ChronicleBio construye la capa de datos de enfermedades crónicas que le falta al descubrimiento de fármacos con IA

Why it matters

ChronicleBio's potential moat is consented, longitudinal biological data from neglected disease populations. If the cohort works, patient recruitment and biobanking become defensible AI infrastructure.

ChronicleBio cofundadora Fidji Simo (@fidjissimo) dijo que el camino desde la inteligencia artificial hasta los tratamientos para enfermedades crónicas complejas pasa por un recurso que la medicina aún no tiene: datos biológicos profundos recolectados de pacientes a lo largo del tiempo.

"Si bien la IA me da mucha esperanza para encontrar curas para condiciones crónicas complejas como la mía, este potencial solo se realizará si obtenemos suficientes datos biológicos para entender los mecanismos de estas condiciones," Simo escribió en un hilo de dos publicaciones en X el 3 de agosto.

La publicación reiteró la apuesta central de ChronicleBio casi un año después de su lanzamiento del 5 de agosto de 2025. ChronicleBio está recopilando biospecímenes, registros de salud, lecturas de dispositivos wearables, resultados reportados por pacientes y datos moleculares de personas con condiciones que incluyen POTS, ME/CFS y Long COVID. ChronicleBio pretende convertir esas entradas en conjuntos de datos que los investigadores puedan usar para el descubrimiento de biomarcadores, la estratificación de pacientes y el desarrollo terapéutico.

El renovado enfoque de Simo en ese trabajo tiene una conexión personal y profesional. La ex directora ejecutiva de Instacart y líder de la app de Facebook pasó del equipo directivo a tiempo completo de OpenAI a un rol de asesoría a tiempo parcial el 9 de julio tras una licencia médica prolongada vinculada al empeoramiento de una enfermedad crónica. Ella y el cofundador de ChronicleBio, Rishi Reddy, han sido diagnosticados cada uno con al menos una condición en el área de enfermedades objetivo de ChronicleBio, según el anuncio de lanzamiento de ChronicleBio.

Construir el conjunto de datos antes de construir el modelo

ChronicleBio está dirigida operativamente por el cofundador y CEO Rohit Gupta, un especialista en biobancos que se convirtió en el primer director de biobanco de UCSF en 2019 después de ayudar a establecer el biobanco de Stanford. En UCSF, Gupta supervisó el trabajo de conectividad de muestras biológicas con información clínica y molecular en todo el sistema de salud y los departamentos de investigación.

Ese trasfondo da forma al enfoque de ChronicleBio. Los modelos de IA solo pueden identificar patrones en el material disponible para entrenamiento y análisis. Para condiciones que carecen de estándares diagnósticos consistentes, biomarcadores establecidos o grandes cohortes longitudinales, reunir los registros y las muestras subyacentes se convierte en un proyecto científico por sí mismo.

El estudio Chronicle I de ChronicleBio pide a los participantes que conecten registros electrónicos de salud y dispositivos wearables, compartan registros de síntomas y estilo de vida, y donen muestras de sangre, orina o hisopado de mejilla a través de clínicas participantes cuando estén disponibles. ChronicleBio dice que integra esas entradas con análisis multi-ómico para apoyar el trabajo en diagnósticos, reposicionamiento de fármacos y biomarcadores.

El proceso de recopilación es el activo central. ChronicleBio debe reclutar pacientes a través de comunidades de enfermedades fragmentadas, preservar el consentimiento y la calidad de los datos, conectar registros producidos por sistemas incompatibles y recopilar información repetidamente a medida que los síntomas cambian. Un modelo entrenado únicamente en resultados de laboratorio aislados perdería gran parte de la variación que ChronicleBio intenta explicar.

La tesis de ChronicleBio también refleja un cambio más amplio en el descubrimiento de fármacos con IA. El acceso a modelos y capacidad de cómputo se está expandiendo, lo que aumenta el valor estratégico de conjuntos de datos propietarios y específicos de una enfermedad que los competidores no pueden reproducir fácilmente. ChronicleBio está intentando establecer esa posición de datos en enfermedades que históricamente han recibido menos infraestructura de investigación que el cáncer, las enfermedades cardiovasculares y otras grandes categorías terapéuticas.

Un equipo fundador construido alrededor del problema de los datos

El tercer cofundador de ChronicleBio, Rishi Reddy, es presidente ejecutivo y lidera la inversión en capital de riesgo y de crecimiento en Tarsadia Investments. Reddy fundó previamente DigiPath Solutions, un negocio de patología digital, antes de unirse a Tarsadia. Su presencia le da a ChronicleBio una perspectiva de inversionista y de comercialización junto con la experiencia de Gupta en biobancos y el historial de Simo en construir productos de consumo a gran escala.

ChronicleBio agregó experiencia en desarrollo de fármacos el 11 de junio al nombrar a John Mumm como director científico. Mumm fundó Deka Biosciences y fue miembro fundador de ARMO BioSciences, que Eli Lilly adquirió por 1,600 millones de dólares en 2018. ChronicleBio dijo que Mumm aplicará métodos de estratificación de pacientes usados en inmunología y oncología a trastornos neuroinmunes.

Ese nombramiento acerca a ChronicleBio a la parte más difícil de su plan: traducir patrones en los datos de los pacientes en mecanismos de enfermedad comprobables y dianas terapéuticas. Los grandes conjuntos de datos por sí solos no establecen causalidad, y las condiciones crónicas que comparten síntomas pueden contener varios grupos de pacientes biológicamente distintos. ChronicleBio apuesta a que los datos clínicos longitudinales, los biospecímenes y las mediciones moleculares pueden separar esos grupos lo suficiente como para guiar el desarrollo de fármacos.

La publicación del 3 de agosto de Simo resumió esa estrategia en su dependencia esencial. Las ambiciones de IA de ChronicleBio dependen de si Gupta y el equipo pueden construir una canalización confiable de participación de pacientes y material biológico con la profundidad suficiente. El modelo viene después de la cohorte.