Peter Ellman, præsident og administrerende direktør for Certis Oncology Solutions – Interview-serie

Certis Oncology Solutions, ledet af Peter Ellman, præsident og administrerende direktør, er et livsvigtigt teknologiselskab, der er dedikeret til at realisere løftet om præcisionsonkologi. Selskabets produkt er Oncology Intelligence® — højtydende terapeutiske responsdata, der er afledt fra avancerede kræftmodeller. Certis samarbejder med lægevidenskabsmænd og industrielle forskere for at udvide adgangen til præcisionsonkologi og løse den kritiske oversættelseskløft mellem prækliniske studier og kliniske forsøg.

Kan du beskrive det bredere problem i onkologisk forskning, som CertisOI Assistant løser?

Feilingsraten for onkologiske undersøgelser er høj. Det blev nyligt rapporteret, at i 2023 var 90% af onkologiske programmer ultimate fejl. Denne cifre er en bemærkelsesværdig forbedring i forhold til den historiske trend, som svævede omkring 96% indtil 2022. Når man tager udviklingsomkostningerne i betragtning, er en fejlrate på 90% ikke bæredygtig. Forestil dig, hvor meget patienterne ville have glæde af, hvis succesraten var så meget som 50%.

CertisOI Assistant løser to meget vigtige problemer, der bidrager til denne fejlrate:

• Forbedret præklinisk modelvalg: Mange stoffer viser lovende resultater i prækliniske studier, men fejler i at demonstrere en tilstrækkelig terapeutisk effekt på mennesker. De fleste medlemmer af det videnskabelige samfund peger på prækliniske modeller som en del af problemet. Valg af prækliniske modeller med den korrekte genudtryks-signatur (og brug af orthotopisk engraftning til afgørende studier) kan forbedre “oversættelsen” til kliniske studier.
• Tidligere og bedre biomarkøridentifikation: At afhænge af biomarkører, der ikke nøjagtigt kan forudsige terapeutisk respons, kan resultere i fejlslåede kliniske forsøg. CertisOI Assistant er integreret med CertisAI, vores patenterede prædiktive AI/ML-platform, hvilket muliggør identifikation af prædiktive biomarkører tidligt i lægemiddeludviklingsprocessen.

Hvordan bruger CertisOI Assistant AI til at forbedre adgangen til onkologidata, og hvad adskiller det fra andre AI-værktøjer på området?

CertisOI Assistant tilbyder avanceret dataanalyse og prædiktive modelleringsevner gennem en brugervenlig, naturlig sproggrænseflade. Det adskiller sig på flere måder:

• Komplet dataset-integration: Assistanten integrerer et bredt udvalg af onkologidata, herunder patientinformation, tumor-karakteristika, genetiske profiler og lægemiddelresponsprædiktioner. Denne holistiske tilgang muliggør en mere komplet analyse end værktøjer, der fokuserer på isolerede datatyper.
• AI-baserede prædiktioner: Assistanten anvender AI-algoritmer til at prædiktere lægemiddelrespons og -resistens, hvilket giver indsigt i, hvilke behandlinger der sandsynligvis vil være effektive for bestemte kræftmodeller. Denne prædiktive kapacitet er afgørende for personlig medicin og adskiller det fra værktøjer, der kun afhænger af historiske data.
• Brugervenlig grænseflade: Ved at tilbyde en intuitiv grænseflade for forespørgsler og analyse af komplekse datasæt gør assistanten det lettere for forskere at få adgang til og fortolke onkologidata uden at kræve avancerede tekniske færdigheder.
• Fokus på prækliniske modeller: Assistanten specialiserer sig i præklinisk onkologisk forskning, især PDX- og cellelinjemodeller, og tilbyder unikke indsigt i tidlig fase af lægemiddeludvikling og tumorbiologi.
• Interaktive visualiseringer: Assistanten understøtter interaktive visualiseringer, såsom farmakologi- og tumorvækststudier, hvilket muliggør, at forskere kan udforske data på en mere engagerende og informativ måde.

Hvordan transformerer værktøjet komplekse data til handlebare indsigt, især for forskere, der arbejder med lægemiddelsensitivitet eller genetisk data?

CertisOI Assistant udnytter en struktureret arbejdsgang til at transformere rådata til meningsfulde indsigt. Det indebærer at forespørge et komplet onkologidatasæt, analysere dataene og præsentere resultaterne i en klar og fortolkelig format. Her er, hvordan det fungerer:

• Dataforespørgsel: CertisOI Assistant kan få adgang til en relationsdatabase, der indeholder detaljeret information om onkologimodeller, herunder patientdata, tumor-karakteristika, genetisk data og lægemiddelresponsprædiktioner. Det anvender SQL-lignende forespørgsler til at trække relevante data ud på basis af forskerens specifikke behov.
• Dataanalyse: Når dataene er hentet, kan CertisOI Assistant udføre forskellige analyser, såsom at identificere almindelige mutationer, korrelere genudtryk med lægemiddelsensitivitet eller evaluere farmakologistudieresultater. Det kan også rangere og filtrere data for at fremhæve de mest betydningsfulde fund.
• Visualisering: Assistanten kan præsentere data i tabelformater, generere interaktive diagrammer for farmakologi- og tumorvækststudier og vise histologi-billeder. Denne visualisering hjælper forskere med at hurtigt fatte komplekse datapattern og -relationer.
• Fortolkning og indsigt: Ved at give en klar fortolkning af dataene, herunder prædiktioner for lægemiddelsensitivitet eller -resistens, hjælper CertisOI Assistant forskere med at træffe informerede beslutninger om potentielle terapeutiske strategier eller videre eksperimentelle retninger.
• Tilpasning og fleksibilitet: Forskere kan tilpasse deres forespørgsler for at fokusere på bestemte kræfttyper, genetiske markører eller behandlingsrespons, hvilket muliggør en høj grad af tilpasning, der er i overensstemmelse med deres forskningsmål.

Hvordan forbedrer CertisOI Assistant forskernes evne til at vælge kræftmodeller, designe biomarkørstrategier eller udføre in silico-valideringer?

Jeg dækkede de første to områder – kræftmodelsektionen og biomarkørstrategi-design – i begyndelsen af dette interview, så jeg vil fokusere på at udføre in silico-valideringer. CertisOI Assistant tilbyder en virtuel miljø til at teste og validere hypoteser relateret til lægemiddel-effektivitet, målengagement og biomarkør-opdagelse uden behov for umiddelbar laboratorieeksperimenter. Dette giver dem mulighed for hurtigt at finjustere deres hypoteser og fokusere eksperimentelle bestræbelser på de mest lovende veje.

Her er nogle eksempler:

• Lægemiddelresponsprædiktioner: Anvend AI-baserede prædiktioner for lægemiddelrespons og -resistens til at evaluere, hvordan forskellige modeller sandsynligvis vil reagere på bestemte lægemidler. Dette kan hjælpe med at validere den potentielle effektivitet af et lægemiddel in silico, før man går videre til in vitro- eller in vivo-studier.
• Genetisk og molekylær profilering: Analysér genetisk data, herunder mutationer, genudtryk og kopinummer-variationer, for at identificere potentielle mål og validere deres relevans for lægemiddlets virkningsmekanisme. Dette kan hjælpe med at forstå den molekylære baggrund for lægemiddelsensitivitet eller -resistens.
• Biomarkør-opdagelse: Korrelerer molekylære karakteristika med lægemiddelresponsprædiktioner for at identificere potentielle prædiktive biomarkører. Dette kan vejlede udvælgelsen af patientpopulationer, der er mere sandsynligt at have glæde af en bestemt behandling.
• Kombinationsbehandlingseksploration: Udforsk lægemiddelsynergiprædiktioner for at identificere lovende lægemiddelkombinationer, der kan forbedre terapeutiske resultater. Dette kan give indsigt i potentielle kombinationsstrategier, der kan validere eksperimentelt.
• Histologisk analyse: Anvend histologi-billeder til at validere de morfologiske effekter af lægemidler på tumorvæv, hvilket giver yderligere bevis for lægemiddets virkningsmekanisme og potentiel effektivitet.
• Modelforskel: Sammenlign forskellige modeller for at forstå, hvordan forskellige genetiske baggrunde påvirker lægemiddelrespons, hvilket kan validere hypoteser om den rolle, bestemte gener eller stier spiller i silico.
• Virtual screening: Udfør virtuel screening af lægemidler mod et bredt udvalg af modeller for at prioritere kandidater til yderligere eksperimentel validering.

Kan du dele eksempler på, hvordan forskere forventes at bruge dette værktøj til at forbedre deres arbejdsgange eller opnå gennembrud?

Det enkleste eksempel er præklinisk modelvalg. Hver præklinisk studie begynder med valg af tumor-modeller. CertisOI Assistant fjerner den manuelle indsats fra denne proces og bringer stor præcision til valg af de optimale modeller til enhver given studie.

Et andet eksempel er udvikling af en biomarkørstrategi. Den traditionelle tilgang er at formode, hvilke biomarkører eller biomarkører, der måske er forbundet med lægemiddlets virkningsmekanisme, og derefter teste disse hypoteser i prækliniske studier, hvilket normalt er en iterativ proces. Hvis prækliniske data er lovende, må forskere validere prædiktive biomarkører i humane kliniske forsøg – og som diskuteret, er fejlraten høj.

CertisOI Assistant hjælper forskere med at identificere og validere mere præcise, prædiktive genudtryks-biomarkører tidligt i udviklingsprocessen og med færre iterationer end den traditionelle arbejdsgang – hvilket sparer tid, penge og forbedrer chancerne for kommerciel succes.

Hvilke typer kræftmodeller eller datasæt understøtter værktøjet, og hvordan gavner dette bredde forskningssamfundet?

Den nuværende version af CertisOI giver forskere adgang til Certis’ hurtigt voksende bibliotek af PDX- og PDX-afledte tumor-modeller og hele Cancer Cell Line Encyclopedia (CCLE) af modeller. Platformens algoritmer trækker også på data fra Genomics of Drug Sensitivity in Cancer (GDSC), International Cancer Genome Consortium (ICGC), CI ALMANAC, O’Neil og andre datasæt. Denne holistiske tilgang til dataintegration muliggør en mere komplet analyse end værktøjer, der fokuserer på isolerede datatyper.

CertisOI Assistant er designed til at være brugervenlig. Hvordan sikrer du, at det er tilgængeligt for forskere, der måske ikke har omfattende teknisk ekspertise?

Flere funktioner gør CertisOI Assistant tilgængelig for forskere på alle niveauer:

• Intuitiv grænseflade: Grænsefladen er designed til at være intuitiv og let at navigere, hvilket giver brugerne mulighed for at udføre komplekse forespørgsler og analyser uden at skulle forstå de underliggende tekniske detaljer.
• Guidede arbejdsgange: Assistanten tilbyder guidede arbejdsgange for almindelige forskningssopgaver, såsom forespørgsler af lægemiddelresponsprædiktioner, analyse af genetisk data og udforskning af farmakologistudier. Dette hjælper brugerne med at fokusere på deres forskningsspørgsmål uden at blive bogede ned i tekniske kompleksiteter.
• Naturlig sprogbehandling: Brugere kan interagere med assistanten ved hjælp af naturlig sprogforespørgsler, hvilket gør det lettere for dem at få adgang til den information, de behøver, selv for dem uden teknisk ekspertise. Assistanten fortolker forespørgslerne og oversætter dem til de relevante databaseforespørgsler.
• Omfattende dokumentation: Detaljeret dokumentation og vejledninger hjælper brugerne med at forstå, hvordan de kan bruge assistanten effektivt. Dette inkluderer trin-for-trin-vejledninger, eksempler og forklaringer af nøglebegreber.
• Interaktive visualiseringer: Assistanten tilbyder interaktive visualiseringer for dataanalyse, såsom diagrammer og histologi-billeder, hvilket giver brugerne mulighed for at udforske og fortolke data visuelt uden at skulle skrive kode.
• Responsiv support: Brugere kan få adgang til responsiv support for at hjælpe med eventuelle spørgsmål eller problemer. Dette sikrer, at de kan få hjælp hurtigt og fortsætte deres forskning uden unødvendige forsinkelser.
• Tilpassede forespørgsler: Selvom assistanten tilbyder standardarbejdsgange, giver den også mulighed for tilpasning, hvilket giver brugerne mulighed for at tilpasse forespørgsler til deres specifikke forskningsbehov uden at skulle have dyb teknisk viden.

Samarbejde er en nøgleaspekt af forskning. Hvordan faciliterer CertisOI Assistant samarbejde mellem forskere eller institutioner?

Med CertisOI Assistant kan forskere fra forskellige hold eller institutioner få adgang til samme datasæt og værktøjer, hvilket giver dem mulighed for at arbejde sammen på fælles projekter eller forskningsspørgsmål. Platformen gør det også let at downloade og dele dataforespørgsler, resultater og indsigt mellem teammedlemmer, så alle, der er involveret i et projekt, kan bidrage effektivt.

Hvad er de største udfordringer i at skala AI-adopteringsgrad i kræftforskning, og hvordan kan de løses?

Signifikante udfordringer inkluderer datasikkerhed, dataintegration og tillid til AI-baserede udfaldsforudsigelser. Jeg er ikke ekspert i datasikkerhed eller dataintegration, men store hjerner arbejder på at løse disse udfordringer. Med hensyn til at stole på AI-genererede forudsigelser, har vi brug for effektive og troværdige måder at validere disse forudsigelser på.

Certis har valgt en to-delings-tilgang til dette: in silico-validering via interne, krydsvalideringsstudier og in vivo-validering – udførelse af studier i klinisk relevante musmodeller for at evaluere nøjagtigheden af vores platforms forudsigelser. Over tid vil disse værktøjer også blive valideret klinisk på menneskelige patienter – men det vil naturligvis tage en stor mængde tid og penge, samt viljen til at ændre den nuværende kræftbehandlingsparadigme. Den medicinske og regulerende samfund vil være nødt til at stoppe med at stole på, hvordan tingene altid har været gjort, og i stedet omfavne kraften af komputationsanalyser til at informere beslutninger.

Hvordan forestiller du dig, at værktøjer som CertisOI Assistant vil forme fremtiden for kræftbehandling og præcisionsmedicin?

Den moderne medicin har endnu ikke en god måde at matche patienter med de ideelle behandlinger på. I alt kun 10% af kræftpatienter oplever en klinisk fordel fra behandlinger, der er matchet til tumor-DNA-mutationer. Det skader ikke kun patienternes sundhed, men også deres økonomi. En estimeret 2,5 milliarder — med et B — bliver spildt på ineffektive terapier. Det er en meget trist kendsgerning, at 42% af kræftpatienter fuldstændigt udnytter deres aktiver inden for de to første år efter deres diagnose.

Værktøjer som CertisOI Assistant og CertisAI vil hjælpe os med at realisere løftet om præcisionsmedicin – at give mennesker den optimale behandling for deres unikke form for kræft første gang, hver gang…. Og at demokratisere adgangen til mere effektiv, personlig pleje.

Tak for det gode interview, læsere, der ønsker at lære mere, skal besøge Certis Oncology Solutions.