Prawie 19 mln zł z Unii dla Ingenix. Sztuczna inteligencja sprawdzi, czy lek zadziała
Mowa o wykorzystaniu przełomowych metod wielomodalnej generatywnej sztucznej inteligencji do predykcji wyników badań klinicznych. Głównym celem jest zwiększenie skuteczności badań oraz wyraźne ograniczenie kosztów opracowywania nowych leków. Całkowita wartość przedsięwzięcia to 25 629 370,36 zł, z czego unijne dofinansowanie wynosi blisko 19 mln zł (dokładnie 18 855 422,40 zł).
AI „przeczyta” biologię na poziomie molekuł
W ramach projektu zespół Ingenix rozwija autorskie modele AI, których zadaniem będzie przewidywanie toksyczności i skuteczności leków. Co istotne, analiza będzie odbywać się na wielu poziomach jednocześnie: molekularnym, komórkowym oraz populacyjnym. Dzięki zaawansowanym strumieniom przetwarzania danych, naukowcy będą w stanie wychwycić potencjalne zagrożenia znacznie wcześniej niż dotychczas.
Efektem prac będzie innowacyjne narzędzie AI, które przeanalizuje protokoły badań klinicznych. System nie tylko oszacuje prawdopodobieństwo sukcesu badania, ale również zarekomenduje zmiany zwiększające jego skuteczność. Rozwiązanie to jest kierowane bezpośrednio do firm farmaceutycznych, biotechnologicznych oraz zespołów prowadzących badania kliniczne.
Inteligentne wnioskowanie zamiast samej statystyki
To nie pierwszy sukces polskiej spółki, założonej przez uznanych badaczy sztucznej inteligencji. Niedawno Ingenix pozyskał 13 mln euro w ramach rundy seed-extension. Inwestycji przewodził prestiżowy fundusz Sofinnova Partners, przy udziale polskich funduszy Inovo VC oraz OTB Ventures. Pozyskane środki pomagają w rozwoju technologii, która potrafi zrozumieć złożoność biologii w sposób nieosiągalny dla dotychczasowych modeli.
Kluczem do sukcesu Ingenix jest autorska architektura Modality Fusion. Podczas gdy tradycyjne podejście zakłada, że biologię można „rozgryźć” za pomocą coraz większych zbiorów danych, polska spółka stworzyła system Biological Reasoning Engine. Rozwiązanie to integruje najlepsze modele z różnych dziedzin i skal biologicznych, a następnie przeprowadza logiczne wnioskowanie bezpośrednio na ich reprezentacjach, otwierając zupełnie nowy rozdział w cyfrowej medycynie.
