Outer Biosciences now feeds live human skin—harvested from discarded surgical tissue and kept viable for more than a month—into machine-learning models. The startup hopes to make drug-discovery and dermatology predictions far more reliable. Its two-year pipeline moves tissue from operating rooms to a lab within hours, a speed the company says preserves the cells’ natural behavior.
Why the old data-sets fall short
For most of biotech’s recent history, researchers have relied on animal models or cultured cell lines to train computational tools. Those systems are cheap and easy to handle, but they rarely capture the full complexity of human skin—a layered organ with immune cells, nerve endings, microbiome interactions and a dynamic response to hormones and stress. The mismatch forces drug developers to run multiple rounds of animal testing and human trials, inflating costs and extending timelines.
Outer Biosciences positions itself as a bridge across that gap. By using tissue that has never been altered in a dish, the company believes its AI can learn patterns invisible to synthetic models. “Living data” is the phrase the team uses to describe the difference between a static snapshot of a cell line and a continuously interacting tissue slice that still communicates with its environment.
From the operating room to the algorithm
The logistical challenge matches the scientific one. Outer Biosciences sources skin that would otherwise be discarded during procedures such as abdominoplasties or mastectomies. Nonprofit and commercial biobanks, operating under Institutional Review Board (IRB) oversight, document donor consent for research use. Once a hospital flags a suitable specimen, the company’s courier network picks it up, transports it in temperature-controlled containers, and delivers it to a processing facility within a few hours.
In the lab, the skin sits in a perfusion system that mimics blood flow, keeping the cells alive for up to 30 days. During that window, the team captures high-resolution imaging, transcriptomics and proteomics data at multiple time points. The multi-modal dataset feeds deep-learning pipelines that predict how the tissue will react to chemical compounds, UV exposure, or inflammatory triggers.
The people pulling the lever
Co-founder and CEO Michael Polansky brings a mathematics background from Harvard and a track record of scaling complex operations, from venture-capital portfolios to global concert tours. Chief Scientist Kyung-Jin Jang, a skin-biology specialist, directs the experimental side, while CTO Chris Hinojosa builds the data-engineering platform that stitches together imaging and molecular streams. The board includes pop-culture icon Lady Gaga, who also chairs the cosmetics brand Haus Labs, a venture that shares research resources with Outer Biosciences.
These cross-industry ties give the startup both the capital to build a niche logistics network and a ready market for early applications. Haus Labs, for example, could test new formulations on the live-tissue platform before moving to human volunteers, potentially shaving weeks off the typical product-development cycle.
What’s at stake
If the approach lives up to its promise, pharmaceutical companies could cut the number of animal studies required for early-stage screening, reducing both cost and ethical concerns. Dermatology clinics might gain AI tools that predict how a patient’s skin will respond to a prescription cream, enabling truly personalized treatment plans. The broader AI community could also benefit from a richer, more realistic training set that pushes the limits of predictive biology.
The model raises questions about scalability and privacy. Collecting tissue from surgery depends on hospitals and donors willing to participate, and the supply chain may bottleneck as demand rises. While biobanks operate under IRB oversight, detailed molecular profiles could, in theory, be linked back to individuals if data-handling practices slip. Critics argue that even with consent, the commercial exploitation of discarded tissue skirts a thin ethical line.
Counter-point: Do organoids still have a role?
오가노이드(장기 기능을 모방하기 위해 실험실에서 배양한 3차원 세포 집합체)를 개발하는 과학자들은 이러한 모델을 완전히 배제하는 것에 대해 경고합니다. 오가노이드는 단일 환자의 유도만능줄기세포로부터 생성될 수 있어, 신선한 수술 조직 없이도 개인 맞춤형 플랫폼을 제공합니다. 또한 연구자들이 수개월에 걸친 발달 과정을 연구할 수 있게 해주는데, 이는 30일짜리 피부 절편으로는 불가능한 일입니다. Outer Biosciences는 자사의 플랫폼이 보편적인 대체재가 아니라, 피부의 고유한 구조가 가장 중요한 특정 질문에 대해 고충실도(high-fidelity) 데이터를 제공하는 보완적 자원임을 인정합니다.
향후 전망
Outer Biosciences는 현재 여러 바이오테크 파트너와 함께 파일럿 연구를 진행하며, 알려진 약물 결과와 비교하여 자사 모델의 예측력을 테스트하고 있습니다. 내부 브리핑을 통해서만 공유된 초기 결과에 따르면, 기존의 오가노이드 기반 예측보다 임상 시험 데이터와 더 높은 상관관계를 보이는 것으로 나타났습니다. 회사는 조직 수집 범위를 다른 장기 유형까지 확대할 계획이지만, 각 유형마다 고유한 물류적 난관이 따를 것입니다.
규제 당국은 아직 살아있는 인체 조직으로 학습된 AI 모델에 대한 구체적인 지침을 발표하지 않았으나, AI 기반 의료 기기에 대해 새롭게 구축 중인 FDA의 프레임워크가 Outer의 작업과 맞물릴 가능성이 높습니다. 이 스타트업은 데이터 프라이버시 표준과 알고리즘 투명성에 대한 당국의 기대치를 모두 충족하는 문서를 준비하고 있다고 밝혔습니다.
결론
Outer Biosciences는 수술실에서 실험실로 신선한 인체 피부를 몇 시간 내에 옮기는 물류적 성과를, 약물 및 피부 건강에 대한 AI 예측을 더욱 신뢰할 수 있게 만드는 데이터 엔진으로 탈바꿈시켰습니다. 이 벤처의 성공은 조직 공급망을 지속적으로 유지하고, 기증자의 프라이버시를 보호하며, "살아있는 데이터(living data)"가 실제로 기존의 합성 모델보다 성능이 뛰어나다는 것을 입증할 수 있는지에 달려 있습니다. 만약 이를 성공시킨다면, 그 파급 효과는 제약, 화장품, 임상 피부과학 분야 전반에 미쳐 인체를 이해하도록 기계를 학습시키는 방식을 재편할 수 있을 것입니다.