Depois de desenvolver o projeto Folding@home em Stanford, Vijay Pande expandiu os investimentos da a16z em saúde e ciências da vida, passando a comandar uma operação de aproximadamente 4 bilhões de dólares. Pande deixou o cargo em junho e fundou a VZVC junto com Zach Werner. A nova empresa realiza cerca de cinco investimentos concentrados por ano, em vez de 30, conta com apenas dois sócios na equipe de investimentos e utiliza agentes de inteligência artificial nas operações diárias.
Segundo Pande, a inteligência artificial pode contribuir para a identificação de alvos de doenças, o desenvolvimento de medicamentos e o apoio a pesquisas clínicas. No entanto, a probabilidade de um medicamento chegar com sucesso do primeiro ensaio ao fim do terceiro é de apenas 20%, e os ensaios clínicos podem custar centenas de milhões de dólares. Pande afirma que a inteligência artificial pode produzir resultados melhores do que os modelos animais e impulsionar a medicina personalizada.
Pande disse que o fato de os dados biológicos não poderem ser facilmente coletados na internet limita os avanços na inteligência artificial, e que as empresas geralmente criam seus próprios conjuntos de dados fechados. Em contrapartida, afirmou que a disseminação de atlas de informações biológicas e de modelos fundamentais de código aberto poderia ter um impacto amplo sobre o setor. Pande ressaltou que a inteligência artificial não pode resolver tudo sozinha e que, muitas vezes, o principal fator limitante é a falta de dados.
Por que isso é importante
A estrutura da VZVC, baseada em uma equipe pequena e em um número limitado de investimentos concentrados, mostra que a especialização em saúde e ciências da vida é conduzida em conjunto com a busca por eficiência operacional. O principal problema por trás dessa abordagem é que, devido ao alto custo e à baixa probabilidade de sucesso no desenvolvimento de medicamentos, o avanço técnico não se traduz diretamente em resultados clínicos. Por isso, o uso da inteligência artificial na identificação de alvos de doenças, no desenho de medicamentos e nos processos de pesquisa se destaca não apenas como uma questão de software, mas também como uma questão de acesso a dados biológicos. O fato de os dados permanecerem fechados dentro das empresas limita a transferência das ferramentas desenvolvidas para diferentes pesquisas. A disseminação de atlas biológicos abertos e de modelos fundamentais pode mudar essa estrutura fragmentada de dados; no entanto, seu impacto sobre o sucesso clínico ainda permanece uma questão em aberto.