Atlas Discovery、臨床試験における患者の反応を予測するAIモデルを発表

Why it matters

Founder posts on X can signal early interest or endorsement of external content, but without context the impact on the startup ecosystem remains unclear.

Atlas Discoveryはステルスフェーズを脱して公表し、臨床試験における個々の患者が薬剤にどのように反応するかを予測するよう設計されたファウンデーションモデルを発表した、とY CombinatorのゼネラルパートナーAnkit GuptaによるXに掲載された記事で伝えられた。

創業者のShaamil Karim、Sanjukta、Christianは、有望な前臨床の結果と薬がヒトで有効であることの証拠との間に存在するコストのかかるギャップである臨床翻訳（clinical translation）をターゲットにしている。以前に創薬スタートアップReverie Labsを共同創業したGuptaは、Atlasが自社の予測を薬のリポジショニング、失敗した薬候補の救済、試験参加者の選定、およびインライセンシング対象資産の評価に使用する計画だと述べた。

Atlasは豊富な前臨床データと希少な臨床データを組み合わせてモデルをトレーニングしていると同社は説明する。このアプローチにより、モデルはヒトの薬剤反応を予測するように適応させる前に、広範な生物学的パターンを学習できるという。癌および自己免疫の臨床試験に関する回顧的解析では、Atlasはモデルが反応者と非反応者を高い精度で識別したと報告した。

あるケーススタディでは、Atlasは潰瘍性大腸炎におけるustekinumabの第3相試験のベースライン生検試料を解析した。同社はモデルが投与前に治療反応をAUROC 0.76で予測したと述べた。回顧的解析は、試験は約450人少ない患者数でも同等の統計的検出力を維持できた可能性を示唆した。この結果は、モデルが実際の前向き試験でどのように機能するかを示すものではないが、Atlasが製薬企業に提示している経済的および運用上の利点を示している。

Guptaはまた、チームの離散潜在モデルが単一細胞の摂動予測におけるテストされた分布的指標全体で、彼が「最先端」と表現した結果を達成したとする公開プレプリントを指摘した。より重要な主張は、同じモデリング手法が前臨床生物学からヒトの薬剤反応へと移行したことであり、予測がしばしば細胞や動物モデルに依存する多くのAI創薬企業が直面する持続的な課題を克服しようとしている点だ。

Guptaによれば、KarimはDartmouthでコンピュータサイエンスを学び、EtchedとRunPodで応用AIに取り組んだ。SanjuktaはLos Alamosで研究を行い、博士課程を中退した。ChristianはDartmouthで数学と生物学を学び、Johns Hopkinsで理論生物学を研究した。GuptaはチームがICLR、Cold Spring Harbor Laboratory、およびICMLで研究を発表したと述べた。

Atlasは病院やヘルスシステムとの研究およびデータパートナーシップ、ならびに臨床試験を実施する、または医薬品を開発するバイオファーマのチームとの関係を求めている。詳細はAtlas Discovery websiteおよび同社のclinical trial response prediction case studyで確認できる。発表において同社は資金調達、顧客、将来的な妥当性検証結果、商業条件を明らかにしていない。