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

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

COAI sigter mod at øge samarbejdsforskning, for at accelerere klinisk udvikling af effektive behandlinger for Covid-19, og for at dele alle sine resultater med den globale medicinske og videnskabelige fællesskab. COAI vil samle samarbejdspartnere: akademiske institutioner, forskere, dataeksperter og industrielle partnere, for at bekæmpe 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 informationsbaserede tilgange, der udnytter og undersøger “big health care data” fra elektroniske patientjournaler til formålet med risikovurderingsmodellering, fenotypering af kroniske sygdomme, datavidenskabsmetodeforskning og oversættelse af stratificeret medicin til primær sundhedspleje.

De seneste uger har du tilsluttet dig COVID-19 Open AI Consortium (COAI) som en af de ledende principper. 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 mulighed og en naturlig mulighed for at tilslutte mig konsortiet. Vi har fremragende partnere, der er førende kardiologer på tværs af Europa blandt vores undersøgergruppe fra vores tidligere konsortier. Ved at udnytte disse ressourcer og denne ekspertise, kunne vi rykke meget hurtigt og i en hastig tempo lancere dette konsortium inden for få uger og i sidste ende forbedre vores forståelse af sygdomsforløbet, den underliggende årsag og risikofaktorer i vores befolkninger.

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

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

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 omkring sygdommens forløb og alvorlighed, især med hensyn til patienter med hjertesygdom. Patienter med hjertesygdom er i øget risiko for at opleve alvorlig sygdom, der kan kræve cardiorespiratorisk støtte på en intensiv afdeling. Alvorligheden af COVID-19 og progressionen mod alvorlige 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 i COAI?

Jeg er en epidemiolog og dataekspert med fokus på prognose af hjertesundhedsresultater. Meget af mit arbejde består i at dykke dybt i meget store datasæt for at besvare disse kliniske spørgsmål. I min rolle, samt 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, at andre akademikere og kolleger kan bidrage til vores konsortium.

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

Det er ikke kun vigtigt at få flere videnskabsmænd og kliniske kolleger til at bidrage med data, men vi har også brug for at øge diversiteten af vores dataressourcer. Vi ved, at COVID-19 har et bredt spektrum af alvorlighed, fra asymptomatiske individer til meget alvorlig sygdom, der kan føre til død. Forskellige typer data på tværs af sundhedsplejens spektrum, fra primær til sekundær sundhedspleje, er nødvendige for at besvare disse spørgsmål om sygdommens forløb og alvorlighed.

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 bekæmpe COVID-19 med den nuværende viden, vi har?

Vi har adgang til nogle store datasæt, som vi kan udnytte. De store sejre har været de seneste investeringer i dataforbindelser, som virkelig er blevet sat i gang, og vi begynder at se disse initiativer bære store frugter. Faktisk er vi i gang med at få adgang til store befolkningskohorter, som 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-resultater. Disse forbindelser er kun mulige takket være den stigende big data-forbindelse og store befolkningsbiobanker. Takket være mængden af data og variabler, som er samlet, er de AI-modeller, som Owkin har udviklet og forfinet, virkelig nyttige til at analysere data på en effektiv måde og udvikle meningsfulde indsighter.

Hvilken 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 data, biomarkører samt kliniske funktioner og patientdemografi.

I en ideel verden, hvilken type data burde vi indsamle fra COVID-19-patienter?

I en sådan ny sygdom som COVID-19, tror jeg ikke, at der er en maksimal grænse for, hvor meget data der er nødvendigt. Der er en term “vi ved ikke, hvad vi ikke ved endnu”, så jo mere data og information, vi kan indsamle nu, kan være nyttigt i fremtiden. For eksempel, hvor mange genetiske fremskridt har vi oplevet, fordi vi har kunnet 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 kan 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 er på mange måder relativ. Hvis vores baseline starter med indlæggelse på hospital, så forstår vi kun sygdommens årsag i de patienter, der viser mere alvorlige 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 populationer.

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 hjemmeside.