在医疗行业利用人工智能是一项棘手的事情; 在肿瘤学领域更是如此，因为风险特别高。生物科技初创公司Valar Labs旨在高瞻远瞩，但从小处着手，推出了一个精确预测某些治疗结果的工具，潜在地节省了患者宝贵的时间。它已筹集了2200万美元用于扩展到新的癌症和疗法。
每种癌症都不同，但许多都有经过多年测试的成熟最佳实践。然而，有时候，这意味着需要经历几个月的给定治疗方案，才能知道它是否有效。
膀胱癌是其中之一，Valar的联合创始人向TechCrunch解释说。一种常见的首次治疗，被肿瘤学家推荐的BCG疗法，大约有一半的几率有效——这实际上相当不错！但不用翻动那个硬币直接开始治疗会不会更好？这是Valar正试图解决的问题。
CEO Anirudh Joshi表示，团队在斯坦福相遇，那里他们正在研究AI支持临床决策。换句话说，帮助患者和医生决定采取哪种治疗路径，无论是两种还是十几种。
“我们了解到，如今大多数癌症患者的治疗计划实际上并不清晰，”Joshi说。“他们有选择，但很难说哪种效果更好—你只能尝试。因此，我们整个的想法是做一个明智的决定。在膀胱癌治疗中，只有一半的患者对标准治疗有反应。如果我们知道哪个患者是哪个，我们就不必在没有效果的情况下浪费一年的疗法。”
他们开发的第一个测试，名为Vesta，专注于这种特定情况。这并不是一种理论上的软件解决方案：团队与世界各地的十几家医疗中心合作，研究了1000多名患者，了解到究竟是什么使他们对某些疗法产生反应。
这个过程有两个组成部分：首先，是一个视觉人工智能（或计算机视觉模型），经过对数千幅癌症患者的组织学图像的训练。这些受影响组织的薄片越来越多地被专家扫描和检查，尽管这个过程有点近似。
“这种超高分辨率图像可以告诉你关于肿瘤细胞水平发生了什么，”CTO Viswesh Krishna解释。“我们在这幅图像上运行我们的模型，提取出非常多的特征，类似于基因组面板；我们生成成千上万个组织学读数[即重要的图像特征]，并且提取出可能是病理学家所看到的，但无法真正量化的最重要的那些。他们可能看到它们有所不同，但无法衡量它们之间的差异。”
Joshi特别强调，他们并非试图取代病理学家，而是为他们提供支持。你可以将它视为一种智能显微镜，帮助专家在细胞损伤、免疫反应和其他表明疾病进展或受抑制方式的确切测量。
“最终，医生始终是主导者。这只是更多的数据，他们喜欢。并且带来这样的测试是一个扎根的外部视角，患者也非常喜欢这一点，”Joshi说。
团队指出，这项成像组件经过大量数据训练，在许多领域和癌症中都是通用的；计算乳腺癌组织中的淋巴细胞基本上与计算皮肤癌组织中的淋巴细胞是相同的任务。但是，关于这种计数或模型可以识别的其他可量化生物标志物对患者对治疗反应的可能性所发出的信息更多地受限于特定条件。
因此，Valar系统的第二部分是真正需要专注于特定临床情况的。对此，该公司已经证明，在膀胱癌和标准治疗方案的特定情况下，他们的测试比任何其他度量标准更准确地预测成功。
年龄、健康史、是否吸烟等风险因素对某些治疗结果的预测有不同程度，但这些都是“非常粗略的，”Joshi指出。Valar声称他们的AI模型“优于所有这些变量[在预测能力上]，并且是独立的”——这意味着它们可以用于标准风险因素之外，而不仅仅是替换它们。
他们还指出，保持结果可解释是非常重要的：医生或患者不需要的是黑匣子。因此，如果它说一个患者会有良好的反应，那是有支持的，“因为他们的免疫系统正在进行A，他们的细胞核正在进行B等。”
该公司成立于2022年，花费了大部分精力构建图像模型及其第一个临床模型，用于前述的BCG疗法在膀胱癌患者中。正如Valar在最近的一份公告中指出的，该测试能够识别具有三倍于正常风险的人不会对BCG产生反应，这意味着（在护理团队的谨慎决定下）尝试其他疗法可能更好。如果这样可以节省甚至只有一个月的无效努力，对某些人来说可能会改变生活。
任何经历过癌症护理的人都可以告诉你，治疗每一天是非常宝贵的，但自信却很难得到。Valar也许无法提供确定性（在肿瘤学中几乎不可能），但它可能是护理者最强大的武器之一。
与即将推出其首个产品同时，Valar已经完成了一轮2200万美元的A轮融资，由DCVC和Andreessen Horowitz领投，Pear VC参与。
“筹集资金的时间非常完美，”Joshi说。“我们已经完成了这一验证，现在这笔资金将有助于推动Vesta的商业化，同时我们也开始扩展到其他癌症类型。”
创始人表示，他们希望稳步扩大规模，COO Damir Vrabac表示采用商业实验室模式，与近年来基因测试遵循的模式非常相似：“这与我们之前的其他测试非常相似，不会为卫生系统增添任何阻力。”这将希望他们能够将成本转嫁给保险公司，最终通过避免不必要和无效治疗来降低整体护理成本。
