به نقل از تککرانچ، «رید جابز» چندان علاقهای ندارد درباره این موضوع صحبت کند که پسر استیو جابز است. او ترجیح میدهد درباره «یوسمیتی» (Yosemite)، شرکت سرمایهگذاری خطرپذیری که در سال ۲۰۲۳ با تمرکز بر حوزه سرطان تأسیس کرد، سخن بگوید؛ شرکتی که با تکیه بر پژوهشهای اولیه دانشگاهی و ترکیبی از سرمایهگذاری بشردوستانه و سرمایه خصوصی، شرکتهای زیستفناوری را از مرحله ایده شکل میدهد.
سه سال از آغاز فعالیت این شرکت میگذرد و جابز در تلاش است «یوسمیتی» را به یکی از بازیگران مهم این حوزه تبدیل کند. به گفته او، انگیزه اصلی این تلاش صرفاً پیشی گرفتن از رقبا نیست، بلکه باور دارد پیشرفتهای هوش مصنوعی در کشف دارو و طراحی کارآزماییهای بالینی، فرصتهای این حوزه را بسیار سریعتر از آنچه تصور میکرد گسترش داده است.
او در گفتوگو با تککرانچ، در پاسخ به این پرسش که «با وجود نوپا بودن یوسمیتی، چه مزیتی برای سرمایهگذاران بالقوه نسبت به دیگر صندوقهای سرمایهگذاری علوم زیستی ارائه میکنید؟» گفت: «هنوز برای پاسخ قطعی به این سؤال زود است، اما یوسمیتی این توانایی را دارد که پیش از دیگران حوزههای جدید پزشکی را شناسایی و ایجاد کند. اعضای تیم ما در توسعه چندین حوزه نوظهور پیشگام بودهاند. اصلاح اپیژنتیکی ژنها و انتقال ایمن ابزارهای ویرایش ژن به سلولهای هدف، از مهمترین گلوگاههای یک دهه اخیر این صنعت بوده است. اگر هدف، پیشگامی در کشف حوزههای جدید باشد، ما معتقدیم بهترین جایگاه را برای تحقق آن داریم.»
جابز همچنین درباره نقش هوش مصنوعی در نظام سلامت گفت: «بیمارستانهای آمریکا از نظر فناوری، جزو عقبماندهترین بخشهای اقتصاد هستند و هنوز بخش قابلتوجهی از فرایندها با فکس و حتی فلاپیدیسک انجام میشود.»
به گفته او، مراکز تماس و سامانههای تریاژ ۹۱۱ که حفظ فعالیت شبانهروزی آنها هزینه بالایی دارد، از نخستین حوزههایی هستند که میتوانند از هوش مصنوعی بهرهمند شوند. همچنین پروندههای الکترونیکی سلامت، رادیولوژی و آسیبشناسی نیز از دیگر بخشهایی هستند که ظرفیت بالایی برای تحول با این فناوری دارند.
جابز در ادامه تأکید کرد: «اما آنچه بیش از همه برای من جذاب است، کارآزماییهای بالینی است. این بخش، بزرگترین منبع هزینه و اتلاف زمان در فرایند توسعه دارو به شمار میرود. یک کارآزمایی فاز سوم سرطان بهطور متوسط حدود ۲۶۰ میلیون دلار هزینه دارد و تنها یک مورد از هر سه مطالعه به موفقیت میرسد. بخش عمده این هزینه نیز صرف جذب بیماران و حفظ مشارکت آنها در پژوهش میشود.»
به گفته وی، هوش مصنوعی میتواند با ایجاد «گروه کنترل مصنوعی» این روند را متحول کند؛ گروهی مقایسهای که با استفاده از دادههای بیماران موجود ساخته میشود و میتواند جایگزین گروه کنترلِ درماننشده شود. در نتیجه، پژوهشگران تنها بیماران دریافتکننده درمان را جذب میکنند؛ موضوعی که تعداد شرکتکنندگان موردنیاز را تقریباً به نصف کاهش داده، سرعت انجام مطالعه را به شکل قابلتوجهی افزایش میدهد. به گفته جابز، سازمان غذا و داروی آمریکا (FDA) نیز در حال حاضر توجه ویژهای به این رویکرد نشان داده است.
