Y todo ese proceso de principio a fin puede ser inmensamente costoso, costar miles de millones de dólares y tomar, ya sabes, hasta una década para hacerlo. Y en muchos casos, todavía falla. Ya sabes, hay innumerables enfermedades por ahí en este momento que no tienen vacuna para ellas, que no tienen tratamiento para ellas. Y no es que la gente no lo haya intentado, es solo que son un desafío.
Y así construimos la empresa pensando en: ¿cómo podemos reducir esos plazos? ¿Cómo podemos apuntar a muchas, muchas más cosas? Y así fue como entré en la empresa. Sabes, mi experiencia es en ingeniería de software y ciencia de datos. De hecho, tengo un doctorado en lo que se llama física de la información, que está muy relacionada con la ciencia de datos.
Y comencé cuando la empresa era muy joven, tal vez cien, 200 personas en ese momento. Y estábamos construyendo ese motor preclínico temprano de una empresa, que es cómo podemos enfocarnos en un montón de ideas diferentes a la vez, realizar algunos experimentos, aprender muy rápido y hacerlo de nuevo. Hagamos cien experimentos a la vez y aprendamos rápidamente y luego llevemos ese aprendizaje a la siguiente etapa.
Entonces, si desea realizar muchos experimentos, debe tener una gran cantidad de ARNm. Así que construimos este procesamiento robótico masivamente paralelo de ARNm, y necesitábamos integrar todo eso. Necesitábamos sistemas para manejar todos esos, eh, robótica juntos. Y, ya sabes, a medida que las cosas evolucionaron a medida que capturas datos en estos sistemas, ahí es donde la IA comienza a aparecer. Ya sabes, en lugar de solo capturar, ya sabes, esto es lo que sucedió en un experimento, ahora estás diciendo que usemos esos datos para hacer algunas predicciones.
Eliminemos la toma de decisiones de, ya sabes, los científicos que no quieren simplemente mirar y mirar los datos una y otra y otra vez. Pero usemos sus ideas. Construyamos modelos y algoritmos para automatizar sus análisis y, ya sabes, hacer un trabajo mucho mejor y mucho más rápido para predecir resultados y mejorar la calidad de nuestros datos.
Entonces, cuando apareció Covid, fue realmente, eh, un momento poderoso para nosotros tomar todo lo que habíamos construido y todo lo que habíamos aprendido, y la investigación que habíamos hecho y realmente aplicarlo en este escenario realmente importante. Um, entonces, cuando las autoridades chinas publicaron esta secuencia por primera vez, solo nos tomó 42 días tomar esa secuencia e identificar, ya sabes, estas son las mutaciones que queremos hacer. Esta es la proteína a la que queremos apuntar.
Cuarenta y dos días a partir de ese momento para construir realmente la fabricación, el lote y el envío a la clínica de grado clínico y seguro para los humanos, lo cual no tiene precedentes. Creo que mucha gente se sorprendió de lo rápido que se movió, pero es realmente… Pasamos 10 años para llegar a este punto. Pasamos 10 años construyendo este motor que nos permite mover la investigación lo más rápido posible. Pero no se detuvo allí.
Pensamos, ¿cómo podemos usar la ciencia de datos y la IA para informar realmente la mejor manera de obtener el mejor resultado de nuestros estudios clínicos? Entonces, uno de los primeros grandes desafíos que tuvimos fue que teníamos que hacer este gran ensayo de fase tres para probar en un gran número, ya sabes, fueron 30,000 sujetos en este estudio para probar que esto funciona, ¿verdad?