4 июня венчурный фонд LongeVC вынес в LinkedIn главный вывод из разбора Labiotech: инвесторы строже проверяют AI-стартапы в биотехе после первой волны обещаний. Теперь компании нужно ответить, какую биологическую задачу она решает, для какой болезни и какими данными это можно проверить.
AI-biotech здесь означает компании, которые используют модели машинного обучения для поиска мишеней, дизайна молекул, анализа биоданных или выбора экспериментов. Несколько лет назад широкое платформенное обещание могло привлечь внимание: у нас есть AI для drug discovery, значит мы будем быстрее обычной фармы. LongeVC описывает другой фильтр. Инвестор теперь спрашивает: какой у компании препарат, показание и дорога до пациента.
В посте от 4 июня LongeVC формулирует это так:
«Выживают компании, которые перестали продавать технологию и начали решать биологию».
AI действительно ускоряет обработку данных, поиск терапевтических мишеней и ранние решения в R&D. FDA работает в другом темпе: препарат проходит доклинику, Phase 1, Phase 2, Phase 3, производство, безопасность и регуляторную оценку. Phase 1 проверяет безопасность и дозу на небольшой группе людей, Phase 2 ищет первые признаки пользы, Phase 3 сравнивает препарат с плацебо или стандартом лечения на большем числе пациентов.
В разборе Labiotech Artem Trotsyuk из LongeVC называет новый тип желательной компании asset-centric. По-русски это значит: в центре стоит конкретный актив. Активом может быть молекула, терапевтическая программа, набор данных или инструмент, который уже встроился в работу исследователей и фармкоманд. Sergey Jakimov из LongeVC формулирует порог: стартапу нужны болезнь, измеримые клинические endpoints и путь разработки; иначе у него остаётся научный проект. Endpoint — это измеримый исход испытания: например, функция лёгких, уменьшение опухоли, шкала воспаления кожи или биомаркер в ткани.
Главный пункт у LongeVC — собственные данные. Модель можно скопировать, интерфейс можно собрать за выходные, открытый стек быстро превращается в функцию внутри чужого продукта. Данные, которые конкурент не может повторить, копируются хуже. Поэтому инвестор смотрит, есть ли у компании уникальные экспериментальные массивы, доступ к пациентским данным, связка с лабораторией или реальные пользователи среди биологов и фармпартнёров.
Для longevity biotech это знакомая проблема. Биотех долголетия уже переводит старение в признанные показания: фиброз, псориаз, нейродегенерацию, метаболические болезни или хрупкость. AI оставляет этот перевод на месте. Он может быстрее предложить мишень или молекулу, но потом компании всё равно нужно показать дозу, токсичность, механизм, пациента и клинический исход.
LongeVC оставляет AI полезную роль внутри биологии и сужает место для магии слова AI. Если модель помогает выбрать эксперимент, собрать данные и довести программу до проверяемого препарата, она работает как часть биотеха. Если модель только делает pitch deck убедительнее, инвестор видит оболочку вокруг старой неопределённости.