Стартап Outer Biosciences проверяет подсказки ИИ на живой донорской коже
Американский стартап Outer Biosciences строит необычный цикл для поиска косметических ингредиентов: ИИ предлагает, какие вещества стоит проверить, а лаборатория тестирует их на живой человеческой коже, полученной от доноров после операций. Результат — удачный или отрицательный — возвращается в модель и влияет на следующий выбор. Об этом 21 августа рассказал TechCrunch со ссылкой на сооснователя компании Майкла Полански.
Ткань вместо усреднённой чашки Петри
По словам Полански, обычные клеточные культуры и животные модели плохо передают то, как ведёт себя реальная человеческая кожа. Outer получает ткань через биобанки и поставщиков с документированным согласием доноров; образцы поступают уже обезличенными. Компания утверждает, что её система питания и отвода продуктов обмена позволяет сохранять ткань жизнеспособной до месяца. Для сравнения, обычное окно таких опытов часто ограничено несколькими днями.
Это даёт исследователям время наблюдать медленные процессы — например, реакцию на ультрафиолет, воспаление, восстановление барьера или перестройку коллагена. Стартап подчёркивает: он не «лечит» кожу в лаборатории, а фиксирует, как она реагирует и восстанавливается после контролируемого воздействия.
ИИ получает обратную связь из лаборатории
Главная идея — не в портрете модели, а в цикле проверки. ИИ оценивает, какие ещё не испытанные вещества могут помочь определённой функции кожи. Их проверяют на ткани, измеряют ответ и используют данные для следующего раунда. Полански заявил TechCrunch, что с таким подходом команда находит нового кандидата примерно раз в шесть недель; это оценка самой компании, а не независимый результат.
Outer Biosciences не обещает лекарство. По данным TechCrunch, её текущая цель — ингредиенты для косметики, которые затем могут лицензировать или покупать другие производители. Поэтому здесь важен не готовый крем, а попытка сделать ранний поиск веществ менее похожим на перебор вслепую.
Для ИИ в биологии это показательный сдвиг: ценность модели зависит не только от обучающих данных, но и от того, может ли лаборатория быстро и этично возвращать ей новые, качественные результаты. Такие замкнутые циклы медленнее веб-обучения, зато позволяют проверять гипотезы там, где у интернета просто нет нужных данных.
