Les deux versions sont alignées bloc par bloc, dans l’ordre du texte : titre, l’essentiel, puis paragraphe par paragraphe. Quand la traduction a fusionné ou scindé un paragraphe, la case correspondante reste vide — on ne rapproche jamais deux passages au jugé.
Inside Vivodyne’s facility just outside San Francisco, robotic systems are growing human tissues, adding drugs and tracking what happens next. The startup’s HIVE machines can cultivate 20 kinds of human tissue and run hundreds of thousands of ongoing experiments, turning a familiar bottleneck in drug discovery into an automated stream of biological observations.
Dans le site de Vivodyne situé juste à l’extérieur de San Francisco, des systèmes robotiques cultivent des tissus humains, ajoutent des médicaments et suivent ce qui se passe ensuite. Les machines HIVE de la start-up peuvent cultiver 20 types de tissus humains et mener des centaines de milliers d’expériences en parallèle, transformant un goulot d’étranglement bien connu de la découverte de médicaments en un flux automatisé d’observations biologiques.
The bottleneck is not simply a shortage of computing power. AI models often learn from animal tests or static studies of individual cells and proteins. They can identify that a cell is in state A or state B, Vivodyne CEO and co-founder Andrei Georgescu told TechCrunch, but not necessarily that state B was caused by inflammation in state A. HIVE is designed to record that chain of events by exposing diseased human tissue to different stimuli and measuring the response.
Le problème ne se résume pas à un manque de puissance de calcul. Les modèles d’IA apprennent souvent à partir d’essais sur des animaux ou d’études statiques portant sur des cellules et des protéines individuelles. Ils peuvent déterminer qu’une cellule se trouve dans l’état A ou l’état B, a expliqué à TechCrunch le PDG et cofondateur de Vivodyne, Andrei Georgescu, mais pas nécessairement que l’état B a été provoqué par une inflammation dans l’état A. HIVE est conçu pour enregistrer cette chaîne d’événements en exposant des tissus humains malades à différents stimuli et en mesurant leur réaction.
Vivodyne says the early results are promising. Its liver cells showed 94% predictive accuracy against human toxicity trials, while its airway tissue matched the behavior of real human tissue 96% of the time. Its bone marrow reached 100% concordance in tests of 20 chemotherapy drugs. The company has raised just under $80 million across two rounds led by Khosla Ventures and says it is working with multiple major pharmaceutical companies, though it has not named them publicly.
Vivodyne affirme que les premiers résultats sont prometteurs. Ses cellules hépatiques ont affiché une précision prédictive de 94 % par rapport à des essais de toxicité chez l’humain, tandis que ses tissus des voies respiratoires correspondaient au comportement de vrais tissus humains dans 96 % des cas. Sa moelle osseuse a atteint une concordance de 100 % lors de tests portant sur 20 médicaments de chimiothérapie. L’entreprise a levé un peu moins de 80 millions de dollars au cours de deux tours de financement menés par Khosla Ventures et affirme travailler avec plusieurs grands groupes pharmaceutiques, sans toutefois les avoir nommés publiquement.
The immediate payoff would be practical: better evidence about which drug candidates are worth taking into clinical trials, where the process typically costs tens of millions of dollars. That matters because 90% of drugs that work in animal testing and enter clinical trials do not receive regulatory approval for humans. If HIVE’s results hold up, researchers could discard more weak candidates earlier and focus scarce trial capacity on treatments with a stronger biological case.
Le bénéfice immédiat serait concret : disposer de meilleures données pour déterminer quels candidats-médicaments méritent d’être soumis à des essais cliniques, un processus qui coûte généralement des dizaines de millions de dollars. L’enjeu est important, car 90 % des médicaments efficaces lors des tests sur des animaux et qui passent aux essais cliniques n’obtiennent pas d’autorisation réglementaire pour être utilisés chez l’humain. Si les résultats de HIVE se confirment, les chercheurs pourraient écarter plus tôt un plus grand nombre de candidats peu prometteurs et concentrer les capacités d’essai limitées sur des traitements reposant sur un dossier biologique plus solide.
The larger ambition is to give AI something it currently lacks: causal human-biology data for models that can reason about effects, not just patterns. That could become especially useful for combination therapies, where several biological pathways must be targeted at once. But the evidence remains company-reported, and no independent trial of these performance claims has been published in the account examined here. HIVE is operating as an experimental platform, not a proven replacement for human clinical testing.
L’ambition plus large consiste à fournir à l’IA ce qui lui manque actuellement : des données causales sur la biologie humaine, afin de créer des modèles capables de raisonner sur les effets et pas seulement sur les tendances. Cela pourrait se révéler particulièrement utile pour les traitements combinés, qui doivent cibler plusieurs voies biologiques à la fois. Mais les éléments disponibles restent communiqués par l’entreprise, et aucun essai indépendant de ces performances n’a été publié dans le compte rendu examiné ici. HIVE fonctionne comme une plateforme expérimentale, et non comme un remplacement éprouvé des essais cliniques chez l’humain.