Owkin Spouští Kolektivní Konsorcium Otevřené AI Pro COVID-19 (COAI)

Po nové kolo financování, Owkin nedávno spustil konsorcium COVID-19 Open AI Consortium (COAI). Toto konsorcium umožní pokročilý kolektivní výzkum a urychlí klinický vývoj účinných léčebných metod pro pacienty infikované COVID-19.

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

Manifest Owkinu přesně vyjadřuje vizi společnosti:

“Jsme plně zapojeni do této nové fronty s cílem vylepšit vývoj léků a výsledky pacientů. Založena v roce 2016, Owkin se rychle stal lídrem v přinášení technologií Umělé inteligence (AI) a strojového učení (ML) do zdravotnického průmyslu. Naše řešení zlepšují tradiční medicínský výzkumný paradigm tím, že mění dříve izolovaný a nesouvisející systém na inovativní a kolektivní, který nad vším klade soukromí pacientů na první místo.”

Federated Learning

Abychom pochopili model, který používá Owkin, je nutné plně pochopit novou technologii, která se nazývá Federated Learning. Federated Learning nabízí rámec pro vývoj AI, který umožňuje podnikům školení strojových učících modelů na datech, které jsou distribuovány v měřítku napříč několika zdravotnickými institucemi bez centralizace dat. Výhody jsou dvojí, nejsou ztracena žádná soukromí, protože data nejsou přímo spojena s žádným konkrétním pacientem, a data jsou udržována v zdravotnické instituci, která tato data shromažďuje.

Použití Federated Learning tak umožňuje mnohem širší rozsah dat, než jaký má k dispozici jakákoli jednotlivá organizace. To znamená, že pomocí 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 mnohé národní úsilí o využití AI pro boj s COVID-19. Problém s mnoha z těchto národních, nesouvisejících úsilí je, že data jsou specifická pro jednu zemi. Shromažďování dat z jediného regionu může selhat v odhalení důležitých informací, které by umožnily výzkumníkům plně pochopit, jak expozice environmentálním prvkům, etnickému složení, genetice, věku a pohlaví mohou hrát důležitou roli při pochopení této nemoci. To je důvod, proč je spolupráce tak důležitá, a proč shromažďování dat z více jurisdikcí je ještě důležitější.

Jak je popsáno Owkinem, chtějí použít Federated Learning pro následující:

“Chtěli bychom pomoci jim pochopit, proč se účinnost léků liší od pacienta k pacientovi, vylepšit proces vývoje léků a identifikovat nejlepší lék pro správného pacienta ve správný čas, aby se zlepšily léčebné výsledky.”

Pochopení a řešení kardiovaskulárních zdravotních problémů bude první výzvou, kterou si Owkin zvolil. Tak důležité, jako jsou data, jsou ještě důležitější úsilí výzkumníků a přispěvatelů, kteří stojí v čele tohoto úsilí. To je důvod, proč Unite.AI bude vydávat tři rozhovory s výzkumníky, kteří přispívají do projektu COAI.

Rožhovory

Sanjay Budhdeo, MD, Business Development:

Sanjay je praktický lékař. Má tituly z lékařských věd a medicíny z Oxfordské univerzity a magisterský titul z Cambridgeské univerzity. Sanjay má výzkumnou zkušenost v neuroimagingu, epidemiologii a digitálním zdraví. Předtím, než se připojil k Owkinu jako manažer partnerství, byl seniorním asociátem v Boston Consulting Group, kde se zaměřil na data a digitální technologie ve zdravotnictví. Je členem výboru pro bezpečnost pacientů v Královské společnosti medicíny a dříve byl specialistou poradce v Care Quality Commission.

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 v rámci Primary Care Stratified Medicine Research Group.

Integruje tradiční epidemiologické metody a studijní design s novými informatickými přístupy, využívá a zkoumá “velká zdravotnická data” z elektronických zdravotních záznamů za účelem modelování predikce rizika, 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 Institute of Cardiovascular Science, UCL, ředitel NIHR BRC Clinical Research Informatics Unit na UCLH, profesor kardiovaskulární genetiky a konzultant kardiolog na oddělení kardiologie, University Medical Center Utrecht, a hlavní vědecký pracovník Durrer Center for Cardiovascular Research, Netherlands Heart Institute. Prof. Asselbergs publikoval více než 275 vědeckých prací a získal financování z leDucq nadace, Britské a nizozemské srdce nadace, EU (FP7, ERA-CVD, IMI, BBMRI) a RO1 National Institutes of Health.

Klikněte zde, aby jste si přečetli rozhovor s Folkertem

Náš Naděje

Naděje Unite.AI je, že pomocí biomedicínských obrazů, genomiky a klinických dat k objevování biomarkerů a mechanismů spojených s nemocemi a léčebnými výsledky, toto urychlí další generaci léčby pro boj s COVID-19. Přispíváme k tomuto důležitému projektu tím, že zdůrazňujeme osobnosti za tímto důležitým globálním úsilím.