COVID-19 Open AI Consortium – Interview med Dr. Stephen Weng, Principal Investigator

The Covid-19 Open AI Consortium (COAI) har til hensigt at bringe gennembrud i medicinske opdagelser og handlingsorienterede resultater til kampen mod Covid-19-pandemien.

COAI sigter mod at øge samarbejdsforskning, til at accelerere klinisk udvikling af effektive behandlinger for Covid-19, og til at dele alle sine resultater med den globale medicinske og videnskabelige fællesskab. COAI vil samle samarbejdspartnere: akademiske institutioner, forskere, datavidenskabsmænd og industrielle partnere, til at kæmpe mod Covid-19-pandemien.

Dette er den anden af tre interviews med de ledende principper bag COAI. Det første interview var med Owkin’s Sanjay Budhdeo, MD, Business Development.

Stephen Weng er en adjunkt i integreret epidemiologi og datavidenskab, der leder datavidenskabsforskningen inden for Primary Care Stratified Medicine Research Group.

Han integrerer traditionelle epidemiologiske metoder og studie-design med nye informatics-baserede tilgange, udnytter og afhører “big health care data” fra elektroniske patientjournaler til formålet med risikoprediktion, fenotypisering af kroniske sygdomme, datavidenskabsmetodeforskning og translation af stratificeret medicin til primær sundhedspleje.

De har nylig tilsluttet sig COVID-19 Open AI Consortium (COAI) som en ledende principal investigator. Kan du diskutere, hvad der fik dig til at tilslutte dig dette projekt?

Jeg har samarbejdet med Owkin og europæiske partnere i projekter, der sigter mod at forbedre sekundær forebyggelse af akut koronarsyndrom i det sidste år. Da Owkin lancerede COVID-19 Open AI Consortium for at udnytte deres teknologi, ekspertise og vores infrastruktur til at bidrage til den globale kamp mod Covid-19, var dette en oplagt valg og en naturlig tilføjelse til at tilslutte sig konsortiet. Vi har fremragende partnere, der er førende kardiologer på tværs af Europa blandt vores undersøgergruppe fra vores tidligere konsortier. Ved at bruge disse ressourcer og ekspertise, kunne vi flytte meget hurtigt og i en hastighed til at lancere dette konsortium på få uger og ultimativt forbedre vores forståelse af sygdomsforløb, den underliggende ætiologi og risikofaktorer i vores befolkninger.

En procentdel af befolkningen, der er ramt af COVID-19, viser tegn på hjerteskade. Hvilke hjerte-relaterede problemer ser man?

Der er beviser for, at hjertesvigt og hjertesygdom er en stor bidragsyder til sygdommens sværhedsgrad. En ny analyse af 17.000 COVID-19-tilfælde, der krævede hospitalisering i Storbritannien, identificerede, at hjertesygdom var til stede i 29% af alle hospitaliserede tilfælde. Underliggende hjertesvigt-risikofaktorer, herunder stigende alder, højt blodtryk, fedme, hypertension og type 2-diabetes, bidrager betydeligt til sygdommens sværhedsgrad.

Tror du, at vi i øjeblikket har nogen form for forståelse af, hvorfor COVID-19 forårsager denne type hjerteskade?

Der er stadig mange spørgsmål, der skal besvares om epidemiologi om sygdommens forløb og sværhedsgrad, især med hensyn til patienter med hjertesygdom. Patienter med hjertesygdom er i øget risiko for at opleve svær sygdom, der kan kræve cardiorespiratorisk støtte på en intensiv afdeling. Sygdommens sværhedsgrad og forløb mod svære udfald er sandsynligvis drevet af en direkte skade på hjertesystemet, der kan være akut. Den præcise type hjerteskade hos COVID-19-patienter kræver yderligere undersøgelse.

Hvad vil din rolle være med COAI?

Jeg er en epidemiolog og datavidenskabsmand med en forskningsfokus på prognose af hjertesvigt-udfald. Meget af mit arbejde er en dybdykkende analyse af meget store datasæt for at besvare disse kliniske spørgsmål. I min rolle, såvel som direkte at forsøge at besvare nogle af disse vigtige forskningsspørgsmål ved at udnytte min evne til at få adgang til store befolkningsdatasæt, forsøger jeg også at facilitere andre akademikere og kolleger til at bidrage til vores konsortium.

Hvad type mennesker har vi brug for at tilslutte sig COAI-projektet for at maksimere dets effektivitet?

Ikke kun er det vigtigt at opnå større antal fra flere videnskabsmænd og kliniske kolleger, der bidrager med data, men vi har også brug for at øge diversiteten af vores dataressourcer. Vi ved, at COVID-19 har et bredt spektrum af sværhedsgrader fra asymptomatiske individer til meget svær sygdom, der resulterer i død. Forskellige typer data på tværs af spektret af sundhedspleje fra primær til sekundær sundhedspleje er nødvendige for at besvare disse spørgsmål om sygdomsforløb og sværhedsgrad.

De er i øjeblikket adjunkt i integreret epidemiologi og datavidenskab, der leder datavidenskabsforskningen inden for University of Nottingham’s Primary Care Stratified Medicine Research Group. Kan du diskutere mulige måder, hvorpå big data kan bruges til at målrette COVID-19 med den nuværende viden, vi har?

Vi har nogle store big datasæt, vi kan udnytte. De store sejre har været de nyeste investeringer i dataforbindelse, der virkelig er sat i værk, og vi begynder at se disse initiativer bære store frugter. Faktisk er vi på vej til at opnå adgang til store befolkningskohorter, der nu er koblet til primær sundhedspleje, hospitaljournaler, dødsregistre og COVID-19-testdata. Desuden har disse data muligheder for at undersøge genetiske påvirkninger på COVID-19-udfald. Disse forbindelser er kun mulige med opkomsten af big dataforbindelser og store befolkningsbiobanker. På grund af mængden af data og variabler, der er samlet, er de AI-modeller, Owkin har udviklet og perfektioneret, virkelig nyttige til at effektivt analysere data med hastighed for at udlede meningsfulde indsigt.

Hvad information har vi brug for at indsamle for at gøre præcisionsmedicin til en effektiv værktøj til at behandle COVID-19-patienter?

En mere diversificeret række af datatyper, herunder billedanalyse, genetiske markører samt kliniske funktioner og patientdemografi.

I en perfekt verden, hvilken type data burde indsamles fra COVID-19-patienter?

I en så ny sygdom som COVID-19, tror jeg ikke, der er, og burde være, en maksimal grænse for det data, der er nødvendigt. Der er en term “vi ved ikke, hvad vi ikke ved endnu”, så jo flere typer data og information, vi kan samle nu, kan være nyttige i fremtiden. For eksempel, hvor mange genetiske fremskridt har vi oplevet, fordi vi kunne sekventere data og holde det tilgængeligt for forskere i biobanker? Jeg ser dette ske med COVID-19. Hvis vi skaber en divers og stor dataressource nu, har jeg ingen tvivl om, at der vil være nye opdagelser, der kommer frem til at hjælpe vores forståelse i fremtiden.

Burde vi også indsamle data fra den del af befolkningen, der er immun over for COVID-19, for bedre at forstå, hvad der gør dem immune?

I epidemiologi er valget af sammenligningsgruppen ekstremt vigtigt. Risiko i mange forstand er relativ. Hvis vores baseline starter med indlæggelse på hospital, så forstår vi kun sygdomsætiologien i de, der viser mere svære symptomer. Jeg tror, at en bedre forståelse af asymptomatiske individer og hvad der gør dem asymptomatiske over for COVID-19, er absolut nødvendig. Hvor mange terapier er udviklet på grund af undersøgelse af gain of function-mutationer eller loss of function-mutationer, der naturligt forekommer i befolkninger.

Tak for det fantastiske interview. Læsere, der ønsker at lære mere, kan læse vores artikel om COAI-projektet.

Det første interview i denne serie var med Owkin’s Sanjay Budhdeo, MD, Business Development.

Det tredje interview i denne serie var med Folkert W. Asselbergs, Principal Investigator

De kan også besøge Covid-19 Open AI Consortiums website.