Svensken som skal løse alle sykdommer med KI: «Det er et vanvittig oppdrag»

Alphabet-eide Isomorphic Labs har ett oppdrag: å «løse» alle sykdommer. Ja, alle.

Selskapets administrerende direktør, nobelprisvinneren Demis Hassabis, har sagt at det kan skje innen et tiår. Ja, innen et tiår.

– Det er oppdraget vårt. Og ja, det er et vanvittig oppdrag. Det er ganske stort. Men vi sier det uten å nøle, fordi vi virkelig tror at det er mulig, sier Max Jaderberg, leder i Isomorphic, i et stort intervju med Ny Teknik.

Vi gjennomfører intervjuet på engelsk. Jaderbergs svensk er «forferdelig», sier han.

– Jeg forstår en del, og jeg kan snakke språket bittelitt.

Jaderbergs far kommer fra Bromma, og i barndommen reiste familien fra London til Sverige om somrene for å tilbringe tid i Stockholms skjærgård. Nå besøker Jaderberg Sverige et par ganger i året for å besøke slekten sin.

Det ligger en symbolikk i at Jaderberg siden januar leder et av verdens mest omtalte bioteknologiselskaper, som utvikler legemidler ved hjelp av kunstig intelligens. Faren hans har bakgrunn fra legemiddelutvikling, og farfaren hans var kardiolog og jobbet med kliniske studier i Stockholm.

Det er imidlertid først de senere årene Jaderberg har tenkt at det er en sirkel som sluttes. Karrieren hans skjøt fart samtidig som det store gjennombruddet for dyp læring kom noen år inn på 2010-tallet.

Han har en grunnutdanning i ingeniørvitenskap fra University of Oxford og tok doktorgrad ved universitetets fremstående forskergruppe Visual Geometry Group, der han utviklet dyp læringsalgoritmer for bildegjenkjenning.

«Skal du ikke heller bli med i Deepmind?»

Det arbeidet fikk ham til å grunnlegge selskapet Vision Factory i 2014.

– På det tidspunktet hadde vi en av de beste bildegjenkjenningsalgoritmene i verden.

Da Jaderberg søkte finansiering, kom han i kontakt med Demis Hassabis, hvis selskap Deepmind nettopp var blitt kjøpt opp av Google.

– Demis sa noe i retning av: «Ja, finansiering er bra og alt det der, men skal du ikke heller bli med i Deepmind? Vi skal bygge kunstig generell intelligens.» Og for meg hørtes det briljant ut.

To år senere ble Deepmind et verdensnavn da selskapets KI-modell Alphago slo den berømte Go-spilleren Lee Sedol.

Parallelt begynte Alphafold å ta form internt. Det er modellen som forutsier proteiners tredimensjonale struktur, og som skulle gi Demis Hassabis og kollegaen John Jumper nobelprisen i kjemi i 2024.

Jaderberg var ikke en del av det opprinnelige Alphafold-teamet, men da modellen ble utviklet til Alphafold 3 – versjonen som utvidet prediksjonene til å omfatte legemiddelmolekyler, rna og dna – var han en av dem som ledet arbeidet.

– Med den teknologien er veien kort til å tenke at legemiddelutvikling og helse er svært gode bruksområder.

Isomorphic ble grunnlagt i 2021, og Jaderberg var en av dem som gikk over fra Deepmind.

– Fra et personlig perspektiv var det selvsagt ganske morsomt at jeg begynte med legemiddelutvikling omtrent samtidig som pappaen min gikk av med pensjon.

Betydningen bak navnet

Ordet isomorfi kommer fra gresk isos (lik) og morphē (form), og betyr altså «samme form». Isomorfe strukturer er ikke identiske, men strukturelt likeverdige. Isomorfi forbindes mest med matematikk, men da Isomorphic Labs ble grunnlagt, skrev Demis Hassabis at det kanskje finnes en isomorfi mellom biologi og kunstig intelligens.

«På det mest grunnleggende nivået tror jeg man kan tenke på biologi som et system for informasjonsbehandling, selv om det er et usedvanlig komplisert og dynamisk system. Med det perspektivet kan man tenke at det finnes en felles underliggende struktur mellom biologi og informasjonsvitenskap. En isomorfi mellom de to.»

Hassabis påpekte at hvis fysikken kunne beskrives med matematikk, så kan kanskje biologien tolkes med kunstig intelligens.

– Det har historisk vært svært vanskelig å beskrive biologi. Det er så komplisert, så kaotisk, billioner av individuelle komponenter som samhandler. Men vår grunnleggende overbevisning er at vi kan bruke KI som tolk for den biologiske verden, sier Jaderberg.

Virtuelle celler

Et delmål på veien mot å «løse» (Isomorphic sier aldri «kurere» internt) alle sykdommer er å utvikle det som ofte kalles en virtuell celle. Tanken er å representere og simulere den biologiske originalen godt nok til å få et realistisk bilde av hva som skjer hvis man slår ut et gen, legger til et legemiddel eller på andre måter endrer cellemiljøet.

Det kan endre legemiddelutviklingen. I stedet for å teste millioner av molekyler i lab – en prosess som tar mange år og koster milliarder – kan forskere simulere effektene digitalt og bare ta de mest lovende kandidatene videre til fysiske eksperimenter.

Forskningen på dette området er intensiv. I tillegg til Isomorphic Labs bygger Chan Zuckerberg Initiative (en type profittdrevet veldedighetsorganisasjon grunnlagt av Mark Zuckerberg og hans kone Priscilla Chan) en programvareplattform for virtuelle celler. Den anerkjente organisasjonen Arc Institute har satt i gang konkurransen Virtual Cell Challenge. Flere oppstartsselskaper og universiteter utvikler KI-modeller for formålet.

Også i Sverige skjer det ting. Sci Life Lab i Solna jobber med prosjektet Alpha Cell, støttet av rundt 400 millioner kroner fra Knut og Alice Wallenbergs Stiftelse. KTHs AICell Lab jobber med det de kaller «human cell simulator».

Jaderberg understreker likevel at den virtuelle cellen ikke er sluttmålet.

– En celle er til slutt bare én enkelt celle. Fysiologien vår består av celler som sammen danner vev og organer. Og vi er ikke isolert fra miljøet vårt. Vi vet at miljø kan gi opphav til eller påvirke sykdommer. Det vi virkelig vil, er å forstå menneskelig biologi fullt ut og sykdommer som rammer mennesker.

Samtidig påpeker Jaderberg at det haster.

– Jeg tror vi i Isomorphic er veldig pragmatiske. Vi gjør mye forskning på celledynamikk, men først og fremst legger vi stor vekt på å forstå sykdommer, på å utvikle legemidler slik at de kan nå pasienter på kort sikt. Vi kommer ikke bare til å bruke ti år på å bygge en virtuell celle.

Et nylig fremskritt er Isomorphics KI-system IsoDDE, som skal kunne finne ut hvor på et målprotein et legemiddel kan binde, hvordan det binder, og hvor sterk bindingen blir. En viktig detalj er at IsoDDE kan peke ut såkalte kryptiske lommer. Det er «usynlige» områder på proteiner der molekyler kan binde. At de er så vanskelige å identifisere, skyldes at lommene bare oppstår når flere molekyler kommer i kontakt med hverandre.

– Dette har gitt oss store muligheter internt. Vi publiserer jo ikke bare resultatene vi har fått med IsoDDE, men bruker dette verktøyet til daglig når vi utvikler legemidler.

Jobber med legemiddelgiganter

Noe av teknologien Isomorphic utvikler, betrakter selskapet som forretningshemmeligheter. Isomorphic har flere partnerskap med legemiddelgiganter som Eli Lilly, Novartis og Johnson & Johnson, samt egen legemiddelutvikling. For litt over ett år siden hentet Isomorphic inn rundt 5,9 milliarder kroner i en investeringsrunde.

Max Jaderberg mener at det offentligheten ikke får innsyn i, blant annet handler om «kraftige generative modeller og designagenter».

– For kjemikerne våre har det vært en utrolig opplevelse. Disse modellene kan generere design for virkelig vanskelige legemiddelprogrammer. Det kan være ting folk har jobbet med i tiår, og som modellene våre gjør fremskritt med på første forsøk.

– Og Novartis, de har gitt oss noen av de vanskeligste utfordringene. De har på nært hold kunnet se hvilke fremskritt som har skjedd. Da vi hadde jobbet med Novartis en stund, ville de utvide samarbeidet fordi de var blitt så overbevist.

Skepsis

Ikke alle er overbevist. Det man kan enes om, er at moderne legemiddelutvikling er enormt dyr og ineffektiv. Ni av ti kandidater mislykkes i kliniske utprøvinger. Men det finnes fortsatt ingen KI-designede legemidler på markedet.

Den som har kommet lengst, er Isomorphic-konkurrenten Insilico Medicine, med et legemiddel som står foran fase 3-studier, det siste steget før en eventuell godkjenning. Isomorphic har foreløpig ingen egne kandidater i kliniske utprøvinger.

Kliniske utprøvinger er avgjørende for å vurdere et legemiddels sikkerhet og effekt. Det kan ta et tiår å gjennomføre dem. Altså den tidsperioden Isomorphic sier at de kan løse alle sykdommer innen. På den andre siden finnes det unntak fra den uskrevne regelen: mrna-vaksinene mot Covid-19 trekkes ofte fram som eksempel på hva som er mulig.

Trengs mer data

Et annet problem er mangelen på data. At Deepmind i det hele tatt kunne konstruere Alphafold, var takket være Protein Data Bank, der forskere med stor møye eksperimentelt har fastslått hundretusener av proteiner ved hjelp av dyrt utstyr.

Når det gjelder data for legemiddeldesign i bredere forstand, er situasjonen annerledes. Data om hvordan molekyler binder til proteiner, hvordan celler reagerer på genetiske endringer, og hvordan stoffer brytes ned i kroppen, finnes spredt i offentlige databaser, akademiske labber og i legemiddelselskapenes lukkede arkiver. I tillegg er disse dataene ikke alltid sammenlignbare, der ulike labber bruker ulike celletyper, målemetoder og betingelser, noe som gjør dem vanskelige å kombinere til de store, ensartede datasettene KI-modeller kan kreve.

Men Jaderberg mener at også datainnsamlingen endrer seg over tid.

– Har vi de dataene som trengs? Nei, det har vi sannsynligvis ikke. Men det betyr ikke at vi ikke kan skape dem. Det går nesten ikke en uke uten at vi hører om et selskap som har laget en ny måte å generere data på. Dessuten har vi alle fremskrittene på robotsiden. Robotikk har ikke helt funnet veien inn i våtlabbene ennå, men det kommer til å skje de kommende årene. Verktøyene vi har tilgang til nå, er vesensforskjellige fra for 20 år siden.

Likevel er det mye som taler mot håpet om å ha legemidler mot alle sykdommer innen ti år.

– Ja, det vil kreve nye gjennombrudd, mange nye gjennombrudd. Ikke bare fra oss, men fra andre også. Hele industrien må samle kreftene. Men vi jobber hardt hver dag for å lykkes med dette oppdraget. Jeg tror teknologien som vil stå til vår disposisjon de kommende årene, kommer til å være fundamentalt annerledes. Hvis vi ikke har løst alle sykdommer innen ti år, er jeg i alle fall sikker på at vi da vil se en tydelig vei mot det målet.

Artikkelen ble først publisert på Ny Teknik for deres abonnenter. Den er tilgjengelig på for Digis abonnenter gjennom vår samarbeidsavtale.