用 AI 做癌症护理预测工具，a16z 领投 Valar Labs 2200 万美金

在医疗行业中应用人工智能是一项棘手的业务，特别是在肿瘤学领域，风险尤其高。生物技术初创公司 Valar Labs 开发了一种能准确预测某些治疗效果的工具，这可能为患者节省宝贵的时间。

也因此，据 TC，该公司刚融了 2200 万美元，用于扩展到新的癌症和治疗方法。每种癌症都是不同的，但许多癌症都有经过多年测试后形成的既定最佳实践。然而，有时这意味着要经过数月的特定治疗方案，才能发现它是否有效。

膀胱癌就是这样一种癌症，肿瘤学家推荐的常见首次治疗，称为 BCG 疗法，大约有一半的机会有效——这实际上已经相当不错了！但如果我们一开始就不必掷硬币，那不是更好吗？这就是 Valar 试图解决的问题。

Valar CEO Anirudh Joshi 表示，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。

Joshi 说：“我们了解到，今天大多数癌症患者的治疗计划真的不清楚。他们有选择，但很难说哪种会做得好——你只能尝试。所以我们的整个想法是使这个决定更加明智。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，我们就不必在无效的东西上浪费一年的治疗。”

他们开发的首个测试，称为 Vesta，专注于这种特定情况。这并不是某种理论上的软件解决方案：团队与全球十几个医疗中心合作，研究了 1000 多名患者，了解究竟是什么使他们对某些疗法有反应。

该过程有两个组成部分：首先，是一个视觉 AI（或计算机视觉模型），它训练了数千张癌症患者的组织学图像。这些受影响组织的薄片越来越多地被专家扫描和检查，尽管这个过程可能有些近似。

Valar 的 CTO Viswesh Krishna 解释说：“这种超高分辨率的图像可以告诉你很多关于肿瘤细胞层面发生的事情。我们在这张图像上运行我们的模型，提取大量的特征，类似于基因组面板；我们生成数千个组织学读数 [即重要的图像特征]，并选择病理学家可能正在寻找但无法真正量化的最重要的那些。他们可能看到它们是不同的，但无法测量它们之间的差异。”

Joshi 谨慎地补充说，他们并不是试图取代病理学家，而是增强他们。你可以将其想象为一种智能显微镜，帮助专家在诸如细胞损伤、免疫反应以及表明疾病进展或被抑制的其他结构等事物中进行精确测量。

Joshi 说：“最终，医生总是在驾驶座上。这只是更多的数据，他们喜欢它。并且引入这样的测试是一个基础的外部视角，患者真的很喜欢。”

团队指出，成像组件经过大量数据的训练，并且可以跨许多领域和癌症通用；在乳腺癌组织中计算淋巴细胞与在皮肤癌组织中进行这项任务大致相同。但是，这种计数或模型能够识别的任何其他可量化生物标志物对患者对治疗的反应可能性的说明，更局限于特定条件。

因此，Valar 系统的第二个组成部分是真正需要针对特定临床情况进行调整的。为此，该公司已经证明，在膀胱癌和标准治疗方案的特定情况下，其测试比其他任何指标都更准确地预测成功。

像年龄、健康史、是否吸烟等风险因素在预测某些治疗结果方面具有不同的预测性，但这些是“非常粗略的”，Joshi 指出。Valar 声称他们的 AI 模型“在预测能力上超越了所有这些变量，并且是独立的”——这意味着它们可以与标准风险因素一起使用，而不仅仅是取代它们。

他们还指出，保持结果的可解释性很重要：医生或患者最不需要的就是一个黑匣子。所以如果它说一个患者反应良好，这是由“因为他们的免疫系统正在做 A，他们的细胞核正在做 B 等”支持的。

该公司成立于 2021 年，大部分时间都在构建图像模型和其首个临床模型，即上述膀胱癌患者的 BCG 疗法。正如 Valar 在最近的公告中指出的那样，该测试识别出三倍于正常风险的个体，可能不会对 BCG 有反应，这意味着（在护理团队的自由裁量权下）尝试其他东西可能是一个更好的选择。如果这能节省哪怕一个月的浪费努力，对某些人来说可能是改变生活的。

任何经历过癌症治疗的人都知道，不仅每一天的治疗都非常宝贵，而且信心很难获得。Valar 可能不提供确定性（在肿瘤学中几乎不可能），但它可能是护理人员武器库中的一个强大武器。

随着其首个产品的即将发布，Valar 完成了由 DCVC 和 a16z 领投，Pear VC 参与的 2200 万美元 A 轮融资。Joshi 说：“这次融资时机非常完美。我们能够完成这次验证，现在这笔资金将帮助 Vesta 的商业化，同时我们开始扩展到其他癌症类型。”

他们希望稳步扩大规模，采用商业实验室模式，类似于最近几年遵循的基因测试模式，其首席运营官表示：“这与我们之前的其他测试非常相似，不会给卫生系统增加任何摩擦。” 希望这将使他们能够将成本转嫁给保险提供商，并通过避免不必要和无效的治疗，最终全面降低护理成本。