BenevolentAI

BenevolentAI

BenevolentAI · 程式設計 · 商業

BenevolentAI 是英國的 AI 藥物開發公司。它的生物醫學知識圖譜支撐標靶識別,如今也成為 Qor 的底座,一套讓結論隨時有據可查的決策平台。

BenevolentAI 的介面預覽

關於 BenevolentAI

About

BenevolentAI 是什麼

BenevolentAI 是一家生命科學科技公司,把機器學習用在生物醫學證據上。它 2013 年在倫敦成立,花了十年建起一張生物醫學知識圖譜:把基因、蛋白質、疾病、化合物、專利與論文串成結構化網絡,讓模型可以在上面推理。

這張圖譜是真正的核心資產。傳統找藥的人靠手工讀文獻,把關聯記在腦子裡。BenevolentAI 把這些關聯變成一層可查詢的資料,再拿去做標靶識別,處理生物機制糾纏的疾病,例如慢性腎臟病與特發性肺纖維化。

公司在 2022 年於阿姆斯特丹泛歐交易所上市,2025 年 3 月透過併入 Osaka Holdings 下市。臨床挫折逼它收窄戰線,其中包含異位性皮膚炎候選藥 BEN-2293 的失敗。今天同一套藥物開發平台以 Qor 之名販售,賣給生技團隊、顧問公司與投資人。官網沒有公開價目,較深的藥物探索工作仍走合作案。

如何開始

  1. 進入 qor.one,申請免費試用,或直接與團隊預約示範。
  2. 說明你關心的資產或適應症,以及你得在會議上守住的那個決定,例如授權案或募資。
  3. 讓平台整理證據並寫出立場,再逐條對照引用來源確認。
  4. 儲存立場並開啟通知,之後就能看到上次檢視以來有什麼變化。
  5. 若要做藥物探索合作,直接聯絡 BenevolentAI,這類專案由科學團隊一起定義範圍。

產品資訊

快速了解 BenevolentAI 的定價、支援平台與效能。

免費方案是
付費方案Custom quote
平台Web
開發者BenevolentAI
類別程式設計 · 商業
發布日期Nov 2013
最近更新Mar 2025
網站訪問量N/A
網站全球排名N/A
API 提供狀態N/A

適合對象

這項工具最適合的使用者、任務與情境。

使用者

  • 臨床前階段的創辦人:你能得到接近業務開發團隊的競爭情報,不必真的養一個團隊,前提是你講得清楚自己的資產。
  • 臨床階段的主管:適合在兩次董事會之間追蹤對手動向,不過送進投資人信箱前,你還是得自己讀過一遍。
  • 生技顧問與投資人:持續更新的模式適合同時盯很多資產的人,不適合只守一個開發計畫的人。

任務

  • 複雜疾病的標靶識別:圖譜會找出基因與訊息傳導路徑之間不顯眼的連結,每一條都附上支撐證據。
  • 競爭定位:看得出一個適應症擠到什麼程度、可比資產在做什麼,這正是多數團隊得手工重建的部分。
  • 授權與交易評估:可比交易與潛在夥伴的契合度集中在一處,第一版名單幾小時就能出來,不必花幾週。

情境

  • 準備董事會資料:立場都帶著來源,開會時有人質疑某個數字,這一點就很有用。
  • 盯一個變化很快的適應症:平台會持續檢驗你的結論,哪一條站不住了就通知你。
  • 初探不熟悉的疾病領域:在投入內部時間之前先快速建立方向感,但實驗室驗證仍然是你自己的事。

主要功能

生物醫學知識圖譜

圖譜把基因、蛋白質、訊息傳導路徑、疾病、化合物與已發表結果連成同一個結構,模型沿著它推理。它累積了十餘年,加上自家建立的本體論(ontology),所以公司把它當成護城河,而不是模型層。對研究團隊的實際意義是:問一個陌生標靶,回來的是有連結的證據,不是一長串論文清單。

複雜疾病的標靶識別

這套平台針對單基因思維行不通的疾病而建,公開成績集中在慢性腎臟病、特發性肺纖維化、心臟衰竭與紅斑性狼瘡。2019 年合作開始後,阿斯特捷利康的科學家把多個源自 BenevolentAI 的標靶納入自家開發線。根據 BenevolentAI 的說法,這些標靶來自圖譜對整理過的文獻與實驗資料的推理,不是單一篩選專案的產物。

Qor:把答案綁在證據上

Qor 是這套技術目前的商業門面。你問一個關於資產或適應症的問題,拿到的是結構化立場:領域現況、影響判讀、以及什麼變了。每一條事實陳述在送到你手上之前都會先過一次來源核對,這正是它與直接把同一個問題丟給通用聊天機器人的差別。

持續監看,而不是一次性的報告

幾乎所有研究報告在交件當天就開始過期。Qor 會把每個儲存的立場留在檢視清單裡,一旦出現新論文、試驗讀數或交易就重新核對。對手終止一個開發計畫時,更新會自己送到,不必有人記得去查,而這正是分析師最常提到的失誤。

為投資組合與交易決策設計的流程

產品圍繞生技主管真正要回答的問題排列:這個適應症有多擠、可比資產賣了多少、對手的試驗結果對我方是有利還是不利、以及這份分析還成不成立。這樣的分類來自與科學家、投資人、顧問一起打磨,而不是通用文件助手的延伸。

藥物探索的合作模式

較深的探索工作走與藥廠的合作案,BenevolentAI 與對方的科學家一起處理同一個治療領域。與阿斯特捷利康的合作在 2022 年擴大到心臟衰竭與全身性紅斑性狼瘡,也是這套平台超出報告用途之外最清楚的例子。

優缺點

優點

  • 知識圖譜是實打實的長期資產,本體論與資料整理工夫,競爭者短時間內複製不來。
  • 標靶識別的產出附有可追溯證據,科學家能檢查推理過程,不必單信一個分數。
  • Qor 讓答案保持最新,解決了分析在交付當週就過時的老問題。
  • 有真正的藥廠驗證:阿斯特捷利康把多個由 AI 推導出的標靶放進自家開發線。
  • 提供免費試用,小團隊可以在談錢之前先試流程。

缺點

  • 沒有公開定價,編預算得先跟業務談,再等一份客製報價。
  • 臨床紀錄有挫折:BEN-2293 未通過二期a階段指標,計畫後來中止。
  • 產品預設使用者有領域知識。沒有生物背景的人,很難判斷一個答案到底站不站得住。
  • 探索合作進展慢、合約重,小型生技公司沒辦法一鍵買到完整引擎。

常見問題

用來在複雜疾病中找出並排序標靶,也支援資產、競爭者與交易相關的判斷。探索工作發生在藥廠合作案裡,決策工作則以 Qor 形式販售。