Outer Biosciences alimenta ora i modelli di machine learning con pelle umana viva — prelevata da tessuti chirurgici scartati e mantenuta vitale per più di un mese. La startup spera di rendere molto più affidabili le previsioni nel campo della scoperta di farmaci e della dermatologia. La sua pipeline biennale sposta il tessuto dalle sale operatorie a un laboratorio in poche ore, una velocità che, secondo l'azienda, preserva il comportamento naturale delle cellule.

Perché i vecchi set di dati sono insufficienti

Per gran parte della storia recente della biotecnologia, i ricercatori si sono affidati a modelli animali o linee cellulari coltivate per addestrare strumenti computazionali. Questi sistemi sono economici e facili da gestire, ma raramente catturano la piena complessità della pelle umana: un organo stratificato con cellule immunitarie, terminazioni nervose, interazioni del microbioma e una risposta dinamica agli ormoni e allo stress. Questa discrepanza costringe gli sviluppatori di farmaci a eseguire molteplici cicli di test sugli animali e sperimentazioni cliniche sull'uomo, gonfiando i costi e allungando i tempi.

Outer Biosciences si pone come un ponte per colmare questo divario. Utilizzando tessuti che non sono mai stati alterati in una piastra di Petri, l'azienda ritiene che la sua IA possa apprendere schemi invisibili ai modelli sintetici. "Dati viventi" è la frase che il team usa per descrivere la differenza tra un'istantanea statica di una linea cellulare e una sezione di tessuto in continua interazione che comunica ancora con il proprio ambiente.

Dalla sala operatoria all'algoritmo

La sfida logistica è all'altezza di quella scientifica. Outer Biosciences reperisce pelle che altrimenti verrebbe scartata durante procedure come addominoplastiche o mastectomie. Biobanche no-profit e commerciali, che operano sotto la supervisione di un Institutional Review Board (IRB), documentano il consenso del donatore per l'uso nella ricerca. Una volta che un ospedale segnala un campione idoneo, la rete di corrieri dell'azienda lo ritira, lo trasporta in contenitori a temperatura controllata e lo consegna a un centro di lavorazione entro poche ore.

In laboratorio, la pelle viene posta in un sistema di perfusione che imita il flusso sanguigno, mantenendo le cellule vive fino a 30 giorni. Durante questa finestra temporale, il team acquisisce immagini ad alta risoluzione e dati di trascrittomica e proteomica in più momenti. Il dataset multimodale alimenta pipeline di deep learning che prevedono come il tessuto reagirà a composti chimici, all'esposizione ai raggi UV o a stimoli infiammatori.

Le persone che muovono le leve

Il co-fondatore e CEO Michael Polansky porta con sé un background matematico di Harvard e una comprovata esperienza nella gestione di operazioni complesse, dai portafogli di venture capital ai tour mondiali di concerti. La Chief Scientist Kyung-Jin Jang, specialista in biologia cutanea, dirige il lato sperimentale, mentre il CTO Chris Hinojosa costruisce la piattaforma di data engineering che unisce i flussi di imaging e molecolari. Il consiglio di amministrazione include l'icona della cultura pop Lady Gaga, che presiede anche il marchio di cosmetici Haus Labs, un'impresa che condivide risorse di ricerca con Outer Biosciences.

Questi legami intersettoriali forniscono alla startup sia il capitale per costruire una rete logistica di nicchia, sia un mercato pronto per le prime applicazioni. Haus Labs, ad esempio, potrebbe testare nuove formulazioni sulla piattaforma di tessuto vivo prima di passare ai volontari umani, tagliando potenzialmente di settimane il tipico ciclo di sviluppo del prodotto.

Cosa c'è in gioco

Se l'approccio manterrà le promesse, le aziende farmaceutiche potrebbero ridurre il numero di studi sugli animali richiesti per lo screening nelle fasi iniziali, diminuendo sia i costi che le preoccupazioni etiche. Le cliniche dermatologiche potrebbero ottenere strumenti di IA in grado di prevedere come la pelle di un paziente risponderà a una crema prescritta, consentendo piani di trattamento davvero personalizzati. Anche la più ampia comunità dell'IA potrebbe beneficiare di un set di addestramento più ricco e realistico che spinga i limiti della biologia predittiva.

Il modello solleva questioni sulla scalabilità e sulla privacy. La raccolta di tessuti tramite interventi chirurgici dipende dalla disponibilità di ospedali e donatori a partecipare, e la catena di approvvigionamento potrebbe subire colli di bottiglia con l'aumentare della domanda. Sebbene le biobanche operino sotto la supervisione dell'IRB, i profili molecolari dettagliati potrebbero, in teoria, essere ricondotti agli individui in caso di carenze nelle pratiche di gestione dei dati. I critici sostengono che, anche con il consenso, lo sfruttamento commerciale di tessuti scartati si muova su un sottile confine etico.

Controargomentazione: gli organoidi hanno ancora un ruolo?

Gli scienziati che sviluppano organoidi — ammassi tridimensionali di cellule coltivate in laboratorio per mimare la funzione degli organi — mettono in guardia dal considerare questi modelli del tutto superati. Gli organoidi possono essere generati a partire dalle cellule staminali pluripotenti indotte di un singolo paziente, offrendo una piattaforma personalizzata senza la necessità di nuovo tessuto chirurgico. Consentono inoltre ai ricercatori di studiare i processi di sviluppo nell'arco di mesi, cosa che una sezione di pelle di 30 giorni non può fare. Outer Biosciences riconosce che la sua piattaforma non è un sostituto universale, ma una fonte complementare di dati ad alta fedeltà per quesiti specifici in cui l'architettura nativa della pelle è fondamentale.

La strada da percorrere

Outer Biosciences sta attualmente conducendo studi pilota con diversi partner biotecnologici, testando il potere predittivo dei suoi modelli rispetto a risultati farmacologici noti. I primi risultati, condivisi solo in briefing interni, suggeriscono una correlazione con i dati delle sperimentazioni cliniche superiore rispetto alle previsioni basate su organoidi comparabili. L'azienda prevede di ampliare la propria raccolta di tessuti per includere altri tipi di organi, sebbene ognuno presenterà le proprie sfide logistiche.

Le autorità di regolamentazione non hanno ancora emesso linee guida specifiche sui modelli di IA addestrati su tessuto umano vivo, ma il quadro emergente della FDA per i dispositivi medici basati sull'IA si intreccerà probabilmente con il lavoro di Outer. La startup afferma di stare preparando la documentazione necessaria per soddisfare sia gli standard di privacy dei dati sia le aspettative dell'agenzia in termini di trasparenza algoritmica.

In sintesi

Outer Biosciences ha trasformato un'impresa logistica — trasportare pelle umana fresca dalla sala operatoria a un laboratorio in poche ore — in un motore di dati che potrebbe rendere le previsioni dell'IA su farmaci e salute della pelle più affidabili. Il successo dell'impresa dipenderà dalla sua capacità di mantenere costante il flusso di tessuti, proteggere la privacy dei donatori e dimostrare che i "dati viventi" superano effettivamente i modelli sintetici esistenti. Se ciò accadrà, l'effetto a catena potrebbe estendersi ai settori farmaceutico, cosmetico e della dermatologia clinica, rimodellando il modo in cui addestriamo le macchine a comprendere il corpo umano.