Startup detecta COVID-19 usando saliva, luz y una computadora construida para analizar patrones – GeekWire

Dispositivo ProSpectral de Pattern Computer para la detección de COVID-19. (Foto de computadora de patrón)

Una empresa nueva del área de Seattle llamada Pattern Computer está desarrollando una prueba rápida de COVID-19 basada en patrones en la luz de la saliva, uno de varios proyectos en marcha de la empresa de 7 años que diseñó su propia computadora desde cero.

El «Motor de descubrimiento de patrones» de la compañía se creó específicamente para descubrir y analizar patrones y sobresale en la tarea, dijo el CEO y cofundador Mark Anderson.

El CEO de Pattern Computer, Mark Anderson. (Foto de patrón)

Pattern Computer mantiene el funcionamiento de su sistema muy bien guardado y no ha publicado sus modelos de IA en revistas revisadas por pares. Los investigadores externos dicen que es difícil saber qué hay debajo del capó.

Pero su enfoque ha atraído a talentos experimentados en informática y pesos pesados ​​de la biotecnología a la puesta en marcha.

El director de tecnología de la empresa, el cofundador Ty Carlson, dirigió anteriormente el equipo de Amazon que lanzó productos como Amazon Echo. Su junta asesora incluye a Leroy Hood, cofundador del Instituto de Biología de Sistemas, el pionero del genoma Craig Venter y el fundador de una empresa de biotecnología en serie, George Church, profesor de Harvard.

Anderson es fundador y director ejecutivo del boletín de tecnología Strategic News Service, leído por Bill Gates, Jeff Bezos, Michael Dell y Elon Musk, dijo. Es conocido como un «pronosticador tecnológico» y cada año reúne una mezcla ecléctica de líderes tecnológicos y científicos en su conferencia «Future in Review» (también cofundó el Whale Museum en Friday Harbor, Washington, donde vive).

En su conferencia de 2015, Anderson organizó un «desafío de director de tecnología», donde los participantes diseñaron una supercomputadora de escritorio. El sistema resultante formó la semilla de Pattern Computer. Los participantes incluyeron a los otros cofundadores de la compañía, el empresario Brad Holtz y Michael Riddle, quienes anteriormente cofundaron Autodesk, creadores de AutoCAD y otro software industrial.

capucha leroy
El pionero de la genética Leroy Hood. (Foto del Instituto de Biología de Sistemas)

Pattern Computer se centra en la biomedicina. Pero también aborda problemas en diseño de materiales, medicina veterinaria, finanzas, matemáticas y aeroespacial con sus socios, como un análisis de formas de reducir los retrasos en los vuelos.

Pattern Computer ha recaudado $26 millones hasta la fecha, todos de inversionistas individuales, incluidos Venter y Ken Goldman, ex director financiero de Yahoo y director financiero de consultoría de Pattern. La puesta en marcha ahora busca recaudar $ 40 millones con una valoración de $ 1.2 mil millones, dijo Anderson.

“Es una empresa que está adoptando un nuevo e intrigante enfoque para manipular y analizar big data”, dijo Hood. Y cuando llegó la pandemia, “reflexionó profundamente sobre el problema de COVID”, dijo Hood.

Preparándose para una prueba de saliva

Pattern Computer adopta un enfoque único para las pruebas de COVID-19. La empresa analiza los patrones de luz que pasan y son absorbidos por la saliva.

La prueba toma solo dos gotas de saliva y lee un resultado del dispositivo “ProSpectral” de la compañía en tres segundos. El dispositivo aprovecha un enfoque llamado detección hiperespectral, que implica el análisis de la luz en todos los espectros.

En lugar de medir el virus directamente, la prueba captura la respuesta inmunitaria y metabólica confusa a la enfermedad. “Hay una huella dactilar para eso en la luz”, dijo Anderson.

Los investigadores de la compañía entrenaron y evaluaron su modelo utilizando saliva de 470 muestras divididas aproximadamente en partes iguales entre las que dieron positivo y negativo de COVID-19 en una prueba de PCR, una forma convencional de detectar la enfermedad.

Fred Hutch profesor asociado Taran Gujral. (Foto de Fred Hutch)

La prueba de Pattern podría detectar el 100 % de las personas con la enfermedad, y el 8 % de las personas sin la enfermedad mostrarían un resultado falso positivo, informó Anderson en la reunión de Life Sciences Innovation Northwest en abril. Cambiar los parámetros de la prueba permitió que algunos casos de COVID-19 pasaran desapercibidos, pero arrojaron menos resultados falsos positivos.

La prueba también es económica: el costo interno de ejecutarla es de aproximadamente 50 centavos.

El enfoque de prueba es «muy inteligente», dijo Taran Gujral, biólogo de sistemas y profesor asociado en el Centro de Cáncer Fred Hutchinson. Gujral, que no tiene una relación financiera o de colaboración con la empresa, dijo que el método también es prometedor para detectar otras enfermedades, lo que podría permitir pruebas rápidas en aeropuertos, hospitales y en el campo.

“Creemos que cambiará los diagnósticos”, dijo Anderson.

Prueba COVID-19 de Pattern Computer. (Imagen de computadora de patrón)

Mantener los secretos de la empresa.

Otros investigadores externos dijeron que necesitan más información para evaluar el enfoque de la compañía para las pruebas de COVID-19.

La empresa no divulga si captura datos utilizando un tipo estándar de espectrofotómetro que mide la luz en muestras biológicas u otro instrumento. “No están compartiendo ninguna información sobre cómo se genera la señal”, dijo Dan Fu, profesor asistente de química en la Universidad de Washington.

El profesor de microbiología de la Universidad de Washington, Evgeni Sokurenko, quien está desarrollando una prueba rápida para las variantes de COVID-19 como cofundador de ID Genomics, dijo que es importante observar de cerca los datos de Pattern Computer, en particular, los datos de PCR que utilizó para entrenar y probar sus modelos

Las pruebas de PCR funcionan replicando el ADN derivado del virus a través de múltiples ciclos para detectar una señal. Diferentes laboratorios usan diferentes números de ciclo para las pruebas de COVID-19, dijo. Los números de ciclo más altos detectan niveles más bajos de virus.

Evgeni Sokurenko, cofundador de ID Genomics y profesor de la Universidad de Washington. (Foto UW)

La mayoría de las muestras positivas de COVID-19 de Pattern Computer tenían un umbral de ciclo inferior a 30, dijo el investigador de la compañía Matt Keener, mientras que el umbral típico se establece más alto, dijo Sokurenko (entre 35 y 40 ciclos).

Eso plantea la posibilidad de que los modelos de la compañía no estén diseñados para detectar niveles bajos del virus y, por lo tanto, podrían pasar por alto algunas infecciones asintomáticas, dijo Sokurenko.

Keener respondió que los datos de la compañía son consistentes en todos los umbrales de PCR. Los resultados “no muestran ninguna sensibilidad estadística al valor de PCR”, dijo Keener. “Nuestra precisión se mantiene sin importar cuál sea el valor de PCR para una muestra de prueba individual”. Además, la precisión de la prueba de la empresa se mantuvo independientemente de que las muestras provinieran de individuos asintomáticos o sintomáticos, dijo.

La Administración de Drogas y Alimentos de EE. UU. será el juez final de la prueba COVID-19 de la compañía.

Pattern Computer ha solicitado a la agencia una autorización de uso de emergencia. También identificó otros cuatro países para un posible lanzamiento y ha organizado socios para ayudarlo a ampliar y producir la prueba.

“Esperamos poder discutir más una vez que estemos cómodos en el camino hacia las aprobaciones regulatorias y demás”, dijo Keener.

Los otros proyectos de biociencia de Pattern Computer incluyen la extracción de bases de datos sobre la actividad genética en las células cancerosas para identificar tratamientos potenciales, basados ​​en medicamentos ya aprobados para otras enfermedades, aunque es difícil saber cómo se compara el enfoque de la compañía con este y otros problemas de extracción de datos con otros, dijo Gujral, que hace una investigación similar.

La compañía ha identificado dos combinaciones de medicamentos que eliminan las líneas celulares de cáncer de mama en cultivo y las está sometiendo a pruebas en animales para detectar tumores «triple negativos» difíciles de tratar. También está investigando tratamientos para el cáncer de ovario y otros tipos de tumores.

Hablando en una presentación para inversionistas a principios de este año, Omid Moghadam, CEO de la startup de diagnóstico Namida Lab, dijo que el motor de descubrimiento de Pattern aumentó sustancialmente la precisión predictiva de una prueba experimental para el cáncer de mama basada en muestras de lágrimas. Moghadam es cliente y asesor de Pattern Computer.

Y aunque Pattern no ha publicado sus proyectos de biociencia en revistas revisadas por pares, «su primera prioridad ha sido poner todo en marcha, en lo que realmente han tenido que dedicar una enorme cantidad de tiempo», dijo Hood. “Sospecho que publicarán artículos comparativos en el futuro”.

El equipo ha estado perfeccionando su sistema y sus herramientas matemáticas durante los últimos años, con un reducido equipo de 21 empleados. “Hemos estado muy cabizbajos”, dijo Anderson.

Computación de última generación

Pattern Computer está siguiendo el camino de otros grupos, desde laboratorios académicos hasta empresas tecnológicas como Alphabet, que están cambiando la forma en que se construyen y programan las computadoras. El advenimiento de la inteligencia artificial está impulsando una oleada de innovación.

Los modelos de IA necesitan procesar una gran cantidad de cálculos simultáneamente. Y los diseños de arquitectura informática actuales se están convirtiendo en un cuello de botella para la «velocidad informática, el costo de la infraestructura y el consumo de energía», dijo el profesor asistente de ingeniería molecular de la Universidad de Chicago, Sihong Wang.

“Las personas que trabajan en el lado del hardware han comenzado a desarrollar un tipo completamente diferente de plataforma informática que procesa información al emular el funcionamiento de las neuronas en el cerebro”, dijo Wang, quien recientemente desarrolló un chip informático flexible para tecnología de salud portátil, y no es familiarizado con el sistema de Pattern Computer.

El profesor de la Universidad de Chicago, Sihong Wang, con su nuevo chip. (Foto de la Universidad de Chicago)

Anderson dijo que el enfoque de Pattern Computer es único. La compañía creó un sistema de inteligencia artificial que es distinto de la red neuronal que utilizan otros, dijo. “Esto es cualitativamente muy diferente de cuando alguien tiene una red neuronal y la está impulsando y modificando”, dijo.

La «IA explicable» de Pattern Computer le permite contrarrestar el sesgo que se puede integrar en modelos de aprendizaje automático más convencionales mediante conjuntos de datos de entrenamiento sesgados, dijo Anderson.

“Nos permite ver cómo y por qué el sistema tuvo éxito en obtener altas tasas de predicción”, dijo. “Saber cómo y por qué funciona el sistema proporciona el tipo de conocimiento necesario para realizar importantes descubrimientos de patrones, mejorar la investigación y resolver problemas comerciales reales”.

Construir esa nueva forma de dar sentido a los patrones es «un problema desafiante», dijo Neeraj Kumar, científico de datos sénior en el Laboratorio Nacional del Noroeste del Pacífico.

En una preimpresión reciente con investigadores externos, los investigadores de la compañía publicaron su punto de vista sobre cómo se podría aplicar la IA explicable a los datos de salud.

La publicación no especifica cómo funciona el sistema de la empresa, dijo Vijay Janapa Reddi, profesor asociado de Harvard que dirige el Edge Computing Lab de la universidad. «Es difícil deducir mucho» sobre la puesta en marcha de la preimpresión, dijo Reddi, que no estaba familiarizado con la empresa.

Pero Kumar ha visto lo suficiente para estar convencido.

“El enfoque computacional de Pattern Computer es muy robusto”, dijo Kumar, uno de los autores del artículo. Y es “el primer paso para desarrollar una IA explicable mediante la extracción de patrones novedosos en datos complejos que no se pueden descubrir utilizando técnicas y algoritmos analíticos convencionales”, dijo.

Mientras tanto, la compañía está centrando su atención en obtener la aprobación regulatoria para su prueba COVID-19 y planificar su ampliación.

“Hemos creado un tipo diferente de empresa”, dijo Anderson. “Lo hemos hecho de una manera diferente”.

Deja un comentario