Όταν μιλάμε για το ελληνικό οικοσύστημα καινοτομίας, το όνομα της Causaly φιγουράρει συχνά στα success stories που μας κάνουν υπερήφανους εκτός συνόρων. Αυτή τη φορά, η εταιρεία τεχνητής νοημοσύνης έκανε αισθητή την παρουσία της στο μεγαλύτερο ίσως τεχνολογικό ραντεβού της χρονιάς: το Microsoft Build 2026.
Η ανακοίνωση της στρατηγικής συνεργασίας ανάμεσα στην Causaly και τη Microsoft είναι μια κίνηση που έρχεται να λύσει ένα από τα μεγαλύτερα, πιο δαπανηρά και χρονοβόρα προβλήματα της φαρμακοβιομηχανίας: τη μετάβαση από τα “ψυχρά” υπολογιστικά δεδομένα, σε επιστημονικές αποφάσεις υψηλής ποιότητας.
Το Who-is-Who της Causaly: Η Startup που “διαβάζει” την επιστήμη
Για να κατανοήσουμε πλήρως το μέγεθος αυτής της συνεργασίας, αξίζει να δούμε ποια είναι η Causaly. Η εταιρεία αναπτύσσει μια καινοτόμο πλατφόρμα Τεχνητής Νοημοσύνης (AI) ειδικά σχεδιασμένη για τη βιοϊατρική έρευνα. Το μεγάλο πρόβλημα των ερευνητών σήμερα είναι ότι “πνίγονται” στην πληροφορία. Η Causaly λειτουργεί ως ένας ακούραστος υπερ-ερευνητής: χρησιμοποιώντας Επεξεργασία Φυσικής Γλώσσας (NLP) και Μηχανική Μάθηση, “διαβάζει” δεκάδες εκατομμύρια επιστημονικές δημοσιεύσεις και ιατρικά δεδομένα, δημιουργώντας έναν τεράστιο χάρτη (Knowledge Graph) αιτίου-αιτιατού.
Ιδρύθηκε το 2018 από τον Γιάννη Κιαχόπουλο (CEO) και τον Artur Saudabayev (CTO). Οι δυο τους γνωρίστηκαν κατά τη διάρκεια ενός εντατικού προγράμματος στο περίφημο Singularity University στην Καλιφόρνια. Συνδυάζοντας το υπόβαθρο του Γιάννη στα οικονομικά/διοίκηση και τις γνώσεις του Artur στο computer science και την AI, αποφάσισαν να λύσουν το “bottleneck” της ιατρικής έρευνας.
Από την πρώτη μέρα, η Causaly τράβηξε τα βλέμματα, σηκώνοντας μέχρι σήμερα 93 εκατομμύρια δολάρια:
- Seed Round (2018) – 1 εκατ. δολάρια: Με την ελληνική Marathon Venture Capital να ηγείται και να πιστεύει πρώτη στο όραμά τους.
- Series A (2019 & 2021) – 22 εκατ. δολάρια: Με ηγέτη την Index Ventures και τη συμμετοχή της Pentech Ventures και της EBRD.
- Series B (Ιούλιος 2023) – 60 εκατ. δολάρια: Ένας γύρος-σταθμός με επικεφαλής την ICONIQ Growth, συμμετοχή της Visionaries Club και του Alex Gorsky (πρώην CEO της Johnson & Johnson).
Έχοντας πλέον στο πελατολόγιό της 12 από τις 20 μεγαλύτερες φαρμακευτικές εταιρείες παγκοσμίως και τον FDA, η Causaly προχώρησε στο επόμενο μεγάλο βήμα: τη στρατηγική συμμαχία με τη Microsoft.
Το πρόβλημα: Το κενό στο Drug Discovery
Η ανακάλυψη ενός νέου φαρμάκου απαιτεί τεράστιο όγκο υπολογιστικής δύναμης για την ανάλυση βιολογικών δεδομένων. Μέχρι σήμερα, υπήρχε ένα σημαντικό χάσμα ανάμεσα στα «σήματα» που έδιναν τα υπολογιστικά μοντέλα της βιομηχανίας και στην έμπρακτη, αξιόπιστη επιστημονική απόδειξη που απαιτείται για να προχωρήσει μια έρευνα.
Οι ερευνητές δαπανούν πολύτιμους μήνες για να διασταυρώσουν αν τα αποτελέσματα των αλγορίθμων έχουν πραγματικό βιολογικό νόημα. Όπως αναφέρει χαρακτηριστικά η αγορά, το Drug Discovery στερείται decision-quality evidence (ενδείξεων/αποδείξεων τέτοιας ποιότητας ώστε να ληφθεί μια ασφαλής απόφαση).
Η λύση: Όταν το “Microsoft Discovery” συναντά την Causaly
Εδώ ακριβώς έρχεται να “κουμπώσει” η συνεργασία των δύο εταιρειών, προσφέροντας ένα ολοκληρωμένο περιβάλλον για τις ομάδες R&D:
- Από τη μεριά της Microsoft: Η πλατφόρμα Microsoft Discovery αναλαμβάνει το βαρύ “χτίσιμο”, προσφέροντας in silico προσομοιώσεις και predictive υπολογισμούς πάνω σε τεράστια σύνολα δεδομένων.
- Από τη μεριά της Causaly: Η ελληνική startup φέρνει το Knowledge Graph της, το οποίο προσθέτει τον μηχανιστικό συλλογισμό (mechanistic reasoning). Συνδέει άμεσα τα υπολογιστικά μοντέλα της Microsoft με την υφιστάμενη βιβλιογραφία.
Ουσιαστικά, το υπολογιστικό σύστημα της Microsoft “γεννά” τις θεωρίες, και η Causaly επιβεβαιώνει την επιστημονική τους ορθότητα με άμεσες παραπομπές (citations), χωρίς οι ερευνητές να βγαίνουν από το ψηφιακό περιβάλλον τους.
Ποιες διαδικασίες επιταχύνονται;
Η κοινή λύση έχει σχεδιαστεί αποκλειστικά για να μειώσει τον χρόνο στα πιο δαπανηρά στάδια της έρευνας:
- Αναγνώριση στόχων (Target Identification): Ταχύτερος εντοπισμός βιολογικών στόχων για νέες θεραπείες.
- Στρατηγική βιοδεικτών (Biomarker Strategy): Ακριβέστερη επιλογή των δεικτών που θα δείξουν αν ένα φάρμακο λειτουργεί.
- In silico επαλήθευση: Ταχύτερο “sense-checking” υπολογιστικών μοντέλων βάσει της ιατρικής γνώσης.
- Ασφάλεια (MoA Plausibility): Άμεσος εντοπισμός πιθανών παρενεργειών πριν η έρευνα φτάσει στο κλινικό στάδιο.
Για τη βιοφαρμακευτική, ο συνδυασμός αυτών των τεχνολογιών σημαίνει λιγότερα “τυφλά σημεία” και ταχύτερη ανακάλυψη φαρμάκων που θα φτάσουν στους ασθενείς.
