Elucidata’nın MLOps platformu, ilaç keşfi için veri kalitesini artırıyor

Genç girişimlerden büyük holdinglere kadar, yaşam bilimleri endüstrisindeki hemen hemen her kuruluş, Ar-Ge’yi yönlendirmek ve yeni ilaçlar ve terapiler bulmak için yapay zekaya bakıyor. Çaba, eldeki sorunla ilgili büyük veri kümeleri üzerinde tahmine dayalı modellerin eğitimi etrafında dönmektedir. Ancak birçok kuruluş için yüksek kaliteli veri toplamak büyük bir sorun olmaya devam ediyor.

Esasen, çoğu bilim adamının çoklu-omik, biyo-tahliller, klinik, EHR ve genellikle organizasyonları içinde birden fazla sistemde depolanan veya dışarıdan sağlanan diğer biyomedikal veri biçimleriyle çalışması gerekir. Bu tür bilgiler yalnızca silolar halinde değil, aynı zamanda o kadar çeşitlidir ki, doğru bir tahmin modelini buna dayandırmak zorlaşır.

Eight Roads Ventures’ın ortağı Ashish Venkataramani, “Biyomedikal verilerden içgörüleri deşifre etmek, biyofarmasötiklerde dünyanın en önemli atılımlarını ele almanın merkezinde yer alıyor” diyor. “Sıralama teknolojilerindeki yenilikler ve bağlı cihazların çoğalmasıyla bu karmaşık, heterojen veri kümelerinin üretilmesinde bir patlama var.”

Elucidata, veri kalitesi sorununu çözüyor

Yaşam bilimleri kuruluşlarının, verilerin heterojen veya silo yapısı hakkında endişelenmeden bu fırsattan en iyi şekilde yararlanmasına yardımcı olmak için Massachusetts merkezli Açıklama Polly adında bir MLOps platformu sunar. Çözüm, Ar-Ge ekiplerinin, bir grafik kullanıcı arabirimi (GUI) üzerinden veya programlı olarak sorgulanabilen ve analiz edilebilen temiz, küratörlü biyomoleküler verilere erişmesini sağlar. Elucidata bugün A Serisi bir finansman turunda 16 milyon dolar topladı.

Şirkete göre Polly, verileri standart hale getirilmiş makine tarafından okunabilir biçimlere toplar, dönüştürür ve uyumlu hale getirerek işletmelerin bu verileri makine öğrenimi uygulamaları için kullanmalarını sağlar. Çözüm, 30’dan fazla kamuya açık ve tescilli kaynaktan 70 TB’lık ML’ye hazır biyomedikal verilere veya 1,5 milyondan fazla veri kümesine ve 4,1 milyon örneğe erişime sahiptir. Bu, 26’dan fazla biyolojik veri türünü kapsar.

Platform, TCGA ve Gene Expression Omnibus (GEO) gibi kaynaklardan veri çekmek için bağlayıcılar kullanır. Ardından, bilgileri düz dosyalara dönüştürür ve ontoloji destekli meta veriler ve etiketler ekleyerek makine öğrenimine hazır, küratörlü biyomedikal verilere ince ayar yapar. Son olarak, temizlenen bilgiler müşterinin veri ambarında kullanıma sunulur.

“Kuruluşlar genellikle veri kalitesinin önemini hafife alıyor ve sonuç olarak birçok AI/ML girişimi tehlikeye giriyor. Elucidata CEO’su ve kurucu ortağı Abhishek Jha, şunları söyledi:

Benimseme

Elucidata, şirketlere ilaç keşif sürecinin çeşitli aşamalarında hizmet etme yeteneği sunduğunu iddia ediyor. Aslında şirket, Polly’nin Genentech, Pfizer ve Janssen’in yanı sıra Stanford ve Bill & Melinda Gates Vakfı gibi araştırma enstitüleri de dahil olmak üzere 30’dan fazla yaşam bilimi endüstrisi oyuncusu tarafından benimsendiğini gördüğünü söylüyor. Şirket, platformun yalnızca AI girişimlerinin uygulanma hızını hızlandırmakla kalmayıp, aynı zamanda aşağı akış analizine kadar geçen süreyi %70’e kadar azaltabileceğini de sözlerine ekledi.

Eight Roads Ventures tarafından yönetilen bu finansman turuyla Elucidata, translasyonel ilaç araştırmaları ve müttefik pazarlardaki ürün yeteneklerini derinleştirmeye, pazara açılma girişimlerini ölçeklendirmeye ve operasyonların küresel genişlemesini hızlandırmaya odaklanacak.

Tura katılan F-Prime Capital’in MD ve ortağı Nihal Sinha yaptığı açıklamada, “AI projeleri söz konusu olduğunda, etiketlenmiş verilerin kalitesi başarı ve başarısızlık arasındaki farkta hayati bir rol oynayabilir” dedi.

Singha, “Elucidata, yaşam bilimi şirketlerine yüksek kaliteli veri kümelerine erişim sağlıyor ve sonuç olarak, insan sağlığını iyileştirebilecek yenilikçi çözümler geliştirmeye yönelik Ar-Ge çabalarını etkin bir şekilde hızlandırıyor” dedi.

Göre RBC Sermaye Piyasaları2025 yılına kadar, sağlık hizmetleri için verilerin yıllık bileşik büyüme oranı %36’ya ulaşacak – üretimden %6, finansal hizmetlerden %10 ve medya ve eğlenceden %11 daha hızlı.