مقابلات
أندرو واطسون، نائب الرئيس للاستخبارات الاصطناعية والبحث والتطوير في Healx – سلسلة المقابلات
أضف Unite.AI إلى مصادرك المفضلة على Google
أندرو واطسون هو نائب الرئيس للاستخبارات الاصطناعية والبحث والتطوير في Healx.
قبل انضمامه إلى Healx ، عمل في شركة التكنولوجيا العملاقة Dyson ، حيث كان عضوًا مؤسسًا في قسم أبحاث التعلم الآلي ، وقاد البحث والتنفيذ للتعلم الآلي والذكاء الاصطناعي عبر مجموعة متنوعة من فئات المنتجات العالمية. خلال فترة وجوده كمدير للتعلم الآلي في Dyson ، أسس أندرو أيضًا مجموعة بحثية جديدة ، تركز على تقاطع التعلم الآلي والأبحاث الطبية الحيوية المتقدمة.
Healx هي شركة تكنولوجيا مدفوعة بالذكاء الاصطناعي ، وتتمثل مهمتها في مساعدة مرضى الأمراض النادرة حول العالم في الحصول على علاجات تحسين الحياة. هناك 7,000 مرض نادر معروف يؤثر على 400 مليون شخص في جميع أنحاء العالم ، ولكن فقط 5٪ من هذه الحالات لها علاجات موافق عليها. تستخدم Healx الذكاء الاصطناعي (AI) لتحديد علاجات جديدة للأمراض النادرة من المركبات الحالية وتقدمها إلى المرضى الذين يحتاجون إليها. يعني نهجها المبتكر أنه يمكنهم تسريع وتيرة وتحسين فرصة نجاح تطوير علاج الأمراض النادرة.
ما هو ما جذبك في البداية إلى مجال التعلم الآلي؟
كان تعريفي الأول للتعلم الآلي خلال محاضرة حول “الخوارزميات التطورية” خلال دراستي الجامعية في جامعة إكستر. تعلمنا كيفية برمجة خوارزمية تصمم سيارات ألعاب ثنائية الأبعاد ، بدءًا من مجموعة عشوائية من العجلات والمكونات ، قبل تقييم أدائها وتكرارها لإنشاء أجيال لاحقة تعمل بشكل أفضل وأفضل ضد مقياس حددناه. كنت مهتمًا بأن البرمجيات قادرة على أداء آلاف التكرارات دون تدخل بشري ، ومن ذلك الحين فصاعدًا ، حاولت تطبيق التعلم الآلي على كل شيء! هذا النهج التطوري كان نفس النهج الذي استخدمته ناسا لتصميم هوائي ST5 الذي يبدو مختلفًا عن أي شيء كان خبير بشري سيخترعه.
لقد كنت دائمًا مهتمًا بتطبيق تقنيات التعلم الآلي والذكاء الاصطناعي على المشكلات الصعبة ، ما هي بعض هذه التحديات التي واجهتها قبل انضمामك إلى Healx؟
لقد كنت محظوظًا بوجود فرصة لتطبيق التعلم الآلي والذكاء الاصطناعي في سياقات مختلفة ، من تعطيل الإرهابيين إلى تحديد وتقليل البرمجيات الخبيثة ، إلى ، قبل انضمامي إلى Healx ، دمج الذكاء الاصطناعي مع فهم عميق لسلوك المستخدم لإنشاء آلات ذكية للاستخدام في المنزل وخارجه في Dyson.
من السهل أن يصبح الذكاء الاصطناعي خدعة ، ولكن هدفي دائمًا كان العثور على تطبيقات ذات معنى ، سواء كان ذلك استخلاص المعنى من كميات هائلة من المعلومات أو تقليل عبء المستخدم المعرفي من خلال أنظمة دعم القرار. مهمتنا في Healx هي العمل على واحدة من التحديات النهائية ، прямо على تقاطع الذكاء الاصطناعي والبيولوجيا البشرية ، لمساعدة بعض الأشخاص الذين يحتاجون إليها أكثر: أولئك الذين يعانون من أمراض نادرة.
ما هي بعض مسؤولياتك الحالية في Healx؟
أشرف على فريق البحث والتطوير ، الذي يتحمل في النهاية مسؤولية تقديم تنبؤات دوائية إلى زملائنا في فريق ما قبل السريرية في Healx. نقوم بذلك من خلال فهم كل من البيولوجيا الأساسية للمرض الذي نعمل عليه وآلية عمل الأدوية المحتملة التي يمكن أن تساعد في علاجه ، كل ذلك يعمل على منصة الذكاء الاصطناعي الخاصة بنا ، Healnet.
يحلل Healnet البيانات الدوائية والمرضية السابقة من الأبحاث الطبية والمنشورات العلمية وآراء المرضى ومصادر Healx المحددة لتشكيل مخطط معرفي للأمراض النادرة. ثم نستخدم نماذج الذكاء الاصطناعي والتعلم الآلي المتقدمة لاستخراج هذا المخطط للعثور على فرص جديدة لتطوير وتحسين جزيئات الأدوية من أجل علاج حالة.
هل يمكنك مناقشة بعض تقنيات التعلم الآلي التي يستخدمها منصة Healnet لاكتشاف الأدوية لتحديد علاجات جديدة للأمراض النادرة من الأدوية الموجودة؟
بالتأكيد! تستخدم Healx مجموعة من أساليب الذكاء الاصطناعي والتعلم الآلي لتحديد علاقات غير واضحة بين الأمراض والمركبات مع أعلى احتمال للنجاح.
أحد أكثر أساليبنا شيوعًا يسمى مطابقة التعبير الجيني للأمراض ، أو DGEM. يقارن هذا الأسلوب بروفايل التعبير الجيني لمرض معين ببروفايلات التعبير الجيني من قاعدة بيانات الأدوية المحددة لشركة Healx ، والتي تحتوي على آلاف من توقيعات الأدوية من المصادر العامة والخاصة وتغطي مجموعة من الفئات الصيدلانية ، بما في ذلك مزيج من المركبات المعتمدة والمركبات قيد التحقيق. ثم يتنبأ DGEM بأي أدوية قد تكون علاجات فعالة بناءً على الجينات الأكثر اختلافًا في بروفايلات التعبير الجيني. يعمل الأسلوب على افتراض أن آلية دواء لها آلية معاكسة لمرض ما سيكون مرشحًا قويًا لعلاج فعال.
نحن قد قمنا بتحسين أكثر من 10 نماذج للتنبؤ بالعلاجات وحيدة الجرعة والتركيبية لتحديد المزيد من الفرص العلاجية الجديدة للأمراض النادرة ، وهذه النماذج مدربة على اكتشاف بيولوجيا الأمراض وأشكال العمل بدون تقييدها بمركب بيولوجي واحد (وهو شيء من مشاكل أساليب اكتشاف الأدوية التقليدية).
مرة واحدة يتم تحديد دواء كمرشح محتمل ، كيف تقرر النظام بعد ذلك ما إذا كان سيتم المضي قدمًا في التجارب السريرية؟
بفضل خوارزميات الذكاء الاصطناعي ومصادر البيانات الخاصة بنا ، نحن قادرون على تقليل قائمة من حوالي 15,000 دواء محتمل إلى 100 دواء أو نحو ذلك.
مرة واحدة نحصل على هذه القائمة ، يتم تمريرها إلى فريقنا قبل السريرية – يتكون من أخصائيي الصيدلة وخبراء اكتشاف الأدوية – الذين يطبقون معرفتهم العلمية والطبية الهامة حول المرض والأدوية لمراجعة التنبؤات واختيار المرشحين الأكثر احتمالاً لعلاج مرض معين. كما نقدم للفريق قبل السريرية مبررًا تم إنشاؤه بواسطة الذكاء الاصطناعي لدعم التنبؤات ، وشرح لماذا يُعتبر مركب قد يبدو غير منطقي في البداية يستحق الانتباه.
هل يمكنك توضيح ما هو متلازمة فراغل إكس ، وبعض النجاحات الحديثة في اكتشاف مرشحين دوائيين محتملين؟
متلازمة فراغل إكس هي حالة تطورية نادرة تسبب مجموعة من الإعاقات الفكرية وال认رفية. تؤثر على حوالي 1 من كل 4,000 ذكر و 1 من كل 8,000 أنثى – ولكن لا توجد علاجات فعالة أو موافق عليها حاليًا للcondition.
تهدف Healx إلى تغيير ذلك ، من خلال محاولة إحضار علاج تركيبي جديد وفعال لمرض في السنوات القليلة القادمة.
لقد قمنا بإحراز تقدم رائع في هذا الهدف حتى الآن ، واكتشفنا مرشحين متعددين للمرض من خلال أساليب مطابقة الدواء والبيولوجيا الجينية (بما في ذلك DGEM ، التي ذكرتها ранее). HLX-0201 ، الذي تمت الموافقة عليه في الأصل كدواء غير ستيرويدي مضاد للالتهاب ، هو مرشحنا الأكثر وعدًا ، وقد تلقينا بالفعل موافقة وكالة الأغذية والأدوية الأمريكية (FDA) على الدراسة السريرية المرحلة 2a لمركب HLX-0201 جنبًا إلى جنب مع HLX-0206 ، الذي تم تحديده كشريك تركيبي محتمل باستخدام أساليب التنبؤ بالتركيبات الخاصة لشركة Healx.
دراسة IMPACT-FXS جارية حاليًا في عدة مواقع في الولايات المتحدة ، وهو ما يثير حماسنا ، ونأمل أن نشارك المزيد حول ذلك قريبًا!
من الجدير بالذكر أيضًا أن شركة Healx عملت بشكل وثيق مع مؤسسة FRAXA Research ، وهي منظمة بحثية ودعم رائدة لمرض فراغل إكس في الولايات المتحدة ، ومنظمات أخرى لمساعدتنا في فهم المزيد حول الحالة واكتساب الوصول إلى البيانات والنمذجة قبل السريرية التي أتاحت لنا تقدم تنبؤاتنا بسرعة إلى الدراسة السريرية.
ما هو رؤيتك لمستقبل الذكاء الاصطناعي في استهداف الأمراض النادرة؟
أعتقد أنه هناك إمكانية لرؤية الذكاء الاصطناعي وتقنيات الطليعة الأخرى يتم نشرها عبر خط أنابيب اكتشاف وتطوير الأدوية ، لمساعدة في التغلب على بعض التحديات التقليدية حول الوقت والتكلفة والمخاطر.
نحن نشهد بالفعل انتشارًا لشركات في مجال اكتشاف الأدوية الأوسع باستخدام الذكاء الاصطناعي لفعل كل شيء من تحليل بيانات المرض وتحديد العلامات البيولوجية إلى合성 البروتينات وتصميم أدوية جديدة ، وحتى تحليل الأدلة من العالم الحقيقي وتنفيذ التجارب السريرية بدعم من “التوأم الرقمي”.
سيكون كل هذا مفيدًا بشكل كبير لاكتشاف علاجات للأمراض النادرة حيث توجد عقبات حول قلة المعرفة بالمرض أو عدد صغير من المرضى. يمكن للتعلم الآلي مساعدة في ملء الفجوات في الفهم من خلال تجميع البيانات الحديثة ، في حين يمكن للذكاء الاصطناعي توقع أي علاجات موجودة يمكن إعادة تطويرها ولماذا. ربما الأكثر إثارة هو أن الذكاء الاصطناعي يمكن أن يوفر لنا التأتمتات اللازمة للعثور على وتطوير علاجات بالحجم الكبير. ومع تقدم القدرة الحاسوبية والتقدم في الذكاء الاصطناعي ، يمكننا تسريع ذلك بسرعة.
هل هناك أي شيء آخر تود مشاركته حول Healx؟
هذه هي الفترة المثالية للوجود في هذا المجال ، وهو شرف حقيقي أن أعمل مع هذه التقنيات المتقدمة لحل بعض أكثر المشاكل تعقيدًا. نحن دائمًا نبحث عن أشخاص يشاركوننا شغفنا بالانضمام إلى الفريق ، وأنا أوصي بشدة أولئك الذين يهتمون بزيارة صفحة وظائف لدينا.
نحن أيضًا لدينا بعض التطورات والمشاريع المثيرة في خط الأنابيب في Healx ، والتي يمكنك متابعتها من خلال موقعنا ، ونأمل أن نتمكن من مشاركتها معك قريبًا.
شكرًا على المقابلة الرائعة ، أتطلع إلى متابعة تقدم Healx ، شركة ستؤثر إيجابًا على الكثير. يُشجع القراء الذين يرغبون في معرفة المزيد على زيارة Healx.
