Vijay Pande, aki korábban elsősorban akadémiai körökben volt ismert — Stanfordi kémiai professzorként és a Folding@home elosztott számítástechnikai projekt megalkotójaként — több mint egy évtizeden át vezette a16z élet‑ és egészségtudományi befektetési portfólióját. Az általa épített gyakorlat közel 4 milliárd dollárnyi tőkét kezelt az évek során.
Mégis meglepő volt, amikor Pande tavaly júniusban távozott a16z-től és egy sokkal kisebb vállalkozást indított. Új cége, a VZVC, amelyet hosszú ideje befektető Zach Wernerrel közösen alapított, tudatosan mást csinál: évente csak néhány nagy súlyú, koncentrált tételt tervez, nincs junior asszisztensi réteg, és a napi működésben erősen támaszkodik a mesterséges intelligenciára.
Miért koncentrált portfólió?
Pande szerint a jelen piaci környezetben érdemes kevés, de jól megválasztott befektetésre fókuszálni. A VZVC célja nem a nagy számú tétel felhalmozása: „nem 30 tételből évente, inkább körülbelül öt,” mondja — vagyis nagyon szűk, szelektív portfólióra törekszenek. A döntés mögött részben az a meggondolás áll, hogy ők személyesen és hosszú távon akarják segíteni a vállalatokat: Pande olyan alapítókat keres, akikkel kölcsönös bizalom van, és akik hosszú távra terveznek.
Az AI szerepe a gyógyszerfejlesztésben
Pande szerint a biológia fokozatosan átalakul egy „felfedezéstudományból” mérnöki irányba: az AI és a gépi tanulás képes komplex rendszerek köré egyfajta „megértést” fonni, amivel célpontokat lehet azonosítani, molekulákat tervezni és a klinikai vizsgálatokat is segíteni — utóbbiak a folyamat legdrágább részei. A klinikai vizsgálatok költségei ugyan csökkennek az AI és a szintetikus adatok használata nyomán, de továbbra is százmillió dolláros nagyságrendű lehet egy vizsgálat, és a kísérletek sikerarányai alacsonyak: a vizsgált gyógyszerek csak körülbelül 20%-a jut el sikeresen az első fázistól a harmadik fázis végéig.
Pande rámutat, hogy a nagy részben azért buknak a jelöltek, mert a korábbi kísérletek állatmodelleken (például egereken) alapultak, és ezek gyakran nem jó előrejelzői az emberi reakciónak. Az AI ugyan nem lesz tökéletes, de jó eséllyel jobb predikciókat ad majd, mint az állatmodellek, és ha átlépi ezt a küszöböt, az jelentősen izgalmassá válik.
Precíziós és személyre szabott orvoslás
Az úgynevezett precíziós medicina irányába mutató lehetőség is hangsúlyos: ma az orvosok gyakran populációs átlagokhoz viszonyítják a laborértékeket, pedig hasznosabb lenne azt vizsgálni, hogy egy adott eredmény „szokatlan‑e az adott egyén számára”. A genomikai információk fontosak, de Pande szerint „a genomban csak az építési terv van”, míg a proteomika és más mérések jobban tükrözik azt, hogy a test épp hol tart. Az automatizált, robotizált mérések és az AI természetes szövetségesek ezen a területen.
Adatok, modellek és zárt adattárak
Egy lényeges különbség az AI más alkalmazásaihoz képest, hogy a biológiai adatok nem húzhatók le tömegesen az internetről, így a vállalatok gyakran saját, elszeparált adattáraikat építik fel. Ez azt jelenti, hogy az iparágban nem áll rendelkezésre egyetlen, mindenki által használt közös adatbázis, és a modellek között nehéz az „átadás”. Pande szerint ugyanakkor növekszik az igény és a kezdeményezés biológiai atlaszok és alapmodellek építésére; ezek terjedése hasonló nyitottságot hozhat, mint az open‑source LLM‑ek hatása volt a nyelvi modellekre.
Kapcsolódó vállalatok és befektetési fókusz
Pande érintett olyan cégekben, amelyek a Stanfordi laborjából vagy egykori kollégáktól származnak, például a Genesis Therapeutics és Daphne Koller által alapított Insitro. A VZVC két fő fókusza az AI az egészségügyi ellátásban és az AI alkalmazása a klinikai vizsgálatoknál. Az alapítóknál Pande a szakmai kiválóság mellett az integritást, a hosszú távú gondolkodást és a partnerségre való hajlandóságot tartja kulcsfontosságúnak.
Miben hibázott és mit tanult?
Pande elismeri, hogy korábban sokan kételkedtek az AI és gépi tanulás hasznosságában az orvostudományban, de ezt a korábbi ellenállást szerinte ma már nagyjából felváltotta az elfogadás. Ugyanakkor megtanulta, hogy a legcsábítóbb technológiáknál is a piacra jutás (go‑to‑market) és a gyakorlati alkalmazás gyakran legalább annyira, vagy még inkább, meghatározó tényező, mint maga a technológia.
A VZVC működési modellje
A VZVC neve Pande és társalapítója, Zach Werner keresztneveiből áll (Vijay + Zach). A cég szándékosan lapos és kicsi: a befektetési oldalon alapvetően Pande és Werner viszik a döntéseket, és a beépített „agentek” (automatizáció, AI‑eszközök) miatt nem volt szükség a tervezett junior csapat felvételére. A befektetési stílus miatt a VZVC ritkán versenyez a legforróbb finanszírozási körökért: alapvetően olyan cégeket céloznak, akik kifejezetten értékelik azt a kéz‑a‑kézben, hosszú távú támogatást, amit Pande és Werner nyújtanak.
Mit tart túlértékeltnek?
Pande szerint túlzó állítás, hogy az AI majd „mindent megold”. Az AI valóban képes olyan összefüggéseket megtalálni, amelyeket emberek nem látnak, de ha maga az alapadat nem elég gazdag vagy megbízható, az AI nem fog csodát tenni. A biológiai adatok korlátai és a költséges klinikai vizsgálatok továbbra is komoly korlátok maradnak a gyógyszerfejlesztésben.
Összefoglalva, Vijay Pande visszalépett a nagy alapkezelői szerepből, és egy szűk, erősen AI‑vezérelt befektetési modellre állt át. A VZVC-ben a hangsúly a kevés, mélyen támogatott befektetésen, a személyes együttműködésen és azon van, hogy az AI‑alapú módszerek révén hatékonyabban lehessen célpontokat azonosítani, molekulákat tervezni és a klinikai folyamatokat jobbá tenni — miközben a biológiai adatok szigetelődése és a kísérletek költségessége továbbra is meghatározó kihívások maradnak.
