Rivia تجمع 13 مليون يورو لــ AI وكيلي لإدارة التجارب السريرية

جمعت شركة Rivia السويسرية الناشئة حوالي €13 مليون في جولة تمويل جديدة لتطوير ذكاء اصطناعي وكيل لإدارة التجارب السريرية. تريد الشركة المقرة في زيوريخ أن تؤتمت ليس العلم نفسه، بل الطبقة التشغيلية الأكثر إيلاماً في تطوير الأدوية: جمع البيانات والتحقق من صحتها والتحقق من تفسيرها، وهي البيانات التي تبقى حتى اليوم منتشرة في عشرات الأنظمة.

لماذا السوق معطل

التجارب السريرية هي من أكثر العمليات المشبعة بالبيانات في الطب. حتى دراسة واحدة كبيرة في المرحلة الثالثة يمكن أن تسحب معلومات في نفس الوقت من مراكز البحث والمختبرات وسجلات المرضى والأجهزة القابلة للارتداء والصور والجينوميات والوثائق التنظيمية. المشكلة هي أن هذه التدفقات عادة ما تعيش مع موردين مختلفين وتأتي بصيغ مختلفة وتتحدث بسرعات مختلفة. نتيجة لذلك، تقضي الفريقات الوقت ليس في التحليل، بل في التجميع اليدوي الذي لا ينتهي لصورة موحدة.

وفقاً لـ Rivia، في العقد الماضي، نما حجم البيانات في التجارب السريرية بأكثر من 400٪، لكن البنية الأساسية ظلت تقريباً دون تغيير. الأنظمة الكبيرة مثل Veeva و Medidata حلت تاريخياً مشكلة التخزين والامتثال التنظيمي، وليس التكامل في الوقت الفعلي للمصادر غير المتجانسة. في الممارسة العملية، لا تزال الشركات غالباً ما تصدّر الملفات من عدة أنظمة وتدمجها في Excel أو تبني خطوط أنابيب منفصلة لكل بروتوكول جديد.

ما تبنيه Rivia

تعمل Rivia منذ عام 2022 وقامت في البداية ببناء طبقة بيانات موحدة لفريقات التكنولوجيا الحيوية، ثم بدأت بإضافة وكلاء ذكاء اصطناعي فوق هذا الأساس. في يونيو 2024، جمعت الشركة الناشئة €3 ملايين في تمويل البذور، والآن أغلقت جولة Series A أكبر، والتي بلغت وفقاً لعدة منشورات 15 مليون دولار، أو حوالي €13 مليون. قادت الجولة Earlybird؛ شارك أيضاً Defiant و Speedinvest و Amino Collective و Nina Capital. ستذهب الأموال إلى نمو الفريقات في زيوريخ وبوسطن وإطلاق وكلاء مدمجين جدد.

"إذا لم تقم أولاً بإنشاء بنية بيانات مناسبة، فسيعمل الذكاء الاصطناعي على معلومات منظمة بشكل سيء وسيعطيك نتائج غير موثوقة," يشرح الرئيس التنفيذي لـ

Rivia، إريك سكالفارو.

حالياً، تتضمن منصة Rivia عدة طبقات رئيسية:

• طبقة موحدة من البيانات المعايرة للمصادر المختلفة
• مكتبة من التكوينات القابلة لإعادة الاستخدام لمنطق الدراسة المحدد
• وكيل Spark، الذي يحول الاستعلامات باللغة الطبيعية إلى رسوم بيانية سريرية وملخصات
• وكلاء للمراقبة الاستباقية لجودة البيانات والشذوذ
• عمليات مع سجلات تدقيق شفافة للإجراءات التي يمكن التحقق منها في الإطار التنظيمي

بشكل منفصل، تشير Rivia إلى نتائج دراسة في المرحلة الثانية، حيث ساعد Spark فريق الراعي في المهام النموذجية للمراجعة السريرية—من تحليل الأحداث الضائرة إلى بناء المجموعات وإعداد الملخصات الوصفية. وفقاً للشركة، كان متوسط الوقت للمهمة اليدوية 47 دقيقة، بينما كان رد Spark حوالي دقيقتين. في المجموع، حقق هذا توفيراً بنسبة 91٪ من الوقت وحرر حوالي 20 ساعة، تمكنت الفريق من قضاءها ليس على ميكانيكا البيانات، بل على القرارات السريرية.

لم تكشف الشركة حتى الآن عن عدد عملائها، لكنها تؤكد أن المنصة تُستخدم بالفعل في التجارب النشطة.

حيث سيكون الوكلاء مفيدين

الجانب الأكثر إثارة للاهتمام في قصة Rivia ليس مساعد ذكاء اصطناعي آخر يقدم إجابة لطيفة، بل محاولة لدمج الوكلاء في بيئة منظمة بقوة. في التجارب السريرية، دردشة "ذكية" تقدم إجابة مصقولة ليست كافية. ما يهم هنا هو القابلية للشرح وسجل التدقيق والتحقق والتحكم بالإصدارات والامتثال لمتطلبات FDA و EMA.

على خلفية هذا، يتزايد الضغط التنظيمي أيضاً: تتوقع الصناعة بشكل متزايد أدوات تساعد على إدارة المخاطر والامتثال استباقياً، وليس بأثر رجعي. في الممارسة العملية، يمكن لمثل هذه الوكلاء معالجة عدة مهام مكلفة وبطيئة في نفس الوقت: تسليط الضوء على مشاكل جودة البيانات مقدماً، والعثور على مخاطر توظيف المرضى قبل انقضاء المواعيد النهائية، ومساعدة الفريقات على بناء التصورات والملخصات بسرعة أكبر مع تقدم الدراسة، وتنظيم الإجراءات بحيث يمكن التحقق منها لاحقاً.

إذا تم تحسين هذا النهج، فستعود الفوائد ليس فقط على خدمات البحث الانتقاسي والتكنولوجيا الحيوية، بل أيضاً على برامج تطوير الأدوية نفسها، حيث تترجم التأخيرات بسرعة إلى ملايين الدولارات من الخسائر.

ماذا يعني هذا

تراهن Rivia على أطروحة واضحة: المرحلة التالية من الذكاء الاصطناعي في healthtech ليست توليد النصوص على الملفات الفوضوية، بل أنظمة وكيل تفهم منطق التجارب السريرية وتعمل ضمن الأطر التنظيمية. تحدد الشركة هدفاً طموحاً بتقليل تكاليف التجارب بنسبة 50٪؛ إذا تمكنت من إثبات موثوقية هذا النهج في البرامج الفعلية، فسيحصل السوق على ليس لوحة معلومات أخرى، بل طبقة تشغيلية جديدة لتطوير الأدوية.