בראיון זה, רוב בראון, סגן נשיא למוצר ומכירה מוקדמת ב-Sapio Sciences, דן בעוזרת המעבדה המופעלת בבינה מלאכותית של Sapio, ELaiN, וכיצד היא ממצבת את Sapio כמובילה בתחום אינפורמטיקה של מעבדה מודעת למדע.
האם תוכל בבקשה להציג את עצמך ולתת לנו סקירה קצרה של הקריירה והתפקיד הנוכחי שלך ב-Sapio Sciences?
אני רוב בראון, סגן נשיא למוצר ומכירות קדם ב-Sapio Sciences. אני ב-Sapio מאז מרץ 2023, אבל עבדתי בחלל האינפורמטיקה המחקרית כ-25 שנה עם Dotmatics ו-Accelrys, שהפכה ל-BIOVIA. התחלתי את הקריירה שלי כפוסט דוקטורט במעבדות אבוט.
מי היא Sapio Sciences, ומה מייצגת החברה מבחינת הייעוד והערכים שלה, במיוחד בתעשיית הבריאות והפארמה?
Sapio Sciences היא חברת מחקר ואינפורמטיקה קלינית. יש לנו פתרונות שאנו מוכרים לחברות בתחום מדעי החיים, הפארמה והביוטק ולחברות אבחון קליני. הפלטפורמה שלנו משתרעת על פני פעולות מעבדה, מגילוי מוקדם כל הדרך דרך פיתוח ועד ייצור. בלב הפתרון עומדת פלטפורמת Sapio Lab Informatics, ובנויה על פלטפורמה זו, יש לנו מחברת המעבדה האלקטרונית שלנו (ELN), מערכת ניהול המידע המעבדתית שלנו (LIMS) ופתרון ניהול הנתונים המדעיים שלנו, Sapio Jarvis.
מהם הפתרונות המרכזיים שמציעה Sapio Sciences למגזר הפארמה, ומה מייחד אותם משאר המתחרים בתעשייה?
הפתרונות העיקריים שלנו הם ELN ו-LIMS שלנו, אם כי מה שבאמת מייחד את Sapio הוא שכל מה שאנחנו עושים בנוי על פלטפורמה משותפת.
מבחינה היסטורית, מעבדה או מחלקת מחקר עשויה לקנות ELN מספק אחד ו-LIMS מספק אחר ואז לבזבז זמן רב בניסיון לגרום להם לשחק יפה ביחד.
Sapio בנתה פלטפורמה שבה נוכל להציג יכולות שונות בהתאם למקרה השימוש או היכן שהלקוח נמצא בשלב המחקר. לדוגמה, כאשר לקוח נמצא בשלב הגילוי, הם יחפשו יכולות ELN, אך בהמשך זרימת העבודה, סביר להניח שהם ידרשו את אותה יכולת כמו תהליך LIMS מבוקר כאשר הם צריכים לנעול הכל או לבצע רצף של ניסויים על פני צוותים מרובים.
בעיקרו של דבר, ה-ELN וה-LIMS הם פנים שונות בפלטפורמה משותפת. יש מודל נתונים משותף, דרך נפוצה לחיפוש ודרך נפוצה להמחיש ולנתח את המידע הזה.
מה גם שמייחד אותנו הוא שמדובר בפלטפורמת קוד נמוך/ללא קוד. ספקים עתיקים רבים בפלטפורמות של תעשייה זו מתבססים על טכנולוגיה ישנה מאוד. שלנו הוא מאוד מודרני, מבוסס אינטרנט, SaaS, ללא קוד/קוד נמוך, ומשולב במלואו בפתרונות שלנו ויישומים מחוץ לקופסה, כולל כימיה רפואית, רצף הדור הבא (NGS), היסטופתולוגיה, עיבוד ביולוגי. וניטור סביבתי.
איזה מגוון תעשיות יכול להפיק תועלת מהפתרונות של Sapio Sciences, וכיצד המוצרים שלך מתאימים לצרכי המגזרים השונים?
למעשה, כל תעשייה שעורכת מחקר מדעי יכולה להשתמש בפלטפורמה שלנו, אבל רוב הלקוחות שלנו עוסקים בביוטכנולוגיה, בפארמה ובאבחון קליני. זו הסיבה שאנו קוראים לפלטפורמה שלנו "מודעת למדע". אנו מציגים את הכלים והנתונים בצורה הגיונית למדענים.
זה מבדיל את מה שאנחנו עושים מחברות IT גנריות. ארגונים אלה תומכים בשימוש ב"אגמי נתונים" כדי לאחסן מידע, וזה בסדר בתעשיות פיננסים, טלקום או תעשיות "לא מדע" אחרות, אבל מדענים עובדים עם סוגי נתונים מדעיים ולא רק עם טקסט/מספרים. . לדוגמה, הם ירצו לראות את המבנה התלת-ממדי של החלבון או את כל המבנה של המולקולה הקטנה המחוברת לנוגדן, דבר שלא ניתן להשיג באגם נתונים.
אבל "מודע למדע" הולך רחוק יותר. כאשר מדען שואל סט נתונים, הוא יחפש ליישם אלגוריתמים מדעיים מאוד ספציפיים כדי להבין מה הופך קבוצה של מולקולות לפעילה או מה גורם לסט מסוים של גנים לקבל את התגובה שהם רואים. לשם כך נדרשים ניתוחים ואלגוריתמים מדעיים, וכולם מובנים ישירות בפלטפורמה שלנו.
בתעשייה מורכבת כמו שירותי בריאות, איך Sapio Sciences הופכת את אינפורמטיקה של מעבדה לפשוטה יותר תוך כדי תוצאות טובות יותר לחוקרים?
אנחנו מסתכלים על זה בשתי דרכים: איך להפוך את החיים לפשוטים יותר עבור המדענים המשתמשים בתוכנה שלנו ואיך להפוך את החיים לפשוטים יותר עבור מחלקות ה-IT שצריכות לתחזק את התוכנה שלנו.
קרדיט תמונה: Quality Stock Arts/Shutterstock.com
בצד ה-IT, זה באמת קשור לגישה שלנו עם קוד נמוך/ללא קוד. תכננו את פלטפורמת Sapio כך שתשתלב בקלות במעבדה קיימת ובנוף IT ארגוני רחב יותר. זה ניתן להגדרה בקלות ומשתלב במודלים ובזרימות עבודה ללא צורך בכתיבת כמויות עצומות של קוד שקשה לתחזק אותו.
עבור המדען, אנו מבטיחים שכל הנתונים שלהם מאוחדים, כך שאין צורך להסתכל על פני יישומים מרובים כדי למצוא נתון מפתח. הכל מוצג בצורה גרפית בממשקים נקיים ומודרניים, ללא הדרישה לדעת שפת שאילתות מובנית (SQL) לחיפוש. קל מאוד למדען להיכנס ולעשות את עבודתו.
כמו כל תוכנה, אתה עדיין צריך ללמוד איך להשתמש בו – איך לבנות שאילתת נתונים או להיכנס לניסוי, למשל. אבל עם ELaiN, מחברת המעבדה האלקטרונית Intelligently Intelligent של Sapio, יש לנו ממשק AI מובנה בשפה טבעית ישירות בפלטפורמה שמסיר את הדרישה הזו.
כמדען, אני יודע שאני רוצה לעשות את זה, וה-ELaiN, למעשה עוזר בינה מלאכותית, מפעיל את התוכנה עבורך. אם אני רוצה להריץ חיפוש, אני יכול לשאול, "מצא את כל הדוגמאות שלי עם מאפיינים מסוימים", ועוזר הבינה המלאכותית מורה לתוכנה להפעיל את החיפוש ולספק את התוצאות בצורה היעילה ביותר.
זה שינוי פרדיגמה מוחלט, וזה הרבה יותר יעיל עבור מדענים, להחזיר אותם למעבדה במחקר במקום לנסות להבין תוכנה.
מדענים יודעים את הבעיה שהם רוצים לפתור. כעת הם אפילו לא צריכים ללמוד כיצד להשתמש בתוכנה כדי להיות מסוגלים להשתמש בתוכנה, וזה נהדר. עכשיו הם חוזרים למעבדה ועושים משהו.
מהן היתרונות העיקריים שלקוחות במגזר הרפואי יכולים לצפות להם בעת שימוש בפתרונות של Sapio Sciences, במיוחד במונחים של יעילות, ניהול נתונים ותוצאות מחקר?
יתרון מרכזי של הפתרונות שלנו הוא קיצור מחזורי הגילוי. לדוגמה, שימוש ב-ELN מודרני מאפשר למדענים ללכוד, לנתח ולנהל בקלות נתונים לאורך פרויקט המחקר שלהם. זה מייעל את תהליך קבלת ההחלטות והופך את מעקב אחר הנתונים לפשוט, ומאפשר להם להתקדם הרבה יותר מהר, מה שעשוי לחסוך שעות בכל "מחזור מחקר".
אבל זה לא קשור רק למהירות. זה גם על קבלת החלטות מושכלות יותר. הפלטפורמה שלנו מספקת לחוקרים גישה מרכזית לנתונים קריטיים ברחבי הארגון, מה שעוזר להם לעשות בחירות חכמות יותר או לקבל תובנות מדויקות יותר בכל שלב. כתוצאה מכך, הם עשויים להגיע למועמד קליני במחצית ממספר מחזורי המחקר. בהתחשב בכך שכל מחזור נמדד בשבועות, זה חיסכון עצום בזמן.
כשחושבים על כך שגילוי תרופות לוקח שנים ועולה מיליארדי דולרים, גילוח חלקים מחוץ לציר הזמן יכול לחסוך כמויות אדירות של כסף ולהאיץ את הזמן שלוקח להביא מועמד קליני לשוק.
כשחושבים על כך שגילוי תרופות לוקח שנים ועולה מיליארדי דולרים, גילוח חלקים מחוץ לציר הזמן יכול לחסוך כמויות אדירות של כסף ולהאיץ את הזמן שלוקח להביא מועמד קליני לשוק.
מהם כמה מהאתגרים המרכזיים שעומדים בפניכם בעת פיתוח ושיפור מוצרי אינפורמטיקה במעבדה לתעשיית הפארמה, וכיצד אתם מתמודדים איתם?
בכל תעשיית התרופות, יש לך מגוון מאוד מגוון של ארגונים, החל מחברות סטארט-אפ קטנות ועד חברות תרופות רב-לאומיות עם אלפי חוקרים ונתוני מחקר של שנים.
אחד האתגרים העיקריים הוא כיצד לבנות פתרון העונה על הדרישות של כל ארגוני המחקר על פני הספקטרום הרחב הזה.
באמצעות הפלטפורמה שלנו, זיהינו את הדרישות העיקריות המאפשרות לנו לעמוד בכ-80% מהפונקציונליות הנפוצה בין צוותי מחקר. לכל חברה תהיה דרך עבודה ספציפית, אבל נראה ש-80% מכסים את פונקציונליות הליבה.
לאחר מכן, יש לנו דרך קלה מאוד עבור לקוחות להגדיר את 20% הסופי כדי לגרום לטכנולוגיה לעבוד עבורם, להתאים תהליכים, זרימות עבודה או מבני צוות.
אתגר שני, במיוחד עם ארגונים גדולים ומבוססים יותר, הוא שהתשתית הקיימת שלהם עשויה להיות בת 10, 20 או 30 שנה, ומדענים מסתמכים לחלוטין על המערכות הללו כדי לפתור בעיה באזור מסוים. אז אתה לא יכול פשוט לקרוע את כל התשתית; אתה צריך לשחק יפה, מה שאנחנו עושים!
הכל חוזר להיות הפלטפורמה פתוחה, מאוחדת, קלה להגדרה ובעלת יכולות ליבה מוגדרות מראש הנפוצות במחקר ובגילוי תרופות.
כיצד Sapio Sciences ממנפת בינה מלאכותית (AI) בפתרונות שלה, ומה ההשפעה של AI על עתיד אינפורמטיקה של מעבדות וחקר הפארמה?
ELaiN – Science-Aware AI Chat – חיפוש והגדרה באמצעות קול
בינה מלאכותית עומדת לשנות הכל, אבל אנחנו עדיין בשלב מוקדם יחסית מנקודת מבט של גילוי תרופות.
הגישה ש-Sapio נוקטת היא להשתמש בבינה מלאכותית, למידת מכונה (ML) ועיבוד שפה טבעית (NLP) כדי להאיץ את החזון שלנו להקל על החיים למדענים. אנו עושים זאת על ידי אימון ה-AI המוטמע בפלטפורמה שלנו כדי להבין מה נדרש כאשר מדען אומר, "עשה לי ניסוי עם עשר דגימות מונחות על צלחת", ולהורות לתוכנה את השלבים הדרושים להשלמת בַּקָשָׁה.
על ידי מתן גישה ל-ELaiN לאלגוריתמים מדעיים, אנו מעצימים את המערכת לעזור למדענים. לדוגמה, ELaiN יכול לעזור לחוקר ליצור מולקולה מסוימת על ידי אספקת סכימות התגובה, בעצם ביצוע המשימה של כימאי מומחה בהרבה פחות זמן.
השלב הבא הוא ליישם AI ולמידת מכונה על כל נתוני המחקר הזמינים בארגון. ישנם מספר אתגרים עם זה, לא פחות מכך להבטיח שהמידע הקנייני יישאר מאובטח וסודי ואינו משותף בין LLMs אחרים (Large Language Models).
בינה מלאכותית לא תחליף מדענים, אבל היא עשויה להחליף את אותם מדענים שלא ממנפים את מה שבינה מלאכותית יכולה לעשות.
בינה מלאכותית לא תחליף מדענים, אבל היא עשויה להחליף את אותם מדענים שלא ממנפים את מה שבינה מלאכותית יכולה לעשות.
באילו דרכים אתה צופה שהצרכים של תעשיית הפארמה ישתנו בשנים הקרובות, וכיצד ממצבת Sapio Sciences את מוצריה כדי לעמוד בדרישות העתידיות הללו?
כאשר המנכ"ל שלנו, קווין (קרמר), הקים את החברה בתחילת שנות ה-2000, הוא נקט בגישה שונה מאוד מרבים מהספקים האחרים בתעשייה. כולם עסקו במכירת פתרון יחיד לפתרון בעיה ספציפית.
עם זאת, קווין הקדיש זמן רב לבניית הפלטפורמה ולוודא שליבת הפתרונות של Sapio היא בסיס חזק, ניתן להרחבה ועמיד לעתיד שעליו ניתן לבנות יישומים וכלים שיקלו על חיי המדענים.
הפלטפורמה הזו לבסס עליה פירושה שהמפתחים שלנו ביורק, פנסילבניה, יכולים להיות יצירתיים במיוחד בבניית פתרונות הפותרים את הבעיות האמיתיות של הלקוחות שלנו ועומדים בקצב של הנוף המשתנה במהירות במדעי החיים.
דוגמה מצוינת היא GMP LIMS שלנו. בעבודה עם הלקוחות שלנו, ראינו את האתגרים שעומדים בפניהם סביב הבטחת תאימות ל-GMP בניטור סביבתי ובדיקות יציבות בייצור. המפתחים שלנו הצליחו לבנות LIMS שפותר ספציפית את בעיות הלקוחות האלה ממש מהר, שכן הם בנו על פלטפורמה חזקה.
סאפיו ממוקמת באופן ייחודי בשוק כדי לקבל גישה דינמית, מוגנת עתיד וחדשנית, כך שכאשר מדע חדש יגיע, נוכל להתאים את עצמנו לצרכים המתפתחים של הלקוחות שלנו
היכן יכולים הקוראים למצוא מידע נוסף?
על רוב בראון
רוב בראון הוא מנהל בכיר של שיווק מוצרים ומכירות מוקדמות ב-Sapio Sciences. הוא היה בעבר ב-Dotmatics, שם היה ראש תחום מכירה מוקדמת גלובלית, שיווק מוצר וניהול מוצר. מוקדם יותר בקריירה שלו, הוא ניהל צוותי שיווק מוצרים ב-Accelrys, SciTegic ו-MSI. רוב החל את הקריירה שלו כפוסט דוקטורט ואחר כך מדען מחקר במעבדות אבוט (כיום אבבי). הוא קיבל את הדוקטורט שלו בכימינפורמטיקה מאוניברסיטת שפילד, בריטניה.
