شرکت نوپای بیوتکنولوژی «اینودا» (Enveda) موفق به جذب ۳۱۱ میلیون دلار سرمایه در دور سری E شد. این شرکت که از هوش مصنوعی برای کشف داروهای جدید در طبیعت استفاده می‌کند، اکنون به ارزش‌گذاری ۲ میلیارد دلار دست یافته است؛ رقمی که نشان می‌دهد ارزش این استارتاپ در ۱۲ ماه گذشته دو برابر شده است.

این دور از سرمایه‌گذاری با رهبری شرکت «کاتالیو کپیتال منیجمنت» (Catalio Capital Management) و مشارکت سرمایه‌گذارانی مانند «آیکونیک» (Iconiq) انجام شد. ایده اصلی اینودا بر این پایه استوار است که داروهای قدرتمند می‌توانند از گیاهان و میکروب‌ها استخراج شوند، نه اینکه از صفر در آزمایشگاه سنتز شوند. «ویسوا کولورو» (Viswa Colluru)، از کارکنان اولیه شرکت «ریکرسین فارماسیوتیکالس» (Recursion Pharmaceuticals)، اینودا را در سال ۲۰۱۹ تأسیس کرد تا فرآیند کشف این داروها را با استفاده از هوش مصنوعی تسریع بخشد.

وضعیت فعلی در آزمایش‌های بالینی#

اگرچه هوش مصنوعی هنوز منجر به تأیید هیچ دارویی توسط سازمان غذا و داروی آمریکا (FDA) نشده است، اما اینودا در میان موج شرکت‌هایی قرار دارد که نامزدهای کشف‌شده با هوش مصنوعی را به فاز آزمایش‌های انسانی (بالینی) پیش می‌برند. این استارتاپ در حال حاضر چندین دارو را روی بیماران آزمایش می‌کند که از جمله آن‌ها می‌توان به موارد زیر اشاره کرد:

  • دارویی با هدف درمان مشکلات شدید پوستی
  • دارویی برای کمک به حفظ کاهش وزن پس از قطع مصرف داروهای GLP-1

تحلیل تحریریه: تأثیر این سرمایه‌گذاری بر ایجنت‌های هوش مصنوعی در پزشکی#

برای توسعه‌دهندگانی که در حوزه‌های عمودی‌ای مانند سلامت و زیست‌فناوری با ابزارهای هوش مصنوعی و اتوماسیون کار می‌کنند، این خبر پیام روشنی دارد: سرمایه‌گذاران دیگر فقط به مدل‌های زبانی بزرگ (LLM) و چت‌بات‌ها علاقه‌مند نیستند، بلکه پلتفرم‌هایی که خروجی فیزیکی و قابل اندازه‌گیری (مانند کشف یک مولکول دارویی) دارند، به شدت در اولویت قرار گرفته‌اند.

با این حال، باید احتیاط کرد. دو برابر شدن ارزش‌گذاری اینودا در یک سال، به این معنا نیست که هوش مصنوعی در پزشکی به بلوغ رسیده است. همان‌طور که در متن خبر اشاره شد، هنوز هیچ داروی کشف‌شده با هوش مصنوعی تأییدیه FDA را دریافت نکرده است. این یعنی اگر شما در حال ساخت ایجنت‌های هوش مصنوعی برای تحلیل داده‌های زیستی یا دارویی هستید، موفقیت‌های این شرکت‌ها بیشتر به معنای تأیید «قابلیت‌های پیش‌بینی مدل» است تا «تأیید قطعی عملکرد در بدن انسان». از این پس، ابزارهایی که بتوانند هزینه‌های فیلتر کردن مولکول‌ها را کاهش دهند، بازار جذاب‌تری نسبت به ابزارهای صرفاً تحلیلی خواهند داشت.

منبع: TechCrunch AI