Vivodyne、創薬AIを訓練するためのヒト組織データセンターを開設

Why it matters

AI drug discovery is constrained by the experiments behind its training data. Vivodyne is spending its venture capital on producing causal human evidence before clinical trials.

Vivodyneは、サンフランシスコ近郊に「human data center」と呼ぶ施設を開設し、HIVEロボットを使って臨床試験に入る前のヒト組織データを生成していると、TechCrunchが報じた。TechCrunchによればVivodyneは先週その施設を開設した。これはCEOのAndrei Georgescuと最高科学責任者のDan Dongeun Huhが、自動化された組織実験を創薬モデルのためのトレーニング用データに変える取り組みを進める最新の一歩だ。

Inside the HIVE workflow

VivodyneのプロセスはTissueDisksと呼ばれるマイクロフルイディクスチップから始まる。Vivodyneによれば各ディスクは何百もの自己集合型ヒト組織を培養できる。HIVEロボットラボはそれらの組織を手作業なしで育て、投薬し、モニタリングし、解析する。

Vivodyneの製品説明によれば、各HIVEは一度に10,000の組織をテストでき、データは1〜2週間で返されるという。Vivodyneはプラットフォームが視覚的変化、遺伝子発現、タンパク質を単一細胞分解能で20種類以上の組織にわたって測定すると述べている。

この施設は同じワークフローを繰り返し実行するように設計されている：組織の初期状態を確立し、薬剤やその他の刺激を適用し、結果として現れる生物学的変化を記録する。HIVE実験は介入と測定プロセスをVivodyneが制御できるようにし、定義された操作と組織応答を結び付けるデータセットを生成できるようにする。

その能力により、VivodyneはEmulate、CN Bio、MIMETAS、Hesperosなどの企業と並ぶ既存のorgan-on-chip市場に位置づけられる。EmulateはそのAVA systemが1回の実行で最大96のOrgan-Chipサンプルを処理できると述べている。異なる組織フォーマット、測定法、実験ワークフローにより、公表される処理能力の数値を比較するのは難しい。Vivodyneが主張する差別化点は、組織の生産、ロボットによるテスト、およびモデル訓練を目的としたデータ層の組み合わせにある。

公開情報からは、Vivodyneが主に実験をサービスとして販売しているのか、データセットをライセンスしているのか、機器を供給しているのか、あるいはそれらの組み合わせを用いているのかは確立されていない。顧客の経済性も開示されていない。Vivodyneは世界の上位10社の製薬会社の過半数と協業していると述べており、その主張は同社の2023年の資金調達発表にも現れている。Vivodyneはそうしたパートナーを公表しておらず、契約額も公開していない。

Venture capital paid for laboratory capacity

Vivodyneは2023年11月22日に合計$38 millionのシード資金調達を発表し、2025年5月29日に$40 millionのSeries Aを発表した。両ラウンドはKhosla Venturesが主導した。Series AにはLingotto Investment Management、Helena Capital、Fortius Ventures、Kairos Ventures、CS Ventures、Bison Ventures、MBX Capitalも参加した。

研究記録によれば、Vivodyneの公表された資金調達額は以前の$4 millionのラウンドを含め、3回の資金調達で合計約$82 millionにのぼる。Vivodyneは評価額を開示していない。

Series AはSouth San Franciscoに計画された23,000平方フィートのロボット施設の資金を賄った。この支出は、Vivodyneを資本集約的なデータ生産者にし、多くのAI創薬企業が独自モデルと計算リソースを強調する時代において際立たせている。Vivodyneの防御力（defensibility）は、再現可能な生物学的実験が顧客にとって公開データセットや従来の前臨床試験から安価に得られない情報を生み出せるかどうかに依存するだろう。

A founder's bet on experimental data

Georgescuは研究室での経験を通じてその仮説に到達した。彼はCornell Universityで生物工学を学び、University of PennsylvaniaのHuhのorgan-on-a-chip研究室で博士号を取得し、自動化マイクロフルイディクス、DNA合成チップ、そしてNASAと共に宇宙へ送られたラボ育成組織に取り組んだ。TechCrunchによれば、VivodyneはGeorgescuが同研究室で博士号を取得した後の2021年にUniversity of Pennsylvaniaからスピンアウトした。

彼の問題提起は率直だ。「ヒト試験がなければ、これらの[AI]モデルは何をするつもりだ？それらはマウスのがんを治すだろう」とGeorgescuはTechCrunchに語った。

Vivodyneは、各介入が機能するヒト組織が時間とともにどのように変化するかを記録する新しいトレーニング記録を生成できる実験機械を構築している。ある2026年のNature Methodsの研究は狭い観点を支持している：より多くの事前学習データを追加しても、単一細胞のファウンデーションモデルに対して明確なスケーリング上の利点は得られなかった。性能は事前学習データの量が増えるとしばしばプラトーに達した。

Vivodyneの提案する解は、モデルに利用可能なデータの種類を変えることだ。静的な観察は二つの細胞状態が存在することを示せる。制御された実験は刺激、開始条件、そしてその後の反応を記録できる。新しい施設は、組織、薬剤、投与量にわたってそうした介入記録を生成する能力をVivodyneにより多く与える。

Vivodyneは最終的に、モデルが次の実験を選ぶようにしたいと考えている。ソフトウェアが介入を提案し、HIVEロボットがそれを実行し、組織の反応が次の提案を形成するというフィードバックループを作ることだ。それは物理実験を通じた強化学習に似ているが、Vivodyneはそのようなループが臨床的に成功する医薬品を確実に発見または最適化できるという証拠を公表してはいない。

Human tissue still is not a human trial

Vivodyneはその肝組織がヒトの毒性結果に対して94%の予測精度を達成し、気道組織は実際のヒトの挙動と96%一致し、骨髄試験は20種類の化学療法薬で完全な一致を示したと、TechCrunchの報道にある。これらの企業報告の結果は、HIVEで選択または最適化された薬剤がヒトの有効性試験で成功することを実証するものではない。

高度な組織モデルであっても身体は簡略化される。生体組織、ロボティクス、イメージング、複数の分子測定を組み合わせたシステムでは再現性はより困難になる。

規制当局は包括的な承認を与えることなくこうした方法のための余地を作っている。FDAのnew approach methodologiesに関する2026年3月の草案ガイダンスは、オルガノイド、organ-on-chipシステム、計算モデルの検証フレームワークを説明している。勧告は拘束力がなく、開発者は各手法が提案された用途に対して信頼できることを示さなければならない。

VivodyneはHIVEで選ばれた薬剤が患者において成功することを証明する前でも価値を生み出せる。ヒト組織に基づく証拠は、創薬企業が弱い候補を早期に見切るのを助けたり、臨床試験前に薬剤の組み合わせを比較したり、動物モデルで見逃された毒性を検出したりするのに役立つ可能性がある。より大きな野望は測りにくい：自動化された組織が有用なヒト生物学モデルを訓練するのに十分な忠実性と変動性を提供できることを確立することだ。新施設はGeorgescuとHuhに、その実験を工業規模で実行する能力を与える。