Como dois líderes C-Suite ajudaram a vender 500.000 kits de teste de saúde da IA

Este artigo faz parte de “Construa: conectividade“Uma série sobre tecnologia de tecnologia melhor.

O Viome tem como objetivo transformar a detecção de doenças, começando com o intestino.

A startup de biotecnologia de Washington oferece kits de teste em casa que analisam amostras de saliva, fezes e sangue. Usando a análise de RNA, os cientistas da Viome podem avaliar como genes e micróbios intestinais estão se comportando em tempo real.

Depois que os testes são feitos, a IA é aplicada aos resultados para gerar recomendações personalizadas de alimentos e suplementos. Os usuários podem ser instruídos a evitar espinafre para reduzir a inflamação ou tomar probióticos específicos para apoiar a digestão e a imunidade.

Até agora, a empresa disse que vendeu mais de meio milhão de kits de teste. Apoiado pelo CEO da Salesforce, Marc Benioff, e pela empresa de capital de risco Khosla Ventures, a Viome agora está escalando suas ferramentas para detectar sinais precoces de doença, incluindo câncer de orais e gargantas.

À medida que Viome se expande, as apostas são altas. Grand View Research descobriram que o mercado global de testes de assistência domiciliar deve crescer mais de 9% ao ano até 2030. À medida que mais consumidores se recorrem a kits de testes médicos para o início Detecção de doenças e cuidados preventivosOs riscos de diagnóstico incorreto ou tratamento ineficaz podem aumentar se as ferramentas não forem construídas com precisão.

Para garantir que sua tecnologia seja cientificamente precisa e comercialmente viável, a Viome depende de colaboração rígida e contínua entre suas equipes de pesquisa, engenharia e produtos.

Em uma entrevista na mesa redonda, o Business Insider conversou com Momo Vuyisich, diretor de ciências da Viome, e Guru Banavar, diretor de tecnologia da empresa, para discutir como as equipes de ciência e tecnologia trabalham juntas para entregar produtos que estão prontos para o mercado.

O seguinte foi editado por comprimento e clareza.

Business Insider: A Viome oferece uma variedade de produtos, incluindo kits de microbioma e detectores de câncer em estágio inicial. Como suas equipes de ciência e tecnologia trabalham juntas para manter os modelos de IA precisos, seguros e compatíveis?

Momo Vuyisich: Não é apenas a colaboração entre ciência e tecnologia – é um esforço em toda a empresa. No lado da ciência, focamos em três áreas: trabalho de laboratório, análise de dados e pesquisa clínica.

Sempre que estamos trabalhando em um produto de saúde, confiamos em Pesquisa clínica para orientar o desenvolvimento. Isso inclui estudos observacionais, onde aprendemos com grandes grupos de pessoas e ensaios intervencionistas, onde testamos se uma ferramenta funciona em ambientes do mundo real. Para diagnósticos, isso significa ensaios formais para dispositivos.

No laboratório, usamos um método chamado metatranscriptômica, medindo o RNA para entender o que está acontecendo no corpo agora. Ao contrário do DNA, que permanece o mesmo, o RNA muda com base em coisas como dieta ou exposição ambiental. Isso nos permite detectar sinais precoces de doenças como inflamação ou até câncer, com base em como os genes estão sendo expressos.

Medimos a atividade genética entre células humanas, bactérias e fungos, e também identificamos os tipos de micróbios presentes em uma amostra.

Guru Banavar: O que torna nossa abordagem poderosa é a escala e os detalhes dos dados que coletamos. Cada cliente nos envia amostras de fezes, sangue e saliva, que usamos para gerar dezenas de milhões de pontos de dados mostrando o que está acontecendo em seu intestino, sangue e boca.

Uma vez que esses dados atingem o Viome plataforma em nuvemMinha equipe entra em cena. Usamos a IA para descobrir não apenas quais organismos estão presentes, mas o que eles estão fazendo, como se estão produzindo compostos anti-inflamatórios ou se certos sistemas biológicos estão desequilibrados.

Trabalhamos com dados moleculares, que são muito mais complexos do que os dados de texto que a maioria das ferramentas de IA são treinadas. Então, usamos uma variedade de métodos de aprendizado de máquina, como AI generativa e algoritmos que aprendem com exemplos rotulados e desenham insights com base em padrões, onde é apropriado. A chave é usar a ferramenta certa para o problema certo, seja detectando doenças, recomendando alimentos ou sinalizando riscos à saúde.

E como este trabalho abrange muitos campos, nossa equipe inclui especialistas em biologia, computação, engenharia em nuvem e muito mais. Hoje, tudo funciona na nuvem, que nos permite operar em escala.

O exame médico em casa e a saúde preventiva são indústrias em movimento rápido. Como você garante que não está se movendo muito rápido e prometendo sobre os resultados científicos?

Vuyisich: Desde o início, tornamos a pesquisa clínica uma parte central de como operamos. Não começamos a construir produtos. Começamos medindo marcadores biológicos que já foram publicados para impactar a saúde humana, especialmente aqueles ligados a micronutrientes. Essa era a nossa base.

Um dos nossos primeiros estudos importantes foi a resposta glicêmica, como o açúcar no sangue das pessoas muda após comer. Gastamos milhões de dólares executando estudos em larga escala nos EUA e no Japão, e usamos esses dados para criar modelos de aprendizado de máquina que previam como uma pessoa responderia a certos alimentos. Posteriormente, validamos esses modelos antes de integrá -los ao nosso aplicativo.

Seguimos o mesmo processo para tudo, desde recomendações de alimentos e nutrição até nosso teste de diagnóstico para o câncer. Aprendemos com os dados do cliente e a pesquisa formal, mas o ponto principal é que validamos antes de implementarmos.

BANAVAR: Do lado da tecnologia, construímos sistemas que nos ajudam a se mover rapidamente enquanto ainda tomamos cuidado. Automatizamos muito do levantamento pesado – como processar dados biológicos e gerar recomendações -, por isso não estamos começando do zero. Quando uma nova coorte de usuários se junta ao Viome, geralmente treinamos nossos modelos para refletir novos dados biológicos e garantir a relevância. Algumas partes desse processo são automatizadas, mas as verificações finais e o ajuste ainda são feitas manualmente para garantir que o modelo atenda aos nossos padrões antes de ser lançado.

Outra peça importante é a educação do usuário. Nosso aplicativo foi projetado para permitir que as pessoas se envolvam como quiserem, se estão apenas procurando orientação simples ou desejam mergulhar profundamente na ciência. É uma parte importante para garantir que nossa base de clientes entenda e possa seguir nossas recomendações.

Você já teve que resolver conflitos entre prioridades de negócios e padrões científicos?

BANAVAR: Sim, e é natural em um ambiente multidisciplinar. Todos nós viemos de diferentes origens. Biólogos e aprendizado de máquina Os engenheiros geralmente descrevem o mesmo processo de maneiras totalmente diferentes. Momo vem do lado molecular, eu venho do lado computacional. Às vezes, conversamos um pelo outro, o que significa que perdemos coisas que dizemos um ao outro que vão além de nossos domínios de especialização. É por isso que a comunicação contínua é tão importante.

Há também a tensão entre velocidade e robustez. Por exemplo, quando estamos construindo um novo recurso no aplicativo, estou bem lançando um produto mínimo viável, MVP para curta, que é um protótipo de funcionamento com funcionalidade básica. Mas quando se trata de modelos de saúde, não os lançaremos até validarmos a ciência. Se levar mais duas semanas para ajustar, que assim seja. Colocaremos uma mensagem no aplicativo dizendo que uma pontuação específica ou um indicador de saúde com base nos resultados dos testes de um usuário ainda está sendo trabalhado – e tudo bem comigo.

Vuyisich: Tudo se resume a definir o que é o MVP. Se fornecer valor suficiente para alguém pagar por isso e se sentir bem com isso, esse é o limite. Mas um MVP para um brinquedo pode ser difícil e básico. Um MVP para um diagnóstico de câncer precisa ser muito maduro.

Não temos uma dinâmica onde os negócios dizem à ciência o que fazer. Sentamos na mesma mesa e tomamos decisões juntos. Se a ciência não pode atingir o alvo original, reavalamos. Podemos diminuir um pouco a barra e ainda fornecer valor? Se a resposta for sim, lançaremos.

O pior cenário é o lançamento de algo que não está pronto, mas mesmo isso ensina algo a você. Se ninguém compra, você aprendeu muito. Às vezes, seus amigos e familiares dizem que é incrível, mas ninguém paga por isso. Isso é um sinal.

Mas um cenário ainda pior está esperando muito tempo pela perfeição. Isso enterrou mais empresas do que qualquer outra coisa. Se a Apple tivesse esperado até que o iPhone tivesse todos os recursos do iPhone 16, teria saído do negócio. Em vez disso, eles lançaram o primeiro iPhone. Eles poderiam estar envergonhados hoje sobre o quão pobre era. Mas funcionou. As pessoas pagaram por isso. É isso que importa: traga -o ao mercado.

Que lições você aprendeu ao construir e escalar o Viome que poderia ajudar outras empresas a tentar levar os produtos de saúde da IA ​​para o mercado de maneira responsável?

BANAVAR: Primeiro, não há substituto para gerar dados científicos robustos para apoiar o valor dos produtos de saúde. Segundo, ao aplicar a IA aos produtos de saúde, concentre -se em áreas e métodos que podem ser validados independentemente e, idealmente, interpretáveis, onde as empresas podem explicar como os modelos de IA atingiram seus resultados a cientistas, médicos e usuários. Finalmente, é possível, mesmo no domínio da saúde, construir produtos com uma mentalidade de MVP e implementar um processo de melhoria contínua.

Vuyisich: Entenda profundamente o problema que você está tentando resolver e identificar uma solução robusta. Na Viome, decidimos encontrar as causas radiculares de doenças crônicas e câncer, que exigiam medir dezenas de milhares de biomarcadores humanos relevantes para a saúde.

Além disso, use um método preciso, acessível e escalável. Passamos mais de seis anos otimizando um teste de laboratório – metatranscriptômica – para ir além do padrão -ouro. Este teste nos dá milhares de biomarcadores em vários tipos de amostra com alta precisão.

Finalmente, é tudo sobre as pessoas. Construir uma equipe de liderança que entenda profundamente os negócios e a ciência, está alinhada com a missão e coloca a empresa à frente dos interesses pessoais. Contrate funcionários motivados e auto-gerenciados, treiná-los bem e treine-os continuamente.