Polska spółka, której korzenie sięgają jednego z najgłośniejszych exitów w historii polskiego AI, właśnie potwierdziła, że gra o znacznie większą stawkę. Ingenix ogłosił zamknięcie rundy seed-extension o wartości 13 mln euro, której liderem jest Sofinnova Partners, jeden z czołowych europejskich funduszy life science VC. Obok niego uczestniczą znani już z poprzedniej rundy polskie fundusze Inovo VC oraz OTB Ventures.
Kluczowe fakty:
- Ingenix zamknął rundę seed-extension o wartości 13 mln euro z udziałem Sofinnova Partners, Inovo VC i OTB Ventures, co daje łącznie ponad 22 mln euro zebranych przez spółkę.
- Założyciele spółki, Piotr Surma i Adam Dancewicz, są współtwórcami firmy Applica – przejętej przez Snowflake w 2022 roku – oraz modelu TILT, który trafił do benchmarków dla GPT-4.
- Ingenix opracował własną architekturę Modality Fusion i zbudowany na jej bazie Biological Reasoning Engine, który łączy wyspecjalizowane modele z różnych dziedzin biologicznych zamiast trenować jeden duży model na rozległych zbiorach danych.
Łącznie spółka zebrała więc ponad 22 mln euro. Poprzednia runda, kwiecień 2025, przyniosła 9 mln euro. Wtedy liderem był Inovo VC, a obok niego pojawił się jeszcze International Finance Corporation, czyli ramię inwestycyjne Banku Światowego.
Kto za tym stoi?
Ingenix założyli Piotr Surma (CEO) i Adam Dancewicz (CTO). Obaj są współzałożycielami Applica, polskiej firmy specjalizującej się w zaawansowanych, multimodalnych modelach językowych, którą w 2022 roku przejął Snowflake. Ich poprzedni model TILT trafił jako punkt odniesienia do benchmarków dla GPT-4. Nie jest to więc przypadkowy startup.
Spółka została założona w Warszawie w 2023 roku i od początku przyciągała uwagę nie rozgłosem, ale pytaniem, które postawiła sobie na początku: co by musiało się stać, żeby AI naprawdę rozumiało biologię?
Prawie co drugi pracownik w Polsce używa AI za plecami swojego szefa. 71% polskich pracowników oszczędza dzięki AI od pół godziny do ponad dwóch godzin dziennie …
AI, które nie tylko dopasowuje wzorce
Większość systemów AI w badaniach nad lekami działa na tej samej zasadzie co ChatGPT przy wyszukiwaniu odpowiedzi: szuka wzorców w danych, które już widział. Im więcej danych, tym lepsze dopasowania. To podejście ma jednak fundamentalne ograniczenie. Biologia jest zbyt złożona i zbyt dynamiczna, żeby dało się ją opisać samą skalą.
Ingenix poszło inną drogą. Zamiast trenować jeden wielki model na coraz większych zbiorach danych, stworzyli architekturę nazwaną Modality Fusion, a na jej bazie zbudowali Biological Reasoning Engine. System łączy wyspecjalizowane modele z różnych dziedzin i skali biologicznej, a następnie przeprowadza wnioskowanie bezpośrednio na ich reprezentacjach. Mówiąc prościej: nie szuka odpowiedzi w historii, tylko rozumuje z zasad biologii.
Co ważne, każdy wynik systemu jest dostarczany wraz z pełną ścieżką wnioskowania. Żadnej czarnej skrzynki. Widać mechanizm, dowody, zastrzeżenia.
Ingenix robi coś, co na pierwszy rzut oka wygląda jak kolejna platforma AI dla farmacji. Ale im dłużej w to patrzę, tym bardziej widzę różnicę. Większość graczy w tej przestrzeni próbuje nakładać modele ogólnego przeznaczenia na problem, który z definicji nie jest ogólny. Biologia nie jest lingwistyczna, nie da się jej „wyuczyć” jak języka. To, że Ingenix w ogóle stawia to pytanie, jest znakiem, że rozumieją problem głębiej niż konkurencja. Ale mam też otwarte pytania. Czy transparentność reasoning trace będzie wystarczającym zabezpieczeniem, kiedy wyniki trafią do realnych decyzji klinicznych? Kto ponosi odpowiedzialność, gdy system wskaże kandydata, który nie przejdzie badań? I czy europejskie regulacje pozwolą na realne wdrożenie tego w farmacji, zanim wyprzedzą nas Amerykanie albo Chińczycy?
Piotr Wolniewicz, Redaktor Naczelny AIPORT.pl
Test w onkologii: minuty zamiast lat
Możliwości systemu zweryfikowano na konkretnym przypadku. Problem: priorytetyzacja leków ADC, czyli koniugatów przeciwciało-lek (ang. antibody-drug conjugate), które są jedną z najbardziej obiecujących klas leków onkologicznych ostatnich lat. ADC to molekularne „pociski” precyzyjnie dostarczające toksyczną substancję bezpośrednio do komórek nowotworowych.
Znajdowanie optymalnych konfiguracji spośród tysięcy możliwości to zadanie, które normalnie pochłania lata badań i miliony euro. Biological Reasoning Engine przeanalizował je w kilka minut i wytypował 15 kandydatów. Wyniki poddano niezależnej, ślepej ocenie ekspertów z branży.
Efekty były następujące:
- 5 kandydatów pokrywało się z hipotezami już publicznie opisanymi w literaturze naukowej
- 2 znajdowało wsparcie w mniej cytowanych, ale dostępnych publikacjach
- 3 zostały potwierdzone przez firmę biotechnologiczną na podstawie wewnętrznych, niepublikowanych nigdzie eksperymentów (AI nie mogło o nich wiedzieć)
- 5 to zupełnie nowe hipotezy, z czego 3 uznano za gotowe do natychmiastowego wdrożenia do badań
Przestrzeń podwójnych ładunków ADC jest na tyle nowa, że nie ma tam nawet wystarczających danych do klasycznego uczenia maszynowego. System doszedł do swoich wniosków, rozumując z pierwszych zasad, nie z precedensów.
Sofinnova mówi wprost
Simon Turner, partner w Sofinnova Partners, komentuje tę inwestycję bez owijania w bawełnę: „It’s not enough to just build models anymore. Ingenix builds the reasoning layer, the part that actually connects biology, chemistry, and clinical data into something a scientist can interrogate and act on. That is the hard part, and that is where the value accumulates. We’re thrilled to support a team that understands this.” / „Samo budowanie modeli już nie wystarcza. Ingenix buduje warstwę wnioskowania, tę część, która naprawdę łączy biologię, chemię i dane kliniczne w coś, co naukowiec może zbadać i na czym może działać. To jest ta trudna część i tu kumuluje się wartość. Jesteśmy zachwyceni, że możemy wspierać zespół, który to rozumie.”
Co dalej?
Wraz z nowym finansowaniem Ingenix uruchomił Qualified Access Program (QAP). Firmy farmaceutyczne i biotechnologiczne mogą składać wnioski o dostęp do technologii poprzez stronę ingenix.ai/qap. Program ma na celu dobranie partnerów, przy których Biological Reasoning Engine może zrobić „najbardziej użyteczną pracę” (słowa CEO Surmy).
U podstaw systemu leży multiskalowy generatywny model AI zaprojektowany do symulacji badań klinicznych przy użyciu cyfrowych bliźniaków ludzkiej biologii. Zamiast fizycznych, obarczonych ryzykiem prób na żywych pacjentach we wczesnych fazach, Ingenix modeluje reakcje układów biologicznych na kandydatów na leki.
Globalny rynek AI w odkrywaniu leków jest wart dziesiątki miliardów dolarów i rośnie w tempie kilkudziesięciu procent rocznie. Konkurencja jest brutalna: Isomorphic Labs (DeepMind), Insilico Medicine, Exscientia, Recursion Pharmaceuticals. Polskim starcie wchodzi do tej ligi z konkretną technologią i konkretnym wynikiem. Teraz pytanie, czy 22 mln euro wystarczy, żeby to udowodnić na szerszej skali. Bo weryfikacja w jednym projekcie onkologicznym to dobry początek. Tylko początek.
