке технологических стартапов и инновационных проектов в биотехнологической отрасли.
Мы рекомендуем искать инвестиции в государственном секторе, так как подобные инновационные стартапы, связанные с медициной, крайне хорошо котируются среди выдающихся инвестиции.
Раунды
В июне 2016 года стартап также получил инвестиции в размере $11 млн от Founders Fund и Data Collective Venture Capital. Уже в марте 2017 года Freenome привлек $65 млн на разработку жидкой биопсии.