Биотехнологическая компания Pathos AI, специализирующаяся на применении искусственного интеллекта в разработке онкологических препаратов, привлекла $365 млн в рамках раунда серии D. Привлечение финансирования позволило компании выйти на оценку в $1,6 млрд, говорится в сообщении компании.
Инвестиции будут направлены на расширение клинического портфеля и интеграцию многомодальных данных в платформу PathOS — собственную разработку компании для биомаркерно-ориентированной разработки препаратов.
Ключевым клиническим активом Pathos является ингибитор CBP/p300 pocenbrodib, лицензированный у Novo Nordisk в 2023 году. Изначально он был разработан Forma Therapeutics и применялся в I фазе исследований при раке предстательной железы. Pathos проводит клинические исследования препарата фазы 1b/2a — как в виде монотерапии, так и в комбинации с Zytiga (абиратерон), Lynparza (олапариб) и Pluvicto (лупрадиптид) у пациентов с метастатическим кастрационно-резистентным РПЖ.
Другим приоритетом на 2025 год объявлен P-500 — проникающий через гемато-энцефалический барьер ингибитор PRMT5, приобретенный у Prelude Therapeutics в 2024 году. Препарат ранее тестировался на пациентах с солидными опухолями, включая глиобластому и увеальную меланому.
ИИ как основа разработки
Обе программы поддерживаются платформой PathOS, которая анализирует молекулярные, клинические и визуализирующие данные для точной стратификации пациентов. Стратегия Pathos включает активный поиск биомаркеров, способных повысить вероятность отклика на терапию.
По словам нового генерального директора компании, Айкера Уэрги (экс-директор по дата-сайенсу в онкологии AstraZeneca), цель Pathos — максимально использовать потенциал ИИ и мультиомных данных для разработки таргетных онкологических препаратов. По его словам, компания создает одну из самых продвинутых ИИ-платформ для ускорения разработки, углубления клинической аналитики и точного подбора терапии для каждого пациента.
|
Pathos AI использует предиктивные алгоритмы, которые анализируют огромные массивы данных — от секвенирования ДНК до записей электронной истории болезни — чтобы предсказать, как конкретный пациент отреагирует на конкретную терапию. |
Инвестиции будут направлены на интеграцию различных источников данных — от геномики и биомаркеров до изображений и информации из электронных медицинских карт — с целью оптимизации дизайна клинических испытаний и повышения предсказуемости эффективности терапии.
