Vijay Pande, a Stanford’da Folding@home projesini geliştirdikten sonra a16z’nin sağlık ve yaşam bilimleri yatırımını büyüterek yaklaşık 4 milyar dolarlık bir pratiği yönetti. Haziran ayında görevinden ayrılan Pande, Zach Werner’la birlikte VZVC’yi kurdu. Yeni firma, yılda 30 yatırım yerine yaklaşık beş yoğunlaşmış yatırım yapıyor; yatırım ekibinde yalnızca iki ortak bulunuyor ve günlük işlerde yapay zekâ ajanlarından yararlanıyor.
Pande’ye göre yapay zekâ, ilaç geliştirmede hastalık hedeflerinin belirlenmesi, ilaç tasarımı ve klinik araştırmaların desteklenmesini sağlayabilir. Ancak bir ilacın ilk denemeden üçüncü denemenin sonuna başarıyla ulaşma olasılığı yalnızca %20; klinik araştırmalar yüz milyonlarca dolara mal olabiliyor. Pande, yapay zekânın hayvan modellerinden daha iyi sonuçlar verebileceğini ve kişiye özel tıbbı geliştirebileceğini belirtiyor.
Pande, biyolojik verilerin internetten kolayca toplanamamasının yapay zekâdaki ilerlemeleri sınırladığını, şirketlerin çoğunlukla kendi kapalı veri setlerini oluşturduğunu söyledi. Buna karşılık biyolojik bilgi atlasları ve açık kaynaklı temel modellerin yaygınlaşmasının alan üzerinde geniş etki yaratabileceğini ifade etti. Pande, yapay zekânın tek başına her şeyi çözemeyeceğini; asıl sınırlayıcı unsurun çoğu zaman veri eksikliği olduğunu vurguladı.
Neden önemli
VZVC’nin küçük ekip ve sınırlı sayıdaki yoğun yatırımlara dayanan yapısı, sağlık ve yaşam bilimlerinde uzmanlaşma ile operasyonel verimlilik arayışının birlikte yürütüldüğünü gösteriyor. Bu yaklaşımın arkasındaki temel sorun, ilaç geliştirmede yüksek maliyet ve düşük başarı olasılığı nedeniyle teknik ilerlemenin doğrudan klinik sonuca dönüşmemesi. Yapay zekânın hastalık hedefleri, ilaç tasarımı ve araştırma süreçlerinde kullanılması bu nedenle yalnızca bir yazılım meselesi değil, biyolojik veriye erişim meselesi olarak öne çıkıyor. Verilerin şirketler içinde kapalı kalması, geliştirilen araçların farklı araştırmalara aktarılmasını sınırlıyor. Açık biyolojik atlaslar ve temel modellerin yaygınlaşması, bu parçalı veri yapısını değiştirebilir; ancak bunların klinik başarıya etkisi henüz açık bir soru olarak duruyor.