AI医疗新玩家ReviveMed获得150万美元种子轮，代谢组学会是好切口吗？

近日，MIT团队ReviveMed获得了由Rivas Capital领投，TechU、Team Builder Ventures和WorldQuant跟投的150万美元种子轮投资，这笔资金将被用于扩充工程师和数据科学家的团队。

简单来说，ReviveMed想解决的是这样的问题，有时候药品研发出来了，却没能和它对症的疾病联系起来。他们想以代谢组学作为切入口，借助机器学习的方法，详尽地分析身体内部复杂的生物力学，找到这种联系。

医疗和AI可谓是个大风口，人工智能能否实现商业化落地，是任何一个新入场的项目都必须直面的问题。这个团队建立的初衷，是想解决代谢组学研究面临的实际问题。“蛋白质和代谢物的相互作用可以告诉我们，疾病到底给身体带来了什么”，创始人Leila Pirhaji表示，“人体内有4万多种代谢物，DNA和RNA很容易测量，但代谢物太多了，一个个实验测量非常麻烦。”

而这种大量测试的需求，恰好与其他“大噪声数据”面临的问题极为相似，那么AI就很有发挥空间了。

很多制药公司和研究机构已经做了大量的代谢物实验，也知道了不少相互作用，但这些实验无法彻底了解代谢物和它们的影响。ReviveMed要做的，正是把这些积灰的信息挖出来，把这数百万的相互作用数据整合为一个巨大的“hair ball”，他们为此开发了一个模型，利用机器学习来研究和分析它。

这就是所谓的“hairball”

ReviveMed也已经取得了一些成果，在一次试验中，他们发现了亨廷顿氏舞蹈症的新疾病机制，新的治疗靶点，也由此找出了可能影响机制和靶点的现有药物。这其中的秘诀，就是区分不同的代谢产物，并将其与药物、蛋白质和疾病影响联系起来。代谢物就这样，在没有任何直接测试的情况下，搭建了疾病和药物之间缺失的桥梁。

当然，药物最后还是要经过实验才能推向市场。而ReviveMed想做的商业模式是为制药公司提供服务，降低研发成本，提高回报。制药公司还可以提供一些并无特殊用处的实验数据，换来的是找到那些高研发成本药物的实际效用。

想一想，Robitussin能够预防阿尔茨海默氏症，辉瑞难道不愿意为了得知这条消息而付钱吗？同时，Pirhaji认为，公司并不依赖大型制药企业提供数据，因为原始数据虽然分散，但大多公开，现有的系统也正是在这样的基础上建立的。

数据驱动医药发展确实有利可图，现有的数据规模十分庞大，也给ReviveMed这样的公司奠定了发展的基础。商业模式上存疑的一个问题是，很多实验室和制药公司希望的是拿自己的数据换数据，达成共享；ReviveMed的服务到底能不能吸引他们付费，将需要后续的谈判和运营来验证。