Andrew Watson, viceprezident pro AI a výzkum a vývoje ve společnosti Healx – rozhovor

Andrew Watson je viceprezident pro AI a výzkum a vývoje ve společnosti Healx.

Healx je společnost, která využívá umělou inteligenci a inspiraci pacientů k pomoci lidem s vzácnými onemocněními po celém světě získat přístup k léčbám, které zlepšují jejich život. Existuje 7 000 známých vzácných onemocnění, která postihují 400 milionů lidí po celém světě, ale pouze 5 % těchto onemocnění má schválené léčby. Healx využívá umělou inteligenci k identifikaci nových léčebných možností pro vzácná onemocnění z existujících látek a postupuje je k pacientům, kteří je potřebují. Jejich inovativní přístup umožňuje urychlit tempo, zvýšit rozsah a zlepšit šanci na úspěch vývoje léčebných možností pro vzácná onemocnění.

Co vás původně přitáhlo k oboru strojového učení?

Moje první zkušenost se strojovým učením byla během přednášky o “Evolutionary Algorithmech” během mého prvního studia na Univerzitě v Exeteru. Naučili jsme se programovat algoritmus, který navrhl dvourozměrná hračka auta, začínající z náhodného výběru kol a komponent, a poté vyhodnotil jejich výkon a iteroval k vytvoření následujících generací, které fungovaly lépe a lépe proti míře, kterou jsme definovali. Byl jsem fascinován tím, že software byl schopen provést tisíce designových iterací bez jakéhokoli lidského zásahu, a od té doby jsem se snažil automatizovat úplně všechno! Tento evoluční přístup byl stejný, který NASA použila k navržení své ST5 antény, která vypadá jinak než cokoliv, co by vytvořil lidský odborník.

Vždy jste byli fascinováni aplikací strojového učení a technik umělé inteligence na obtížné problémy, jaké byly některé z těchto výzev, se kterými jste se setkali předtím, než jste se připojili k Healx?

Měl jsem štěstí, že jsem měl možnost aplikovat strojové učení a umělou inteligenci v různých kontextech, od rušení teroristů až po identifikaci a zmírnění počítačového malwaru, a přímo před Healx jsem kombinoval umělou inteligenci s hlubokým porozuměním chování uživatelů k vytvoření inteligentních strojů pro použití v domácnosti a mimo ni ve společnosti Dyson.

Je snadné, aby se umělá inteligence stala trikem, ale můj cíl vždy byl najít smysluplné aplikace, ať už se jedná o získání významu z velkých množství informací nebo snížení kognitivní zátěže uživatelů prostřednictvím systémů podpory rozhodnutí. Naše mise v Healx spočívá v práci na jedné z nejzásadnějších výzev, přímo na rozhraní mezi umělou inteligencí a lidskou biologií, aby pomohla některým lidem, kteří to nejvíce potřebují: těm s vzácnými onemocněními.

Jaké jsou některé z vašich současných odpovědností v Healx?

Řídím tým výzkumu a vývoje, který je nakonec zodpovědný za poskytování předpovědí léků našim kolegům v předklinickém týmu v Healx. To děláme tak, že chápeme základní biologii onemocnění, na kterém pracujeme, a mechanismus účinku potenciálních léků, které by mohly pomoci léčit, vše běžící na naší proprietární platformě AI, Healnet.

Healnet analyzuje předem existující data o lécích a onemocněních z biomedicínského výzkumu, vědecké literatury, pacientských poznatků a vlastních zdrojů Healx, aby vytvořil graf znalostí o vzácných onemocněních. Poté používáme nejmodernější techniky AI a NLP k těžbě tohoto grafu a nalezení nových možností, jak yeniden vyvinout, kombinovat a dokonce vylepšit molekuly léků, aby léčil stav.

Můžete diskutovat některé z technologií strojového učení, které platforma Healnet pro objevování léků používá k identifikaci nových léčebných možností pro vzácná onemocnění z existujících léků?

Samozřejmě! Healx využívá sadu metod AI a NLP k nalezení neočividních vztahů mezi onemocněním a látkou s nejvyšší pravděpodobností úspěchu.

Jedna z našich nejčastějších metod se nazývá Disease-Gene Expression Matching, nebo DGEM. Tato metoda porovnává profil genové exprese pro konkrétní onemocnění s profily genové exprese z naší databáze léků, která obsahuje tisíce signatur léků z veřejných a soukromých zdrojů a pokrývá řadu farmakologických tříd, včetně směsi schválených a vyšetřovacích látek. DGEM pak předpovídá, které léky budou pravděpodobně účinnými léčbami na základě nejvíce diferenciálně exprimovaných genů v profilech genové exprese. Metoda funguje na základě předpokladu, že látka s mechanismem, který má opačný mechanismus než onemocnění, by byla silným kandidátem na účinnou léčbu. Skutečně jsme použili tuto metodu k nalezení látek, které nyní vyšetřujeme jako součást naší studie IMPACT-FXS na syndrom Fragile X – nejčastější genetickou příčinu učebních obtíží.

Jinou metodou je Prediction of Repurposed Indications with Similarity Matrices (PRISM), která využívá princip, že pokud látka léčí konkrétní onemocnění, pak podobná látka může léčit podobné onemocnění. K určení podobnosti látek PRISM zvažuje cílové proteiny, strukturální podobnost a vedlejší účinky, a k určení podobnosti onemocnění PRISM zvažuje cílové geny, ontologickou strukturu a fenotypy. Algoritmus strojového učení je pak použit k kombinaci těchto podobností a předpovědi nových léčebných aplikací.

Máme nyní vyvinuté více než 10 modulů pro předpověď monoterapie a kombinované terapie k identifikaci dalších nových léčebných možností pro vzácná onemocnění a, kriticky, tyto modely jsou trénovány k objevování nových biologických a mechanismů účinku, bez omezení na jeden biologický cíl (což je problém tradičních metod objevování léků).

Jakmile je látka identifikována jako možný kandidát, jak systém rozhodne, zda pokračovat v klinických studiích?

Díky našim algoritmům AI a našim proprietárním zdrojům dat jsme schopni zredukovat seznam asi 15 000 možných léků na 100 nebo tak likelych kandidátů na léčbu.

Jakmile máme tento seznam, je předán našemu předklinickému týmu – složenému z odborných farmakologů a expertů na objevování léků – kteří aplikují své významné vědecké a lékařské znalosti o onemocnění a lécích k přehodnocení předpovědí a výběru nejpravděpodobnějších kandidátů na léčbu konkrétního onemocnění. Také poskytujeme předklinickému týmu AI-generovanou argumentaci podporující předpovědi, vysvětluje, proč látka, která může na první pohled vypadat neintuitivně, je worth jejich pozornosti.

Jakmile zúží seznam na asi 10-20 kandidátů, tyto látky jsou postupovány do předklinické validace, která zahrnuje testování látky v buněčných kulturách a modelech před testováním v lidských klinických studiích. Tyto studie odhalí, zda látka bude pravděpodobně účinná, bezpečná a odhalí, zda má nějaké vedlejší účinky. Také rozhodnou, které léky lze kombinovat nebo vylepšit pro účinnější léčbu.

Můžete vysvětlit, co je syndrom Fragile X, a některé z nedávných úspěchů v odhalování potenciálních kandidátů na léčbu?

Syndrom Fragile X je vzácné neurodevelopmentální onemocnění, které způsobuje řadu intelektuálních a kognitivních poruch. Postihuje asi 1 z 4 000 mužů a 1 z 8 000 žen – ale目前 neexistují žádné účinné nebo schválené léčby pro toto onemocnění.

Cílem Healx je změnit to, pokusit se přivést alespoň jednu novou a účinnou kombinovanou terapii pro toto onemocnění na trh v příštích několika letech.

Učinili jsme fantastický pokrok v tomto cíli, a odhalili jsme několik kandidátů pro toto onemocnění prostřednictvím našich metod AI a omických metod pro vyhledávání léků (včetně DGEM, které jsem zmínil dříve). HLX-0201, který byl původně schválen jako nesteroidní anti-zánětlivý lék, je náš nejperspektivnější kandidát, a vzrušující je, že jsme nyní obdrželi souhlas s investigační novou drogou (IND) od amerického Úřadu pro kontrolu potravin a léčiv (FDA) pro fázi 2a klinické studie této látky spolu s HLX-0206, který byl identifikován jako potenciální kombinovaný partner pomocí metod kombinace Healx.

Studie IMPACT-FXS je nyní v průběhu na několika místech v USA, což je opravdu vzrušující, a doufáme, že brzy budeme mít více informací, které můžeme sdílet!

Je také worth zmínit, že po celou dobu tohoto projektu Healx úzce spolupracoval s FRAXA Research Foundation, vedoucí výzkumnou a podpůrnou organizací pro syndrom Fragile X v USA, a dalšími organizacemi, abychom lépe pochopili toto onemocnění a získali přístup k předklinickým údajům a modelům, které nám umožnily rychle postupovat naše předpovědi do klinické studie.

Co si představujete jako budoucnost umělé inteligence v cílení na vzácná onemocnění?

Dumám, že existuje potenciál vidět umělou inteligenci a další pokročilé technologie nasazené napříč celou pipeline objevování a vývoje léků, pomáhající překonat některé z tradičních výzev kolem času, nákladů a rizika.

Už vidíme proliferaci společností v širším prostoru objevování léků, které využívají umělou inteligenci k analýze dat onemocnění, stanovení biomarkerů, syntéze proteinů a navrhování nových léků, až po analýzu reálných důkazů a řízení klinických studií s podporou “digitálních dvojčat”.

Všechno toto bude enormně prospěšné pro objevování léčebných možností pro vzácná onemocnění, kde existují překážky kolem nedostatku relevantních znalostí o onemocnění nebo malých počtů pacientů. NLP může pomoci vyplnit mezery v porozumění agregací aktuálních dat, zatímco ML může předpovědět, které existující léčby lze yeniden vyvinout a proč. Možná nejvíc vzrušující je, že umělá inteligence může poskytnout nám automatizaci potřebnou k nalezení a vývoji léčebných možností ve velkém měřítku. A jakmile se zlepší výpočetní síla a pokroky v AI, můžeme je rychle škálovat.

Je něco jiného, co byste rádi sdíleli o Healx?

Je to skvělé období pro být v tomto prostoru, a je to skutečná výsada pracovat s těmito nejmodernějšími technologiemi, aby se řešily některé z nejkomplexnějších problémů, které existují. Jsme vždy na hledání lidí, kteří jsou vášniví o naší misi, aby se připojili k našemu týmu, a velmi doporučuji těm, kteří jsou intéressovaní, aby zkontrolovali naše volná místa.

Máme také některé vzrušující vývoj a projekty v pipeline v Healx, které můžete sledovat na našem webu, a doufáme, že brzy budeme moci sdílet některé z nich s vámi.

Děkuji za skvělý rozhovor, těším se na sledování pokroku Healx, společnosti, která bude bezpochyby mít pozitivní dopad na mnoho lidí. Čtenáři, kteří chtějí se dozvědět více, by měli navštívit Healx.