هذه المقالة جزء من “”قم بإنشائها: الاتصال، “سلسلة عن التكنولوجيا تعمل على عمل أفضل.
تهدف Viome إلى تحويل الكشف عن المرض ، بدءًا من الأمعاء.
تقدم بدء تشغيل التكنولوجيا الحيوية ومقرها واشنطن مجموعات اختبار في المنزل تحلل عينات اللعاب والبراز والدم. باستخدام تحليل الحمض النووي الريبي ، يمكن للعلماء في Viome تقييم كيفية تصرف الجينات والميكروبات الأمعاء في الوقت الحقيقي.
بمجرد إجراء الاختبارات ، يتم تطبيق الذكاء الاصطناعي على النتائج لإنشاء توصيات طعام وملحق مخصصة. قد يُطلب من المستخدمين تجنب السبانخ للحد من الالتهاب أو أخذ البروبيوتيك المحدد لدعم الهضم والمناعة.
حتى الآن ، قالت الشركة إنها باعت أكثر من نصف مليون مجموعة اختبار. بدعم من المدير التنفيذي لشركة Salesforce Marc Benioff وشركة رأس المال الاستثماري Khosla Ventures ، تقوم Viome الآن بتوسيع أدواتها للكشف عن علامات المرض المبكرة ، بما في ذلك سرطان الفم والحنجرة.
مع توسع فيوم ، فإن المخاطر عالية. وجد Grand View Research أن سوق اختبار الرعاية المنزلية العالمية من المتوقع أن ينمو أكثر من 9 ٪ سنويًا حتى عام 2030. نظرًا لأن المزيد من المستهلكين يتحولون إلى مجموعات الاختبارات الطبية للكشف عن الأمراض المبكرة والرعاية الوقائية ، فإن مخاطر التشخيص الخاطئ أو العلاج غير الفعال قد ترتفع إذا لم يتم تصميم الأدوات بدقة.
لضمان أن تقنيتها دقيقة علميًا وقابلة للحياة تجاريًا ، تعتمد Viome على التعاون الضيق والمستمر بين فرق الأبحاث والهندسة والمنتجات.
في مقابلة مائدة مستديرة ، تحدث Business Insider مع Momo Vuyisich ، كبير مسؤولي العلوم فيوم ، وجورو بانافار ، كبير مسؤولي التكنولوجيا في الشركة ، لمناقشة كيفية عمل فرق العلوم والتكنولوجيا معًا لتقديم منتجات جاهزة للسوق.
Momo Vuyisich هو كبير مسؤولي العلوم فيوم ، وجورو بانافار هو كبير مسؤولي التكنولوجيا في الشركة. من باب المجاملة فيوم
تم تحرير ما يلي للطول والوضوح.
Business Insider: تقدم Viome مجموعة من المنتجات ، بما في ذلك مجموعات الميكروبيوم وكاشفات السرطان في المراحل المبكرة. كيف تعمل فرق العلوم والتكنولوجيا الخاصة بك معًا للحفاظ على نماذج الذكاء الاصطناعى دقيقة وآمنة ومتوافقة؟
Momo Vuyisich: إنه ليس مجرد تعاون بين العلوم والتكنولوجيا – إنه جهد على مستوى الشركة. على الجانب العلمي ، نركز على ثلاثة مجالات: العمل المختبري ، تحليل البيانات ، والبحث السريري.
كلما كنا نعمل على منتج صحي ، فإننا نعتمد على الأبحاث السريرية لتوجيه التنمية. ويشمل ذلك دراسات رصد ، حيث نتعلم من مجموعات كبيرة من الأشخاص ، والتجارب التداخلية ، حيث نختبر ما إذا كانت أداة تعمل في إعدادات العالم الحقيقي. للتشخيصات ، وهذا يعني تجارب الأجهزة الرسمية.
في المختبر ، نستخدم طريقة تسمى Metatranscriptomics ، وقياس الحمض النووي الريبي لفهم ما يحدث في الجسم الآن. على عكس الحمض النووي ، الذي يبقى كما هو ، يتغير الحمض النووي الريبي بناءً على أشياء مثل النظام الغذائي أو التعرض البيئي. يتيح لنا ذلك اكتشاف علامات المرض المبكرة مثل الالتهاب أو حتى السرطان ، بناءً على كيفية التعبير عن الجينات.
نقيس نشاط الجينات عبر الخلايا البشرية والبكتيريا والفطريات ، ونحدد أيضًا أنواع الميكروبات الموجودة في عينة.
Guru Banavar: ما الذي يجعل نهجنا قويًا هو مقياس وتفاصيل البيانات التي نجمعها. يرسل كل عميل لنا عينات البراز والدم واللعاب ، والتي نستخدمها لتوليد عشرات الملايين من نقاط البيانات التي تبين ما يحدث في أمعائهم ودمهم وفمهم.
بمجرد أن تضرب البيانات منصة Viome Cloud ، يخطو فريقي. نستخدم الذكاء الاصطناعى ليس فقط ما هي الكائنات الحية الموجودة ، ولكن ما يفعلونه ، مثل ما إذا كانوا ينتجون مركبات مضادة للالتهابات أو إذا كانت أنظمة بيولوجية معينة غير متوازنة.
نحن نعمل مع البيانات الجزيئية ، والتي تعد أكثر تعقيدًا بكثير من البيانات النصية التي يتم تدريب معظم أدوات الذكاء الاصطناعي. لذلك نحن نستخدم مجموعة من أساليب التعلم الآلي ، مثل AI و Generative AI التي تتعلم من الأمثلة المسمى ورسم رؤى على أساس الأنماط ، حيث يكون ذلك مناسبًا. المفتاح هو استخدام الأداة الصحيحة للمشكلة الصحيحة ، سواء كنا ناكتشف المرض ، أو التوصية بالأطعمة ، أو الإبلاغ عن المخاطر الصحية.
ولأن هذا العمل يمتد على العديد من المجالات ، فإن فريقنا يضم خبراء في علم الأحياء والحوسبة والهندسة السحابية والمزيد. اليوم ، كل شيء يعمل في السحابة ، مما يسمح لنا بالعمل على نطاق واسع.
الاختبارات الطبية في المنزل والصحة الوقائية هي صناعات سريعة الحركة. كيف تتأكد من أنك لا تتحرك بسرعة كبيرة وتفريغ على النتائج العلمية؟
Vuyisich: منذ البداية ، أجرينا البحث السريري جزءًا أساسيًا من كيفية عملنا. لم نبدأ فقط في بناء المنتجات. بدأنا بقياس العلامات البيولوجية التي تم نشرها بالفعل للتأثير على صحة الإنسان ، وخاصة تلك المرتبطة بالمغذيات الدقيقة. كان هذا أساسنا.
كانت إحدى دراساتنا الرئيسية الأولى على استجابة نسبة السكر في الدم ، وكيف يتغير السكر في الدم لدى الناس بعد الأكل. لقد أنفقنا ملايين الدولارات في إجراء دراسات واسعة النطاق في الولايات المتحدة واليابان ، واستخدمنا تلك البيانات لبناء نماذج التعلم الآلي التي تنبأت بكيفية استجابة الشخص لبعض الأطعمة. بعد ذلك ، قمنا بالتحقق من صحة هذه النماذج قبل دمجها في تطبيقنا.
لقد تابعنا نفس العملية لكل شيء بدءًا من توصيات الطعام والتغذية إلى اختبارنا التشخيصي للسرطان. نتعلم من كل من بيانات العميل والبحث الرسمي ، ولكن خلاصة القول هي أننا نتحقق منها قبل تنفيذها.
Banavar: على الجانب التقني ، قمنا ببناء أنظمة تساعدنا على التحرك بسرعة مع الاستمرار في الحذر. لقد قمنا بتمويل الكثير من الرفع الثقيل – مثل معالجة البيانات البيولوجية وتوصيات التوصيات – لذلك لا نبدأ من الصفر في كل مرة. عندما تنضم مجموعة جديدة من المستخدمين إلى Viome ، فإننا في كثير من الأحيان نعيد تدريب نماذجنا لتعكس بيانات بيولوجية جديدة وضمان الأهمية. بعض أجزاء هذه العملية مؤتمتة ، ولكن لا تزال الاختبارات والضبط النهائي تتم باليد للتأكد من أن النموذج يلبي معاييرنا قبل أن يمر مباشرة.
قطعة مهمة أخرى هي تعليم المستخدم. تم تصميم تطبيقنا للسماح للأشخاص بالانخراط ولكنهم يريدون ، سواء كانوا يبحثون فقط عن إرشادات بسيطة أو يرغبون في الغوص في العلم. إنه جزء مهم من التأكد من فهم قاعدة عملائنا ويمكنهم اتباع توصياتنا.
يستخدم Viome البيانات البيولوجية التي تم جمعها من مجموعات الاختبار لتزويد المستخدمين بتوصيات غذائية مخصصة. من باب المجاملة فيوم
هل سبق لك حل النزاعات بين أولويات العمل والمعايير العلمية؟
Banavar: نعم ، ومن الطبيعي في بيئة متعددة التخصصات. نأتي جميعا من خلفيات مختلفة. غالبًا ما يصف علماء الأحياء ومهندسي التعلم الآلي نفس العملية بطرق مختلفة تمامًا. مومو يأتي من الجانب الجزيئي ، لقد جئت من الجانب الحسابي. في بعض الأحيان نتحدث مع بعضنا البعض ، مما يعني أننا نفتقد الأشياء التي نقولها لبعضنا البعض تتجاوز مجالات خبراتنا. لهذا السبب التواصل المستمر مهم للغاية.
هناك أيضا التوتر بين السرعة والمتانة. على سبيل المثال ، عندما نقوم ببناء ميزة جديدة في التطبيق ، فأنا على ما يرام في إطلاق منتج لا يقل عن قابلية للحياة ، MVP لفترة قصيرة ، وهو نموذج أولي يعمل مع الوظائف الأساسية. ولكن عندما يتعلق الأمر بالنماذج الصحية ، فلن نطلقها إلى أن نتحقق من صحة العلم. إذا استغرق الأمر أسبوعين آخرين للضبط ، فليكن ذلك. سنضع رسالة في التطبيق تقول أن درجة معينة ، أو مؤشر صحي بناءً على نتائج اختبار المستخدم ، لا تزال تعمل – وهذا جيد معي.
Vuyisich: كل ذلك يعود إلى تحديد ماهية MVP. إذا كان يوفر قيمة كافية لشخص ما لدفع ثمنه ويشعر بالرضا حيال ذلك ، فهذه هي العتبة. لكن MVP للعب يمكن أن تكون خشنة وواسعة. يجب أن يكون MVP لتشخيص السرطان ناضجًا للغاية.
ليس لدينا ديناميكية حيث يخبر الأعمال العلم ما يجب القيام به. نجلس على نفس الجدول واتخاذ القرارات معًا. إذا لم يتمكن العلم من ضرب الهدف الأصلي ، فنحن نعيد تقييمه. هل يمكننا خفض الشريط قليلاً وما زلنا نوفر قيمة؟ إذا كانت الإجابة نعم ، فسنطلق.
إن أسوأ سيناريو هو إطلاق شيء غير جاهز ، ولكن حتى هذا يعلمك شيئًا. إذا لم يشتريها أحد ، فقد تعلمت الكثير. أحيانًا يقول أصدقاؤك وعائلتك إنه أمر رائع ، لكن لا أحد يدفع لذلك. هذه إشارة.
لكن السيناريو الأسوأ ينتظر وقتًا طويلاً من أجل الكمال. هذا مدفون شركات أكثر من أي شيء آخر. إذا كانت Apple قد انتظرت حتى يكون لدى iPhone جميع ميزات iPhone 16 ، فستكون قد خرجت عن العمل. بدلاً من ذلك ، أطلقوا أول iPhone. يمكن أن يكونوا محرجين اليوم بشأن مدى سوء الفقراء. لكنها نجحت. دفع الناس مقابل ذلك. هذا ما يهم: إحضاره إلى السوق.
ما هي الدروس التي تعلمتها من بناء وتوسيع نطاق Viome الذي يمكن أن يساعد الشركات الأخرى التي تحاول تقديم منتجات صحية منظمة العفو الدولية إلى السوق بمسؤولية؟
Banavar: أولاً ، لا يوجد بديل لتوليد بيانات علمية قوية لدعم قيمة المنتجات الصحية. ثانياً ، عند تطبيق الذكاء الاصطناعي على المنتجات الصحية ، ركز على المجالات والأساليب التي يمكن التحقق منها بشكل مستقل ، ومن الناحية المثالية ، يمكن تفسيرها ، حيث يمكن للشركات أن تشرح كيف وصلت نماذج الذكاء الاصطناعى إلى نتائجها للعلماء والأطباء والمستخدمين. أخيرًا ، من الممكن ، حتى في المجال الصحي ، إنشاء منتجات ذات عقلية MVP وتنفيذ عملية للتحسين المستمر.
Vuyisich: فهم عميق المشكلة التي تحاول حلها وتحديد حل قوي. في Viome ، شرعنا في العثور على الأسباب الجذرية للأمراض المزمنة والسرطان ، والتي تتطلب قياس عشرات الآلاف من المؤشرات الحيوية البشرية ذات الصلة بالصحة.
أيضًا ، استخدم طريقة دقيقة وبأسعار معقولة وقابلة للتطوير. لقد أمضينا أكثر من ست سنوات في تحسين اختبار معمل واحد – Metatranscriptomics – لتجاوز المعيار الذهبي. هذا الاختبار الواحد يمنحنا الآلاف من المؤشرات الحيوية عبر أنواع عينات متعددة بدقة عالية.
أخيرًا ، كل شيء عن الناس. بناء فريق قيادة يفهم بشدة الأعمال والعلوم ، ويتوافق مع المهمة ، ويضع الشركة قبل المصالح الشخصية. توظيف الموظفين المتحمسين ، المديرون ذاتيا ، تدريبهم بشكل جيد ، وقم بتدريبهم باستمرار.