______________________________________________

Problemet:

Måden hvorpå at den farmaceutiske industri validerer biomarkører via big data på i dag er både dyr og tidskrævende. Valideringen er et vigtig led i udviklingen af et nyt medikament, da det benyttes som en indikation for den potentielle succesrate. En fejlsatsning koster ofte et tocifret millionbeløb i kliniske studier. Desto længere projektet forløber, desto større et økonomisk tab.

Idégrundlaget:

Ved at kombinerer Big Data af ekspressions data, State-of-the-Art biostatistiske værktøjer og avanceret Machine Learning, har vi raffineret den gængse fremgangsmetode til big data analyse, der normalt udføres manuelt. Med mere end 4 millioner prøver tilgængelig hen over +100 sygdomme, har vi fundament for at skabe et af verdens førende overblik af gen- og proteinreguleringer i sygdomme. Vores teknologi kan automatisere opgaver, såsom indhentning og sortering af data såvel som udformning af selve analysen. Ved at benytte Big Data kan vi skabe et fundament til validering af potentielle biomarkører, og automatiseringen gør at vi kan reducere arbejdstiden med op til 95%. Besparelsen betyder også en reduktion i pris, hvilket gør at disse former for dataanalyser ikke længere er forbeholdt de større farmaceutiske virksomheder, men nu også kan gavne de små og mellemstore virksomheder.

Forretningsmodel:

På det nordamerikanske og europæiske marked er der over 25.000 SMV bioteknologivirksomheder. Vores konkurrent er konsulterende biostatistikkere, da de vil være i stand til at lave en big data analyse. Vores automatisering gør dog, at vi kan levere analysen til 1/20 del af prisen og på omkring en uge. Hvis en biostatistiker skal udføre samme analyse og genere det maksimale overblik, som vi tilbyder, så vil det tage ca. 16 år, da vi kan dække omkring 100 sygdomme og dyremodeller.

Vores løsning fungerer som er serviceydelse. Dvs. at en kunde kommer med et ønske om at validere en/ et sæt af biomarkøre knyttet en specifik sygdom ud fra vores unikke database eller at vi analysere deres egne ekspressions data. Pt. har vi en fast pris pr. udførte dataanalyse, men længere ude i fremtiden vil kunden kunne skræddersy sin løsning ved tilkøb af de ønskede analysemoduler.

Vækstpotentiale:

Det unikke ved vores teknologi er at når den er færdigudviklet, skal der kun benyttes få manuelle arbejdstimer til at validere indholdet af disse analyser. Herved er den primære flaskehals serverkapacitet, hvilket er nemt skalerbart pga. af online løsninger.

Team:

Vi har kombineret førende biologisk viden med avanceret matematisk forståelse og digital optimering. Sammen udgør de tre Co-Founders et unikt projektteam med forskellige kompetencer.

Vores CEO har en PhD i medicinsk bioteknologi, hvor han fokuserede på autoimmune sygdomme, proteomics (særligt protein modifikationer) og biostatistik inden for store datasæt.

Vores CTO er i færd med at tage en kandidat i matematik-økonomi (Financial Engineering) og specialiserer sig i AI (e.g. Machine Learning), neurale netværk, State-of-the-Art statistiske værktøjer m.m.

Vores CCO er Cand.it. med fokus på projektledelse, optimering af virksomhedens produkter, brugerflader og brugeroplevelsen, såvel som udarbejdelse af den kommunikative strategi.

Økonomi/finansiering:

Virksomheden har fået tildelt to legater til Innovationsfondens InnoFounder-forløb, hvilket sikrer et års løn samt 70.000 kr. Virksomheden har yderligere fået 185.000 kr. gennem private fonde til indkøb af det nødvendige IT-udstyr (computer, server etc.).

Status på udviklingsstadie:

Virksomheden lancerer sit første produkt medio april 2019, hvilket er et ’biprodukt’ skabt gennem udviklingen af det primære produkt til validering af biomarkører. Produktet skal optimeres mod sommeren 2019, hvorefter at al udvikling vil fokusere på udarbejdelse af big data analyse og programmering hertil. Målet er at have en gennemtestet betaversion af vores big data analyser klar i Q1 2020 og nå markedet med vores validering af biomarkører i sommeren 2020.

Til den videre finansiering vil der blive søgt en InnoBooster med start i marts 2020.

Spørgsmål til panelet

Go-to-Market-strategi på det internationale marked.

Virksomheden har sit første dataanalyse-produkt klar; hvordan når vi bedst muligt ud på det internationale marked med et budget på 60.000 kr. Vi overvejer stærkt at påbegynde med det tyske marked.

Biprodukt kontra primære produkt

Forretningsplan: Hvilke produkter bør vi, strategisk set, fokusere på at udvikle.

Virksomheden er blevet tilbudt en plads i et større Horizon 2020-projekt, hvortil der er ansøgt 10.000.000 €, hvor af Virksomheden får 185.000 €. Det er et stort internationalt projekt bestående af ledende instanser fra Universiteter og regering ansat forskningsinstanser. Skulle projektet modtage støtte, hvordan burde virksomheden værdis ansætte projektet i forhold til det primære produkt. Både projektet og det primære produkt er big data, men det metodiske behov er forskelligt, så udviklingsarbejde på det ene vil kunne bruges på erfaringsbasis ved det andet. Projektet kan føre til at penetration af et market, hvor efterspørgsel er på vej op, men det primære produkt kan potentielt skabe højere efterspørgsmål på sigt.

Medlem til Advisory Board: internationalisering

Vi søger pt. et medlem i vores Advisory Board med erfaring i det internationale marked inden for den farmaceutiske industri, der kan spare om hvordan at vi når bedst fra start.