Dan seluruh proses dari ujung ke ujung bisa sangat mahal, menghabiskan miliaran dolar dan membutuhkan, Anda tahu, hingga satu dekade untuk melakukannya. Dan dalam banyak kasus, masih gagal. Anda tahu, ada banyak sekali penyakit di luar sana saat ini yang tidak memiliki vaksin untuk mereka, yang tidak memiliki pengobatan untuk mereka. Dan itu tidak seperti orang belum mencoba, hanya saja, mereka, mereka menantang.
Jadi kami membangun perusahaan dengan memikirkan: bagaimana kami dapat mengurangi jadwal tersebut? Bagaimana kita bisa menargetkan banyak hal? Dan begitulah cara saya masuk ke perusahaan. Anda tahu, latar belakang saya adalah rekayasa perangkat lunak dan ilmu data. Saya sebenarnya memiliki gelar PhD dalam apa yang disebut fisika informasi—yang sangat erat kaitannya dengan ilmu data.
Dan saya mulai ketika perusahaan masih sangat muda, mungkin seratus, 200 orang pada saat itu. Dan kami sedang membangun mesin praklinis awal dari sebuah perusahaan, yaitu, bagaimana kami dapat menargetkan sekumpulan ide yang berbeda sekaligus, menjalankan beberapa eksperimen, belajar dengan sangat cepat, dan melakukannya lagi. Mari kita jalankan seratus percobaan sekaligus dan mari kita belajar dengan cepat dan kemudian membawa pembelajaran itu ke tahap berikutnya.
Jadi jika Anda ingin menjalankan banyak eksperimen, Anda harus memiliki banyak mRNA. Jadi kami membangun pemrosesan robot paralel besar-besaran dari mRNA, dan kami perlu mengintegrasikan semua itu. Kami membutuhkan sistem untuk menggerakkan semua itu, eh, robotika bersama-sama. Dan, Anda tahu, seiring perkembangan saat Anda mengambil data dalam sistem ini, di situlah AI mulai muncul. Anda tahu, alih-alih hanya menangkap, inilah yang terjadi dalam eksperimen, sekarang Anda mengatakan mari gunakan data itu untuk membuat beberapa prediksi.
Mari kita singkirkan pengambilan keputusan dari, Anda tahu, para ilmuwan yang tidak ingin hanya menatap dan melihat data berulang-ulang. Tapi mari kita gunakan wawasan mereka. Mari kita buat model dan algoritme untuk mengotomatiskan analisisnya dan, Anda tahu, melakukan pekerjaan yang jauh lebih baik dan pekerjaan yang jauh lebih cepat dalam memprediksi hasil dan meningkatkan kualitas data kami.
Jadi ketika Covid muncul, itu benar-benar, eh, momen yang kuat bagi kami untuk mengambil semua yang telah kami bangun dan semua yang telah kami pelajari, dan penelitian yang telah kami lakukan dan benar-benar menerapkannya dalam skenario yang sangat penting ini. Um, dan ketika urutan ini pertama kali dirilis oleh otoritas China, hanya 42 hari bagi kami untuk mengambil urutan itu, mengidentifikasi, Anda tahu, ini adalah mutasi yang ingin kami lakukan. Ini adalah protein yang ingin kami targetkan.
Empat puluh dua hari sejak saat itu untuk benar-benar membangun manufaktur, batch, dan pengiriman yang aman bagi manusia yang bermutu klinis, dan mengirimkannya ke klinik—yang sama sekali belum pernah terjadi sebelumnya. Saya pikir banyak orang terkejut dengan seberapa cepat itu bergerak, tapi itu benar-benar… Kami menghabiskan 10 tahun untuk sampai ke titik ini. Kami menghabiskan 10 tahun membangun mesin ini yang memungkinkan kami memindahkan penelitian secepat mungkin. Tapi itu tidak berhenti di situ.
Kami berpikir, bagaimana kami dapat menggunakan ilmu data dan AI untuk benar-benar menginformasikan, cara terbaik untuk mendapatkan hasil terbaik dari studi klinis kami. Dan salah satu tantangan besar pertama yang kami hadapi adalah kami harus melakukan uji coba fase tiga besar ini untuk membuktikan dalam jumlah besar, Anda tahu, ada 30.000 subjek dalam penelitian ini untuk membuktikan bahwa ini berhasil, bukan?
