Investavusi 22 mln. USD, Valar Labs išleido dirbtinio intelekto platformą, skirtą prognozuoti vėžio gydymo rezultatus. Kadangi vėžys yra kritinė liga, dirbtinio intelekto integravimas į sveikatos priežiūrą, ypač onkologiją, kelia didelių kliūčių. Biotechnologijų verslas, pavadintas „Valar Labs“, sukūrė programą, kuri gali numatyti gydymo sėkmės tikimybę, todėl pacientai gali sutaupyti daug laiko. Bendrovė ketina sutelkti dėmesį į daugiau navikų ir gydymo galimybių, gaudama papildomų pinigų.
Daugeliui navikų yra geriausios praktikos, tačiau jos dažnai reikalauja gydymo mėnesių, kol bus nustatyti rezultatai. Pavyzdžiui, BCG terapija, pirmoji šlapimo pūslės vėžio gydymo linija, veikia tik maždaug pusę laiko. Valaras nori panaikinti šių nepastovių metodų poreikį. Įmonė, kurią įkūrė Stanfordo komanda, yra įsipareigojusi naudoti dirbtinį intelektą, kad pagerintų klinikinių sprendimų priėmimą ir padėtų pacientams bei gydytojams suprasti gydymo galimybes.
Vesta, pirmasis Valar sukurtas instrumentas, skirtas šlapimo pūslės vėžiui. Tai ne tik teorinė, bet ir tyrėjai, bendradarbiaudami su tarptautiniais medicinos institutais, įvertinę daugiau nei tūkstantį pacientų ir naudodami histologinius vaizdus, kad atskleistų svarbius gydymo atsako rodiklius. Tam naudojamas vaizdinis AI, kuris buvo išmokytas naudoti didelius vaizdo duomenų kiekius, kad būtų galima išskirti svarbius aspektus, padedant patologams nustatyti tikslias diagnozes, neužimant savo vietos.
Verslas pabrėžia, kaip labai svarbu pateikti gydytojams interpretuojamus ir naudingus dirbtinio intelekto sugeneruotus duomenis, kad jie galėtų toliau priimti galutinius sprendimus. Valar modeliai, kurie buvo apmokyti naudojant didelius duomenų rinkinius, leidžia išplėsti savo metodus įvairiems vėžio tipams ir pagerinti gydymo rezultatų nuspėjamumą.
Padedamas žymių investuotojų, tokių kaip DCVC ir Andreessen Horowitz, Valar ką tik surinko 22 mln. USD iš A serijos finansavimo, kuris padės „Vesta“ komercializacijai ir augimui iki kitų piktybinių navikų. Įmonė taiko panašų požiūrį į genominius tyrimus, siekdama sumažinti nenaudingų terapijų skaičių ir lengvai integruotis į sveikatos priežiūros sistemą, taip sutaupant išlaidų.