Causaly, en AI-plattform for legemiddeloppdagelse og biomedisinsk forskning, samler inn 60 millioner dollar
Kunstig intelligens har vært et stort tema i verden av helse og medisinsk forskning, og spesielt innen legemiddeloppdagelse. I dag annonserer en annen håpefull i verdensrommet en finansieringsrunde for å utvide sitt eget bidrag til feltet. Causaly, en startup i London som har bygget en AI-plattform for å hjelpe forskere med å akselerere utviklingen og testingen av legemidler, har samlet inn 60 millioner dollar, en serie B som vil gå til FoU og fortsette å bygge ut teamet sitt.
ICONIQ Growth – vekststadiefondet tilknyttet det ikoniske investeringsselskapet med samme navn – leder runden, med tidligere støttespillere Index Ventures, Marathon Venture Capital, EBRD, Pentech Ventures og Visionaries Club som også deltar. Selskapet har nå samlet inn 93 millioner dollar og avslører ikke verdivurdering.
Causaly er litt over seks år gammel, og Yiannis Kiachopoulos, administrerende direktør som grunnla selskapet sammen med CTO Artur Saudabayev, sa at det allerede jobber med 12 av verdens største farmasøytiske selskaper og noen av de største navnene innen medisinsk forskning, inkludert Gilead, Novo Nordisk, Regeneron, Food and Drugal Health Science Institute og National Health Science Institute.
Disse organisasjonene bruker sin skybaserte plattform til å jobbe på tvers av de forskjellige stadiene som går inn i utviklingen av legemidler: identifisere interessante mål for forskning og utvikling, bestemme biomarkører som er spesifikke for disse målene og hjelpe til med patofysiologi for å bedre forstå en sykdom for å finne ut hva som kan fikses med de riktige legemidlene og andre terapeutiske midler.
Kiachopoulos estimerte at bruken av Causalys plattform kan redusere de 10-15 årene som det typisk kan ta å ta en idé fra mål til slutten av forsøk, ned til rundt «flere» år – en stor reduksjon i budsjettet som må dedikeres til prosessen.
Like viktig er det at plattformen – som muliggjør raskere modellering og beregninger basert på ulike kjemiske permutasjoner og hvordan de fungerer i ulike miljøer – tar sikte på å redusere antallet falske starter og blindveier som kjennetegner prosessen med oppdagelse av legemidler.
“For hvert stoff for å komme på markedet er det ni som mislyktes,” sa Kiachopoulos, og regner med en feilrate på 90%. Hvert av disse legemidlene koster vanligvis mellom 1 og 2 milliarder dollar å utvikle, ifølge forskning fra National Institutes of Health i USA “Dette gir oss en reell sjanse til å akselerere og gi pasient- og samfunnsmessige fordeler.”
Den enorme ineffektiviteten i det biomedisinske forskningssystemet er den klassiske typen big data-problem som passer AI – som ikke bare kan knuse store, mangefasetterte beregninger i sanntid, men brukes til å lese bilder for å bedre forstå resultater på celler og mer – og det er en grunn til at det har vært et populært felt ikke bare blant AI-startups, men også investorer. Bare i går kunngjorde Recursion – en AI-basert medisinoppdagelsesstartup som har samlet inn hundrevis av millioner dollar i finansiering – sin siste investering, en $50-injeksjon fra Nvidia som fulgte med et viktig strategisk partnerskap: Recursion ville bruke Nvidias skyplattform til å trene modellene sine på gigantiske datasett.
Denne avtalen understreker den enorme mengden penger som blir pumpet inn i AI-medisinområdet – totalt sett har det vært satt inn milliarder i oppstart i feltet – men interessant nok fremhever den også noe annet.
Jeg spurte Kiachopoulos om datakraft var et problem for oppstarten hans også, gitt at dette faktisk er et av de store temaene blant AI-startups akkurat nå, biomedisinsk eller på annen måte, og svaret hans var et overraskende “nei.”
“Bare en veldig liten brøkdel vil gå inn i dataressurser,” sa han. Dette var delvis på grunn av hvordan Causaly ble bygget, og delvis på grunn av dens rolle i økosystemet. «For seks år siden, da vi startet selskapet, var det ingen store språkmodeller, så det vi har bygget er ikke datakraftkrevende. Vi bygde naturlig språkspørring før Chat GPT, så vi trengte ikke store språkmodeller nå.»
Han sa at det jobber med å inkorporere mer av dette i fremtidige produkter, men at dette ikke kommer til å ha en merkbar innvirkning på databehovene.
“Med LLM kan det bli enklere å spørre etter AIer. Det er sant, og vi jobber med det. Men du trenger ikke trene en LLM fra bunnen av, slik at vi kan ta og finjustere det som finnes, og finjustering er mye mindre tømming av dataressurser.»
Den andre detaljen som dette fremhever er at Causaly selv ikke driver med medisinoppdagelse: Den gir verktøy til andre som er det. Dette er også noe som skiller Causaly fra andre startups i feltet.
“Vår løsning hjelper biomedisinske team, men vi utvikler ikke våre egne terapier,” sa han. “Vi er en SaaS-basert plattform som trener forskerne våre til å få mest mulig ut av AI. Vi har veldig sterke partnerskap og konkurrerer ikke, og vi har heller ikke planer om det.»
Med denne runden blir Caroline Xie, en generell partner i ICONIQ Growth, med i oppstartens styre.
“Vitenskapen er ved et vendepunkt drevet av innføringen av AI, og vi tror Causaly er ledende i å levere denne kraften til forskere på en svært pålitelig og verifiserbar måte,” sa hun i en uttalelse. “Causaly skiller seg ut for oss som en unik kraftig og brukerorientert plattform som bruker AI for å drive betydelige produktivitetsgevinster og kommersiell innvirkning for mange store farmasøytiske selskaper i dag. Vi er begeistret over å støtte hele Causaly-teamet i deres oppdrag om å revolusjonere måten forskere finner, visualiserer og samarbeider om vitenskapelig bevis på tvers av farma, biovitenskap og utover.»
«Causaly gir forskere kraften til å løse verdens største utfordringer som aldri før. Det er en av de tydeligste virkelige applikasjonene av AI i dag,” la Carlos Gonzalez-Cadenas, en partner i Index Ventures til. “Allerede rullet ut av noen av verdens største farmasøytiske selskaper, akselererer Causaly aktivt biomedisinsk forskning nå. Vi har blitt virkelig imponert over nivået av adopsjon av ledende forskningsorganisasjoner, som fortsetter å raskt øke forbruket på Causaly, noe som ligger til grunn for innvirkningen teknologien allerede har på FoU.»
Oppdatert for å korrigere det totale beløpet som er samlet inn til dags dato og tidsreduksjonen (fra seks til “flere” år).