AI醫療新玩家ReviveMed獲得150萬美元種子輪，代謝組學會是好切口嗎？

近日，MIT團隊ReviveMed獲得了由Rivas Capital領投，TechU、Team Builder Ventures和WorldQuant跟投的150萬美元種子輪投資，這筆資金將被用於擴充工程師和數據科學家的團隊。

簡單來說，ReviveMed想解決的是這樣的問題，有時候藥品研發出來了，卻沒能和它對症的疾病聯繫起來。他們想以代謝組學作為切入口，藉助機器學習的方法，詳盡地分析身體內部複雜的生物力學，找到這種聯繫。

醫療和AI可謂是個大風口，人工智慧能否實現商業化落地，是任何一個新入場的項目都必須直面的問題。這個團隊建立的初衷，是想解決代謝組學研究面臨的實際問題。「蛋白質和代謝物的相互作用可以告訴我們，疾病到底給身體帶來了什麼」，創始人Leila Pirhaji表示，「人體內有4萬多種代謝物，DNA和RNA很容易測量，但代謝物太多了，一個個實驗測量非常麻煩。」

而這種大量測試的需求，恰好與其他「大雜訊數據」面臨的問題極為相似，那麼AI就很有發揮空間了。

很多製藥公司和研究機構已經做了大量的代謝物實驗，也知道了不少相互作用，但這些實驗無法徹底了解代謝物和它們的影響。ReviveMed要做的，正是把這些積灰的信息挖出來，把這數百萬的相互作用數據整合為一個巨大的「hair ball」，他們為此開發了一個模型，利用機器學習來研究和分析它。

這就是所謂的「hairball」

ReviveMed也已經取得了一些成果，在一次試驗中，他們發現了亨廷頓氏舞蹈症的新疾病機制，新的治療靶點，也由此找出了可能影響機制和靶點的現有藥物。這其中的秘訣，就是區分不同的代謝產物，並將其與藥物、蛋白質和疾病影響聯繫起來。代謝物就這樣，在沒有任何直接測試的情況下，搭建了疾病和藥物之間缺失的橋樑。

當然，藥物最後還是要經過實驗才能推向市場。而ReviveMed想做的商業模式是為製藥公司提供服務，降低研發成本，提高回報。製藥公司還可以提供一些並無特殊用處的實驗數據，換來的是找到那些高研發成本藥物的實際效用。

想一想，Robitussin能夠預防阿爾茨海默氏症，輝瑞難道不願意為了得知這條消息而付錢嗎？同時，Pirhaji認為，公司並不依賴大型製藥企業提供數據，因為原始數據雖然分散，但大多公開，現有的系統也正是在這樣的基礎上建立的。

數據驅動醫藥發展確實有利可圖，現有的數據規模十分龐大，也給ReviveMed這樣的公司奠定了發展的基礎。商業模式上存疑的一個問題是，很多實驗室和製藥公司希望的是拿自己的數據換數據，達成共享；ReviveMed的服務到底能不能吸引他們付費，將需要後續的談判和運營來驗證。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！