Xaira Therapeutics bygger AI-modeller för läkemedelsutveckling med egenproducerad data
Xaira Therapeutics satsar hårt på att generera sin egen träningsdata för att bygga kausala AI-modeller (modeller som försöker förstå orsak och verkan, inte bara mönster) för läkemedelsutveckling. Grundtanken är enkel men viktig: vill du att en modell ska förstå biologi på riktigt, kan du inte bara mata den med data som samlats in av andra anledningar – du måste designa datainsamlingen från grunden. Det är en resurskrävande strategi, men potentiellt mer robust än att återanvända befintliga dataset.
Djupdykning
Xaira Therapeutics satsar på något som låter självklart men som branschen länge ignorerat: om du vill bygga AI-modeller som faktiskt förstår orsak och verkan i biologin, måste du träna dem på data som också fångar orsak och verkan. De flesta läkemedelsbolag matar sina modeller med observationsdata – alltså data som beskriver vad som händer, inte varför – och undrar sedan varför förutsägelserna inte håller i kliniska prövningar. Xairas X-Cell-modell bygger istället på kausala data, vilket i praktiken betyder experimentellt genererade störningar där man aktivt manipulerar biologiska system och mäter konsekvenserna, snarare än att bara titta på. Det är dyrt och tidskrävande, vilket förklarar varför få gjort det i tillräcklig skala – men det är också precis därför det kan bli en riktig vallgrav om det fungerar. Det de flesta missar i AI-for-drug-discovery-hypen är att modellerna inte är flaskhalsen – datan är. Alla kan köpa GPT-liknande arkitektur, men ingen kan köpa sig rätt träningsdata om man inte aktivt producerar den.