Owkin Spouští Konsorcium COVID-19 Open AI (COAI)

Po čerstvé investici, společnost Owkin nedávno spustila konsorcium COVID-19 Open AI (COAI). Toto konsorcium umožní pokročilý spolupráci ve výzkumu a urychlí klinický vývoj účinných léčebných metod pro pacienty infikované COVID-19.

První fáze projektu se zaměřuje na kompletní pochopení a léčbu kardiovaskulárních komplikací u pacientů s COVID-19, a to ve spolupráci s CAPACITY, mezinárodním registrem, který spolupracuje s více než 50 centry po celém světě. Další oblasti výzkumu zahrnují výsledky pacientů a triáž, předpověď a charakterizaci imunitní odpovědi.

Vize společnosti Owkin je jasně vyjádřena v jejich manifestu:

“Jsme plně zapojeni do této nové fronty s cílem vylepšit vývoj léků a výsledky pacientů. Společnost Owkin byla založena v roce 2016 a rychle se stala lídrem v oblasti přinášení technologií umělé inteligence (AI) a strojového učení (ML) do zdravotnického průmyslu. Naše řešení zlepšují tradiční medicínský výzkum tím, že mění dříve izolovaný a nesouvisející systém na inovativní a spolupráci, která především klade důraz na soukromí pacientů.”

Federated Learning

Abychom pochopili model, který společnost Owkin využívá, je nutné pochopit novou technologii nazvanou Federated Learning. Federated Learning nabízí rámec pro vývoj AI, který umožňuje podnikům trénovat modely strojového učení na datech, které jsou distribuovány v měřítku napříč několika zdravotnickými institucemi, aniž by centralizovaly data. Výhody jsou dvojí – nedochází ke ztrátě soukromí, protože data nejsou přímo spojena s konkrétním pacientem, a data jsou udržována v zdravotnické instituci, která je shromažďuje.

Využití Federated Learning umožňuje přístup k mnohem širšímu spektru dat, než jaké disponuje jakákoli jednotlivá organizace. To znamená, že díky Federated Learning mají výzkumníci přístup k tolik dat, kolik je k dispozici, a čím více dat má systém strojového učení, tím je umělá inteligence přesnější.

V současné době existují různé národní úsilí o využití AI pro boj s COVID-19. Problém s mnoha z těchto národních, nesouvisejících úsilí spočívá v tom, že data jsou specifická pro jednu zemi. Shromažďování dat z jediné oblasti může selhat v odhalení důležitých informací, které by umožnily výzkumníkům plně pochopit, jak expozice environmentálním prvkům, etnickému složení, genetice, věku a pohlaví mohou hrát wichtnou roli při pochopení této nemoci. To je důvod, proč je spolupráce tak důležitá, a proč shromažďování dat z více jurisdikcí je ještě důležitější.

Jak popisuje společnost Owkin, snaží se využít Federated Learning pro následující:

“Chtěli bychom pomoci jim pochopit, proč se účinnost léků liší u jednotlivých pacientů, vylepšit proces vývoje léků a identifikovat nejlepší lék pro správného pacienta ve správný čas, aby se zlepšily výsledky léčby.”

Pochopení a řešení kardiovaskulárních zdravotních problémů bude první výzvou, kterou společnost Owkin řeší. Ačkoli jsou data důležitá, ještě důležitější jsou úsilí výzkumníků a přispěvatelů, kteří stojí v čele tohoto úsilí. Proto společnost Unite.AI zveřejní tři rozhovory s výzkumníky, kteří se podílejí na projektu COAI.

Rožhovory

Sanjay Budhdeo, MD, Business Development:

Sanjay je praktický lékař. Vystudoval lékařské vědy a medicínu na Oxfordské univerzitě a získal magisterský titul na Cambridgeské univerzitě. Sanjay má zkušenosti s výzkumem v oblasti neuroimagingu, epidemiologie a digitálního zdraví. Předtím, než se připojil k Owkin jako manažer partnerství, pracoval jako senior associate v Boston Consulting Group, kde se zaměřoval na data a digitální technologie ve zdravotnictví. Je členem výboru pro bezpečnost pacientů v Královské společnosti medicíny a dříve pracoval jako specialistický poradce v Komisi pro kvalitu péče.

Klikněte zde, aby jste si přečetli rozhovor se Sanjayem.

Dr. Stephen Weng, Principal Researcher:

Stephen je asistent profesora integrované epidemiologie a datové vědy, který vede výzkum datové vědy ve Skupině pro primární péči a stratifikovanou medicínu.

Integruje tradiční epidemiologické metody a studijní design s novými informatickými přístupy, využívá a analyzuje “velká zdravotnická data” z elektronických zdravotních záznamů za účelem modelování rizikové predikce, fenotypizace chronických onemocnění, výzkumu metod datové vědy a translace stratifikované medicíny do primární péče.

Klikněte zde, aby jste si přečetli rozhovor se Stephenem.

Folkert W. Asselbergs, Principal Investigator

Folkert je profesor precizní medicíny v kardiovaskulárních onemocněních na Institutu kardiovaskulárních věd, UCL, ředitel jednotky klinického výzkumu informatické technologie v UCLH, profesor kardiovaskulární genetiky a konzultant kardiolog na kardiologickém oddělení Univerzitní nemocnice Utrecht a hlavní vědecký pracovník Centra pro kardiovaskulární výzkum Durrer, Nizozemský institut pro srdce. Profesor Asselbergs publikoval více než 275 vědeckých prací a získal financování od nadace leDucq, Britské a nizozemské nadace pro srdce, EU (FP7, ERA-CVD, IMI, BBMRI) a RO1 National Institutes of Health.

Klikněte zde, aby jste si přečetli rozhovor s Folkertem.

Náš Naděje

Naděj společnosti Unite.AI je, že pomocí biomedicínských obrazů, genomiky a klinických dat k objevování biomarkerů a mechanismů spojených s nemocemi a výsledky léčby, bude možné urychlit vývoj nové generace léčby pro boj s COVID-19. Přispíváme k tomuto důležitému projektu tím, že zdůrazňujeme osobnosti, které stojí za touto globální snahou, biomedical images, genomics, and clinical data to discover biomarkers and mechanisms associated with diseases and treatment outcomes this will propel the next generation of treatment to tackle COVID-19. We are contributing to this important project by highlighting the personalities behind this important global effort.