"Deepwise AI" erhält fast 50 Millionen US-Dollar in Serie-D-Rundung für die Durchführung ganzer Pakete klinischer Studien mit KI | Exklusivbericht von 36Kr

Text | Hu Xiangyun

Redaktion | Hai Ruojing

36Kr hat erfahren, dass Deepwise, ein weltweit führendes Unternehmen in der AI-Pharmaindustrie, kürzlich in der Serie-D-Rundung fast 50 Millionen US-Dollar an Kapital beschafft hat. Diese Finanzierungsrunde wurde von CDH Baifu angeführt. Die alten Aktionäre New Summit Capital und Sequoia China haben weiterhin investiert. Index Capital fungierte als exklusiver Finanzberater. Die gesammelten Mittel werden hauptsächlich für die technologische Forschung und Entwicklung sowie die Iteration des "Multi-Agent-Kollaborationsnetzwerks" und den Aufbau des globalen Liefernetzwerks verwendet.

Deepwise wurde im Jahr 2017 gegründet. Im Vergleich zu den frühen Forschungen an einzelnen Technologien hat Deepwise in den letzten drei Jahren den Generationenübergang von der "Validierung einzelner AI-Technologien" zu einer "AI-Nativen Klinischen Forschungsplattform (AI-Native Platform)" geschafft. Diese Entwicklung hat es aus dem Bereich traditioneller Softwareanbieter herausgebracht und es zu einem Kerngeschäftspartner transformiert, der die Ergebnisse des gesamten klinischen Testprozesses liefern kann.

Nach Ansicht von Li Xing, Gründer und CEO des Unternehmens, liegt die Zukunft der Pharmaforschung nicht in der Ersetzung einzelner Funktionen, sondern in der Rekonstruktion des Wissens. Mit dem Aufstieg der generativen AI hat Deepwise frühzeitig die zugrunde liegende NLP-Fähigkeit zu einem "Multi-Agent-Kollaborationssystem" mit Tausenden von Agenten in vertikalen Bereichen erweitert.

"Wir liefern nicht mehr einzelne Funktionsmodule, sondern eine 'AI-Agenten-Cluster', die den gesamten klinischen Testprozess gemeinsam abwickeln kann", sagte Li Xing gegenüber 36Kr. "Unsere Kernkompetenz liegt darin, den Forschungs- und Entwicklungsablauf mit der 'Kognitiven Atomtheorie' zu rekonstruieren. Das System zerlegt die komplexen klinischen Tests in Tausende winziger atomisierter Aufgaben, die von spezialisierten Agenten übernommen werden. Diese sind über ein synaptisches Netzwerk ähnlich dem menschlichen Nervensystem verbunden, was eine professionalisierte Leistung ermöglicht, die weit über die von allgemeinen großen Modellen hinausgeht."

Quelle der Abbildung: Deepwise

Diese Entwicklung der technologischen Architektur hat in gewissem Maße die Umschichtung des Geschäftsmodells vorangetrieben. Während die Branche allgemein das traditionelle Modell des "Zahlens nach Person/Arbeitsstunde" anwendet, beginnt Deepwise mit der Erforschung des Outcome-basierten Zahlungsmusters.

Dies kann vor allem auf den gegenseitigen Prüfmechanismus zwischen dem "Planungsagenten (Planning Agent)" und dem "Ausführungsagenten (Execution Agent)" zurückgeführt werden, den Deepwise aufgebaut hat. Wenn die AI in einem realen Projekt von menschlichen Experten korrigiert wird, löst das System einen "Selbstreflektionsmechanismus (Self-Reflection)" aus und überprüft automatisch die Code-Logik zurück und korrigiert sie. Dieser einzigartige "Doppelseitige Validierungs- und Rückkopplungs-Flywheel-Mechanismus" verleiht dem System eine Intuition ähnlich der von menschlichen Experten, so dass es Probleme auf ähnliche Weise lösen kann.

Nehmen wir als Beispiel die Zusammenarbeit des Unternehmens mit dem japanischen innovativen Pharmakonzern Immunorock. Das Service-Modell von Deepwise entspricht einer "Digitalen Probe (Digital Rehearsal)" für Immunorock. Laut Angaben hängt das traditionelle Design von klinischen Testplänen oft von der persönlichen Erfahrung von Experten ab, was leicht zu logischen Lücken führt. Das System von Deepwise nutzt die "Digital Twin"-Technologie, um einen vollständigen Prozessablauf vor der tatsächlichen Patientenrekrutierung durchzuführen und die gesamte Kette von der Patientenauswahl bis zur Datenstatistik zu simulieren, um so die Risiken, die zu einer hohen Abbruchrate führen könnten, im Voraus zu vermeiden. Schließlich hat dieses Programm dem Kunden geholfen, die einmalige Genehmigung der japanischen Behörde für Arzneimittel und Medizinprodukte (PMDA) zu erhalten.

In Bezug auf die Datensicherheit geht Deepwise bei der für Pharmakonzerne am sensibelstenen Frage der Datenhoheit von der Prinzipien "Daten landen nicht, Modell erinnert sich nicht" aus. Jedes Kundenprojekt wird in einer unabhängigen physischen Sandbox ausgeführt. Nach Abschluss des Projekts wird die Sandbox gelöscht, und nur die desensibilisierten "Fehlerlogiken" werden beibehalten, um die Robustheit des Systems zu verbessern.

Nach Angaben von Deepwise hat das Unternehmen in der Summe über 1.000 Pharmakonzerne betreut. Durch die praktische Umsetzung von über 40.000 Projekten wurde die Allgemeingültigkeit und Stabilität dieses Systems in komplexen pharmazeutischen Szenarien bestätigt.

"Die Pharmaforschung und -entwicklung befindet sich an einem historischen Wendepunkt, um sich von einer 'arbeitsextensiven' zu einer 'intelligenzintensiven' Branche zu transformieren", sagte Li Xing. Die Vision von Deepwise ist es nicht, ein Dienstleisterunternehmen zu sein, sondern ein neues Generation "Betriebssystem für die Pharmaforschung und -entwicklung" zu schaffen. Mit Hilfe von AI-Agenten sollen die mühsamen Prozesse automatisiert werden, damit Wissenschaftler von den Daten und Dokumenten befreit werden und sich auf die echte wissenschaftliche Innovation konzentrieren können.