Skrócić drogę do terapii ratujących życie (#17)

Joanna Krawczyk (Ingenix) o wykorzystaniu AI w procesie odkrywania leków, budowie autonomicznych systemów badawczych i o tym, czy maszyny rozumieją biologię.

Micha Podlewski, Kamil Pawlik: Jakiś czas temu rozmawialiśmy z matematykiem dr Bartoszem Naskręckim o tym, jak AI zmienia matematykę. Panuje przekonanie, że kolejnym obszarem, który czekają duże zmiany, może być właśnie biologia. Czy z Twojej perspektywy AI już teraz znacząco zmienia sposób pracy w tym obszarze, czy to wciąż pieśń przyszłości?

Joanna Krawczyk: Zacznijmy od rzeczy pozornie oczywistej: biologia jest prawdopodobnie najbardziej rozległą i złożoną dziedziną, którą próbujemy dziś modelować za pomocą AI. Od prostych systemów diagnostycznych, przez przewidywanie struktury białek, po zrozumienie mechanizmów działania raka – biologia stawia tysiące pytań, na które wciąż poszukujemy odpowiedzi. W Ingenixie patrzymy na sztuczną inteligencję w biologii przede wszystkim przez pryzmat rozwoju nowych terapii.

Mam poczucie, że znajdujemy się w bardzo ciekawym momencie – z jednej strony pełnym ogromnych możliwości, z drugiej – wielu paradoksów. Rozwój AI jest niezwykle dynamiczny i w niektórych obszarach przyniósł już prawdziwe przełomy. Doskonałym przykładem jest model AlphaFold – jeden z największych sukcesów ostatnich lat w biologii obliczeniowej. Pokazał on, że uczenie maszynowe potrafi rozwiązać problem, który przez dekady pozostawał jednym z największych wyzwań w tej dziedzinie.

Z drugiej strony, jeśli spojrzymy na to, czy przekłada się to w praktyce na lepsze rozumienie chorób i ich przyczyn, obraz nie jest już tak optymistyczny. Pomimo stale rosnących nakładów na badania i rozwój, liczba nowych terapii przypadających na każdy wydany miliard dolarów od lat systematycznie spada. Dysponujemy większą ilością danych biologicznych niż kiedykolwiek wcześniej, sekwencjonowanie staje się coraz tańsze, a dostępna moc obliczeniowa nieustannie rośnie. Mimo to nie obserwujemy proporcjonalnego wzrostu liczby nowych terapii zatwierdzanych przez FDA lub EMA.

Moim zdaniem nie świadczy to o porażce AI, lecz o ograniczeniach obecnych podejść. Sztuczna inteligencja najlepiej radzi sobie z wąskimi, dobrze zdefiniowanymi problemami przy dużej ilości wysokiej jakości danych. Tak było w przypadku modelu AlphaFold, który uczył się na setkach tysięcy eksperymentalnie wyznaczonych struktur białek. Odkrywanie nowych terapii stawia przed AI zupełnie inne wyzwania. Dlatego mimo imponującego postępu technologicznego właśnie w tym obszarze wciąż czekamy na przełom.

Założyciele Ingenix, Piotr Surma i Adam Dancewicz, to doświadczeni przedsiębiorcy, którzy mają już na koncie udany startup AI. Przełożenie tego doświadczenia na skomplikowany świat biologii to jednak zupełnie inna skala wyzwania. Co sprawiło, że uwierzyłaś, że i tym razem im się uda i dołączyłaś do zespołu?

Jako bioinformatyczka z wykształceniem matematycznym marzyłam o pracy w miejscu, w którym mogłabym połączyć moją pasję do analizy danych biologicznych z budową modeli machine learningowych. W Polsce niestety długo takiego miejsca brakowało, dlatego bardzo ucieszyłam się, słysząc, że w Warszawie powstaje Ingenix.

Nie ukrywam, że zanim dołączyłam do zespołu, buzzwords takie jak „simulating clinical trials”, „virtual cells” czy „virtual twins” budziły we mnie raczej sceptycyzm. Moje poprzednie doświadczenie pracy w firmie biotechnologicznej pokazało mi, o jakie przyziemne problemy z danymi potrafi rozbić się taka wizja. To, co przekonało mnie w rozmowie z Piotrem i Adamem, to ich szczerość. Otwarcie mówili: „Nie wierzymy, że rozwiążemy całą biologię, że zgromadzimy wszystkie dane i zbudujemy jeden najlepszy model”, ale byli przekonani, że zbierając zespół specjalistów z różnych dziedzin, można się do tego konsekwentnie przybliżać. Dla mnie był to znacznie bardziej wiarygodny sygnał niż mglista obietnica wielkiego przełomu.

Według mnie Ingenix stoi na dwóch mocnych nogach: doświadczonych biznesowo founderach, którzy zapewniają nam najlepsze warunki do pracy i rozwoju, oraz zespole genialnych researcherów, inżynierów i bioinformatyków. Może zabrzmi to banalnie, ale praca w takim miejscu to naprawdę przyjemność. Tworzymy zgraną grupę ludzi, którzy szczerze wierzą w misję firmy i wzajemnie się napędzają do codziennej pracy.

Ingenix to start-up, który chce zmienić sposób, w jaki wykorzystujemy AI w biologii i rozwoju leków. Według was przełomu w tych dziedzinach nie zapewni budowa jednego dużego modelu. Dlaczego uważacie, że to ślepa uliczka i jaka jest proponowana przez Was alternatywa?

Przede wszystkim wynika to z natury biologii. Zacznijmy od tego, że biologia komórki to dynamiczny i nieliniowy system, w którym drobna zmiana na wejściu może wywołać lawinę na wyjściu. Przykładowo, pojedyncza mutacja punktowa (zamiana jednego nukleotydu w tzw. hotspocie) może zapoczątkować kaskadę zdarzeń prowadzących do rozwoju nowotworu.

Do tego dochodzi fakt, że biologia jest wieloskalowa. Możemy obserwować ją na poziomie DNA, RNA, białek, pojedynczych komórek, tkanek czy całych organizmów. Każda z tych warstw pokazuje inny fragment rzeczywistości, a żaden pojedynczy pomiar nie daje pełnego obrazu. Żeby zrozumieć, co naprawdę dzieje się w komórce, trzeba nauczyć się integrować informacje z wielu modalności jednocześnie.

I wreszcie kwestia najbardziej przyziemna: dane biologiczne są dalekie od ideału. Technologie pomiarowe mają swoje ograniczenia – dane są zaszumione i obciążone dużą zmiennością techniczną. Co więcej, biologia jest też przykładem dziedziny, w której dane są „szersze niż dłuższe”. Często mierzymy ekspresję kilkunastu tysięcy genów dla zaledwie setek próbek, co stanowi spore wyzwanie dla klasycznych metod machine learningowych.

To właśnie połączenie tych trzech cech sprawia, że biologia wymaga zupełnie innych architektur AI niż dziedziny, dla których powstawała większość współczesnych modeli — takich jak tekst czy obraz. Problem nie polega więc na tym, że obecne modele są za małe, lecz na braku architektur zaprojektowanych z myślą o biologii.

Dlatego nie wierzymy, że przełom przyniesie jeden fundacyjny model próbujący nauczyć się wszystkiego naraz — takie modele świetnie odtwarzają biologię, którą już widziały, ale znacznie trudniej przychodzi im to, co dla nas najcenniejsze: generalizacja do nowych pacjentów, kombinacji mutacji czy mechanizmów choroby.

W Ingenixie idziemy w przeciwną stronę. Budujemy wyspecjalizowane modele — każdy dopasowany do swojej skali i typu danych — a następnie łączymy je w Biological Reasoning Engine, który potrafi rozumować w poprzek tych poziomów. Lubię porównywać to do interdyscyplinarnego zespołu naukowców: nikt nie zna całej biologii, ale dobrze współpracujący zespół potrafi zobaczyć znacznie więcej niż pojedyncza osoba.

Przez ostatni rok pracowaliście nad zupełnie nową architekturą AI. Co udało Wam się przez ten czas zbudować?

Przez ostatni rok pracowaliśmy nad pierwszą wersją wspomnianego Biological Reasoning Engine, co oznaczało kilka równoległych ścieżek.

Na poziomie modeli budowaliśmy wyspecjalizowane komponenty do pracy z różnymi typami danych – od danych transkryptomicznych, przez dane molekularne, aż po modele przewidujące skutki perturbacji genetycznych czy traktowania lekiem. Zależało nam, żeby każdą z tych modalności potraktować jako odrębny problem badawczy, a nie próbować sprowadzać je tylko do tekstu.

Równolegle rozwijaliśmy warstwę rozumującą i system agentowy, który potrafi zestawiać wiedzę z literatury, patentów, badań klinicznych czy wyników ilościowych eksperymentów, a następnie przekładać ją na hipotezy badawcze.

Pierwszy sygnał, który szczególnie nas cieszy, to oznaki generalizacji zero-shot w naszych modelach – umiejętność wnioskowania w nowych kontekstach biologicznych, których modele wcześniej nie widziały. Drugi to wyniki naszego ostatniego wewnętrznego hackathonu, podczas którego budowaliśmy prototyp autonomicznego (self-evolving) bio-researchera. Pytanie było proste: czy agent potrafi wejść w zupełnie nową domenę biologiczną, dostając zaledwie kilka przykładów od ekspertów i w krótkim czasie nauczyć się skutecznie w niej pracować? Modele rozwinięte podczas tego projektu znacząco przewyższyły publicznie dostępne rozwiązania na zewnętrznych benchmarkach i wewnętrznych testach. To dla nas pierwszy mocny sygnał, że można budować systemy, które nie tylko zapamiętują biologię, ale aktywnie się jej uczą.

Część naszych prac opisujemy w publikacjach – zainteresowanych szczegółami technicznymi zachęcam do lektury artykułów: https://ingenix.ai/evidence/ i postów:

W informacji prasowej napisaliście, że wnioski, których wypracowanie zajęło firmie biotechnologicznej kilka lat badań i kosztowało miliony euro, zostały wygenerowane przez wasze AI w zaledwie kilka minut. Czy możesz zdradzić więcej szczegółów, jak do tego doszło?

To był dla nas bardzo ważny moment — po raz pierwszy mogliśmy przetestować Biological Reasoning Engine na rzeczywistym problemie badawczym.

Firma biotechnologiczna przyszła do nas z konkretnym pytaniem z obszaru onkologii. Nasz system wygenerował zestaw hipotez opartych na analizach wielu modalności jednocześnie. Przeprowadziliśmy analizę biomarkerów na poziomie linii komórkowych i pacjentów, uwzględniając dane in vitro, wyniki kliniczne oraz informacje ze skali molekularnej, komórkowej i populacyjnej. Zgromadzenie danych, przeprowadzenie analiz, interpretacja wyników i budowa modeli — zwykle taki proces zajmuje miesiące. Nasz system przeprowadza analizę w ciągu od kilkunastu do kilkudziesięciu minut.

Natomiast prawdziwym wyzwaniem jest to, co dzieje się potem – synteza i priorytetyzacja hipotez. Poszczególne analizy potrafią wygenerować dziesiątki potencjalnych tropów, ale najtrudniejsze jest wskazanie, które z nich mają największy potencjał biologiczny.

Dlatego tak istotna była dla nas walidacja. Hipotezy wygenerowane przez nasz system w dużej mierze pokrywały się z kierunkami, do których firma doszła po latach własnych badań i które częściowo potwierdziła eksperymentalnie. To pozwala nam wierzyć, że Biological Reasoning Engine mógłby istotnie przyspieszyć ich proces badawczy i pomóc w podjęciu kluczowych decyzji naukowych.

Nie oznacza to, że AI zastępuje eksperymenty biologiczne. Pokazuje jednak, że potrafi w bardzo krótkim czasie zawęzić przestrzeń najbardziej obiecujących hipotez i pomóc naukowcom podejmować lepsze decyzje o tym, które hipotezy warto zweryfikować w laboratorium. Co w rezultacie sprawia, że nawet mała firma biotechnologiczna może iterować w obrębie nie kilku, a kilkunastu głównych hipotez jednocześnie.

Waszym flagowym rozwiązaniem jest „Biological Reasoning Engine”. Jak Wasze AI “rozumie” biologię? Co jest potrzebne, żeby sztuczna inteligencja rzeczywiście rozumiała biologię?

Odpowiem przekornie: wszystko zależy od tego, co nazwiemy „rozumieniem”. Dla mnie model nie rozumie biologii dlatego, że przeczytał milion publikacji. Rozumie ją wtedy, kiedy potrafi wyjaśnić, dlaczego dochodzi do danego zjawiska i rozróżnia, jak efekty na poziomie białek wpływają na zachowanie w tkankach.

Większość współczesnych systemów AI potrafi bardzo dobrze analizować pojedynczy typ danych (tekst, obraz czy sekwencję), a jeśli korzysta z wielu modeli, zwykle łączy je dopiero na poziomie gotowych odpowiedzi. Biologia tak nie działa. Ten sam proces biologiczny jednocześnie zostawia ślad w genomie, w ekspresji genów, w aktywności białek, w obrazie komórki i ostatecznie w stanie pacjenta. Z drugiej strony, współczesne metody eksperymentalne pozwalają mierzyć jedynie cień większości tych prawdziwych zdarzeń. Jeśli chcemy go zrozumieć, nie możemy analizować tych warstw osobno.

Wyobraźmy sobie pytanie: co stanie się, jeśli podamy konkretny związek chemiczny pacjentowi z określoną mutacją nowotworu? Odpowiedź nie wynika ani z samej struktury cząsteczki, ani z ekspresji genów, ani z literatury. System zestawia jednocześnie informacje o związku chemicznym, stanie komórki, aktywnych szlakach sygnałowych i dostępnych dowodach eksperymentalnych, a następnie buduje mechanistyczną hipotezę wyjaśniającą, dlaczego spodziewamy się określonej odpowiedzi.

To właśnie dlatego w naszym podejściu nie integrujemy modeli na poziomie ich odpowiedzi, ale znacznie wcześniej — na poziomie reprezentacji. Reasoning odbywa się już na wspólnej topologii zależności pomiędzy różnymi modalnościami biologicznymi. To właśnie ta mapa jest dla nas najcenniejszym elementem całego systemu.

Równie ważna jest dla nas transparentność. Od początku zależało nam, żeby odpowiedzi naszego systemu nie były „czarną skrzynką”. Oprócz końcowego wyniku pokazujemy również pełen tok rozumowania: z jakich dowodów korzystał, jaki mechanizm biologiczny proponuje i jakie są ograniczenia danej hipotezy.

Czy to znaczy, że AI „rozumie” biologię? Byłabym ostrożna z takim stwierdzeniem. Powiedziałabym raczej, że potrafi rozumować pomiędzy różnymi skalami biologii i budować z nich spójne wyjaśnienia mechanizmów — w sposób, który wcześniej był praktycznie niemożliwy, bo żaden naukowiec nie jest w stanie jednocześnie analizować i interpolować pomiędzy tyloma źródłami informacji.

Internet był paliwem dla LLM-ów. Co jest odpowiednikiem internetu dla AI biologicznej? Dane laboratoryjne? Symulacje? Eksperymenty?

Najkrótsza odpowiedź brzmi: dane eksperymentalne. Ale już tutaj pojawia się zasadniczy problem. Internet jest ogromny, tani i łatwo dostępny, podczas gdy dane biologiczne są dokładnym jego przeciwieństwem. Każdy pomiar wymaga eksperymentu — kosztownego, czasochłonnego i często obarczonego szumem technicznym.

Liczy się nie tylko ilość danych, ale przede wszystkim to, jakie informacje niosą. Potrzebujemy danych heterogenicznych, przyczynowo-skutkowych, ukazujących zależności pomiędzy procesami i skalami biologicznymi. Dobrym przykładem są eksperymenty perturbacyjne, w których konkretną linię komórkową traktujemy lekiem albo wyłączamy aktywność wybranego genu za pomocą CRISPR. To złota zasada inżyniera: chcesz zrozumieć system — spróbuj go zepsuć. Równie cenne są dane multimodalne z jednego eksperymentu: wieloskalowe perturbacje na różnych liniach komórkowych, sparowane dane od pacjentów przed i po leczeniu wraz z multiomicznymi profilami i odpowiedzią na terapię. Takich publicznie dostępnych danych jest dziś zdecydowanie za mało.

Bez nich wpadamy w dwie pułapki naraz. Pierwsza polega na tym, że modele świetnie odtwarzają biologię, którą już znamy. Druga jest bardziej subtelna — benchmarki, napędzające postęp w dziedzinie, często premiują właśnie takie zachowanie. Większość publicznych zbiorów ewaluacyjnych koncentruje się na dobrze przebadanych kontekstach, przez co nagradzamy znajomość istniejącej biologii, a nie zdolność do odkrywania nowej.

Czy potrzebujemy istotnie więcej danych? Niekoniecznie. Dużo ważniejszym pytaniem jest: jakie dane są najbardziej wartościowe, żeby nauczyć modele rozumienia biologii. My uważamy, że potrzebujemy jednocześnie bardziej heterogenicznych, przyczynowo-skutkowych danych oraz rzetelnych benchmarków budowanych wspólnym wysiłkiem całej społeczności.

Jak na co dzień wygląda Twoja współpraca z AI? W jakich zadaniach sztuczna inteligencja jest dla Ciebie niezastąpiona, a gdzie uważasz, że nadal nie można jej ufać?

W Ingenixie traktujemy AI przede wszystkim jako narzędzie przyspieszające codzienną pracę. Muszę przyznać, że tempo postępu w ostatnim roku zrobiło na mnie spore wrażenie — szczególnie w obszarze programowania. Modele pomagają mi dziś szybciej prototypować pomysły, przeglądać literaturę czy monitorować eksperymenty obliczeniowe – dzięki czemu więcej czasu poświęcam na pracę badawczą, a mniej na powtarzalne zadania.

Jednocześnie są obszary, w których pozostaję świadomie ostrożna — przede wszystkim eksploracja i przygotowanie danych oraz interpretacja modeli. W biologii jakość danych, na których trenujemy i walidujemy modele, jest absolutnie kluczowa. Złe założenia na wejściu, niezależnie od tego, jak zaawansowany jest model, prowadzą do błędnych wniosków.

Ta sama ostrożność dotyczy interpretacji wyników. W machine learningu stosunkowo łatwo jest osiągnąć dobre wyniki z niewłaściwych powodów. Zdarza się, że wszystkie metryki wyglądają świetnie: funkcja kosztu jest niska, dokładność predykcji wysoka, a dopiero głębsza analiza ujawnia, że model nauczył się artefaktu zamiast rzeczywistego sygnału. To jest moment, którego AI dzisiaj nie zastąpi. Trzeba spojrzeć na wyniki i zapytać krytycznie: czy to, co widzimy, ma biologiczny sens?

W „Trajektoriach” lubimy wybiegać w przyszłość. Gdzie, Twoim zdaniem, będziemy za 5-10 lat dzięki systemom takim jak Wasz? Czy dojdziemy do punktu, w którym AI będzie nie tylko narzędziem badaczy, ale głównym autorem odkrycia? I co to w ogóle oznacza dla nauki jako ludzkiej instytucji?

Nie jestem fanką spekulowania o przyszłości – biologia zbyt często uczyła mnie pokory. Ale wierzę, że w Ingenix mamy wizję, o którą naprawdę warto zawalczyć.

Dziś od odkrycia kandydata na lek do wprowadzenia do kliniki mija średnio ponad dekada. To dekada, podczas której pacjenci czekają na terapie, które mogłyby im pomóc. Chciałabym, żeby za 5-10 lat AI istotnie skróciło tę ścieżkę — nie przez zastąpienie naukowców, ale przez radykalne przyspieszenie każdego z jej etapów: szybsze generowanie i priorytetyzowanie hipotez, efektywniejsze projektowanie badań klinicznych, wcześniejsze wykrywanie sygnałów, które dziś giną w szumie danych. To jest właśnie misja Ingenix – skrócić drogę do terapii ratujących życie.

Wracając do pytania, czy AI stanie się głównym autorem odkryć naukowych, mówiąc uczciwie, nie wiem. Ale wiem, że jeśli systemy takie jak nasz pomogą naukowcom zadawać lepsze pytania i szybciej je weryfikować, to będzie to korzystne zarówno dla nauki, jak i dla pacjentów. Narzędzia nigdy nie zastępują ciekawości, a to właśnie ciekawość napędza odkrycia.

***

Joanna Krawczyk - Senior Bioinformatics Data Scientist w warszawskim startupie Ingenix. Doświadczenie zawodowe zdobywała w przemyśle biotechnologicznym oraz środowisku akademickim — m.in. w laboratorium Medycyny Obliczeniowej prof. Ewy Szczurek na Uniwersytecie Warszawskim oraz w firmie biotechnologicznej Ryvu Therapeutics.

***

Linki:

1. Profil na LinkedIn

2. Profil na OpenReview

3. Ingenix na Substack

4. Strona Ingenix

Joanna Krawczyk z Fredericiem Grabowskim na konferencji ICML 2026 w Seulu, podczas której zaprezentowali prace badawcze dotyczące wielomodalnych modeli językowych do wnioskowania na danych omicznych i molekularnych:
🧬 OmicsLM: A Multimodal Large Language Model for Multi-Sample Omics Reasoning
🧪 Bolek: A Multimodal Language Model for Molecular Reasoning