Andrew Watson, Vice President of KI und F&E bei Healx – Interview-Serie

Andrew Watson ist Vice President of KI und F&E bei Healx.

Healx ist ein KI-gestütztes, patienteninspiriertes Technologieunternehmen, das sich der Unterstützung von Patienten mit seltenen Krankheiten auf der ganzen Welt bei der Erlangung lebensverbessernder Therapien widmet. Es gibt 7.000 bekannte seltene Krankheiten, die 400 Millionen Menschen weltweit betreffen, aber nur 5 % dieser Zustände haben zugelassene Behandlungen. Healx verwendet künstliche Intelligenz (KI), um neue Behandlungen für seltene Krankheiten aus bestehenden Verbindungen zu identifizieren und diese bei Bedarf bei Patienten voranzutreiben. Ihr innovativer Ansatz ermöglicht es ihnen, das Tempo, den Umfang und die Erfolgschancen der Entwicklung von Behandlungen für seltene Krankheiten zu beschleunigen.

Was hat Sie ursprünglich zum Bereich des Machine Learning hingezogen?

Meine erste Begegnung mit Machine Learning war während eines Vortrags über “Evolutionäre Algorithmen” während meines ersten Studiums an der Universität Exeter. Wir lernten, einen Algorithmus zu programmieren, der zweidimensionale Spielzeuge entwarf, beginnend mit einer zufälligen Auswahl von Rädern und Komponenten, bevor wir ihre Leistung bewerteten und sie zu nachfolgenden Generationen weiterentwickelten, die immer besser gegenüber einem von uns definierten Maßstab abschnitten. Ich war fasziniert, dass Software in der Lage war, Tausende von Design-Iterationen ohne menschliche Intervention durchzuführen, und von da an habe ich mich wohl übermäßig bemüht, alles zu automatisieren! Dieser evolutionäre Ansatz war derselbe, den die NASA verwendet hat, um ihre ST5-Antenne zu entwerfen, die nichts wie etwas aussieht, was ein menschlicher Experte entworfen hätte.

Sie haben sich immer für die Anwendung von Machine Learning und KI-Techniken auf schwierige Probleme interessiert. Welche Herausforderungen haben Sie vor Ihrem Eintritt bei Healx erlebt?

Ich hatte das Glück, Machine Learning und KI in verschiedenen Kontexten anwenden zu können, von der Unterstützung bei der Bekämpfung von Terrorismus bis hin zur Identifizierung und Bekämpfung von Computer-Malware, und unmittelbar vor meinem Eintritt bei Healx habe ich KI mit einem tiefen Verständnis des Benutzerverhaltens kombiniert, um intelligente Maschinen für den Einsatz im Haushalt und darüber hinaus bei Dyson zu entwickeln.

Es ist leicht, dass KI zu einem Gimmick wird, aber mein Ziel war es immer, sinnvolle Anwendungen zu finden, sei es, Bedeutung aus großen Mengen an Informationen abzuleiten oder die kognitive Belastung des Benutzers durch Entscheidungsunterstützungssysteme zu reduzieren. Unsere Mission bei Healx besteht darin, an einer der ultimativen Herausforderungen zu arbeiten, direkt an der Schnittstelle zwischen KI und menschlicher Biologie, um Menschen zu helfen, die am meisten benötigen: Menschen mit seltenen Krankheiten.

Was sind Ihre aktuellen Aufgaben bei Healx?

Ich leite das F&E-Team, das letztendlich für die Bereitstellung von Arzneimittelvorhersagen für unsere Kollegen im präklinischen Team bei Healx verantwortlich ist. Wir tun dies, indem wir sowohl die zugrunde liegende Biologie einer Krankheit, an der wir arbeiten, als auch den Wirkungsmechanismus potenzieller Arzneimittel, die diese Krankheit behandeln könnten, verstehen, und all dies läuft auf unserer proprietären KI-Plattform Healnet.

Healnet analysiert vorliegende Arzneimittel- und Krankheitsdaten aus biomedizinischer Forschung, wissenschaftlicher Literatur, Patienteneinblicken und Healx-eigenen Quellen, um einen Wissensgraphen über seltene Krankheiten zu erstellen. Wir verwenden dann führende KI- und NLP-Modelle, um diesen Graphen zu durchsuchen und neue Möglichkeiten zur Neuentwicklung, Kombination und sogar Verbesserung von Arzneimolekülen zu finden, um eine Erkrankung zu behandeln.

Könnten Sie einige der Machine-Learning-Technologien des Healnet-Arzneimittelentdeckungs-Plattforms erläutern, die zur Identifizierung neuer Therapien für seltene Krankheiten aus bereits existierenden Arzneimitteln verwendet werden?

Sicher! Healx verwendet eine Reihe von KI- und NLP-Methoden, um nicht offensichtliche Krankheits-Verbindungsbeziehungen mit der höchsten Erfolgschance zu erkennen.

Eine unserer häufigsten Methoden ist die sogenannte Krankheits-Gen-Expressions-Matching-Methode (DGEM). Diese Methode vergleicht das Gen-Expressions-Profil für eine bestimmte Krankheit mit Gen-Expressions-Profilen aus der von Healx kuratierten Arzneimittel-Datenbank, die Tausende von Arzneimittel-Signaturen aus öffentlichen und privaten Quellen enthält und eine Reihe von pharmakologischen Klassen abdeckt, einschließlich einer Mischung aus zugelassenen und untersuchten Verbindungen. DGEM prognostiziert dann, welche Arzneimittel wahrscheinlich wirksame Therapien sein werden, basierend auf den am stärksten differenziell exprimierten Genen in den Gen-Expressions-Profilen. Die Methode basiert auf der Annahme, dass ein Arzneimittel mit einem entgegengesetzten Wirkungsmechanismus im Vergleich zu einer Krankheit ein starker Kandidat für eine wirksame Behandlung wäre. Wir haben tatsächlich diese Methode verwendet, um die Leitverbindungen zu finden, die wir jetzt im Rahmen unserer IMPACT-FXS-Studie zu Fragilem X-Syndrom untersuchen – der weltweit führenden genetischen Ursache für Lernschwierigkeiten.

Eine weitere Methode ist die Vorhersage von Repurposed-Indikationen mit Ähnlichkeitsmatrizen (PRISM), die auf dem Prinzip basiert, dass, wenn ein Arzneimittel eine bestimmte Krankheit behandelt, dann ein ähnliches Arzneimittel möglicherweise eine ähnliche Krankheit behandeln kann. Um die Ähnlichkeit von Arzneimitteln zu bestimmen, berücksichtigt PRISM Zielproteine, strukturelle Ähnlichkeit und Nebenwirkungen, und um die Ähnlichkeit von Krankheiten zu bestimmen, berücksichtigt PRISM Zielgene, ontologische Struktur und Phänotypen. Ein Machine-Learning-Algorithmus wird dann verwendet, um diese Ähnlichkeiten zu kombinieren und neue Behandlungsanwendungen vorherzusagen.

Wir haben jetzt über 10 Monotherapie- und Kombinationstherapie-Vorhersagemodule entwickelt, um neue therapeutische Möglichkeiten für seltene Erkrankungen zu identifizieren und, was entscheidend ist, diese Modelle sind so trainiert, dass sie neue Krankheitsbiologie und Wirkungsmechanismen entdecken, ohne auf ein einzelnes biologisches Ziel beschränkt zu sein (was ein Problem bei herkömmlichen Arzneimittelentdeckungsmethoden ist).

Sobald ein Arzneimittel als möglicher Kandidat identifiziert wurde, wie entscheidet das System, ob es zu klinischen Studien weitergeführt wird?

Vielen Dank an unsere KI-Algorithmen und unsere proprietären Datenquellen können wir eine Liste von etwa 15.000 möglichen Arzneimitteln auf 100 oder so wahrscheinliche Kandidaten reduzieren.

Sobald wir diese Liste haben, wird sie an unser präklinisches Team weitergeleitet – bestehend aus Experten-Pharmakologen und Arzneimittelentdeckungsexperten – die ihre umfassenden wissenschaftlichen und medizinischen Kenntnisse über die Krankheit und die Arzneimittel anwenden, um die Vorhersagen zu überprüfen und die wahrscheinlichsten Arzneimittelkandidaten zur Behandlung einer bestimmten Krankheit auszuwählen. Wir stellen dem präklinischen Team auch KI-generierte Begründungen für die Vorhersagen zur Verfügung, die erklären, warum eine Verbindung, die auf den ersten Blick unintuitiv erscheinen mag, ihre Aufmerksamkeit verdient.

Sobald sie die Liste auf etwa 10-20 Kandidaten reduziert haben, werden diese Verbindungen zur präklinischen Validierung weitergeleitet, die das Testen eines Arzneimittels in Zellkulturen und Modellen vor dem Testen am Menschen in der klinischen Studienphase beinhaltet. Diese Studien werden zeigen, ob ein Arzneimittel wahrscheinlich wirksam, sicher und welche Nebenwirkungen es haben wird. Sie entscheiden auch, welche Arzneimittel kombiniert oder verstärkt werden können, um eine wirksamere Behandlung zu erreichen.

Könnten Sie uns mehr über das Fragile-X-Syndrom erzählen und über die jüngsten Erfolge bei der Entdeckung potenzieller Arzneimittelkandidaten?

Das Fragile-X-Syndrom ist eine seltene neuroentwicklungsbedingte Erkrankung, die eine Reihe von intellektuellen und kognitiven Beeinträchtigungen verursacht. Es betrifft etwa 1 von 4.000 Männern und 1 von 8.000 Frauen – aber es gibt derzeit keine wirksamen oder zugelassenen Therapien für diese Erkrankung.

Das Ziel von Healx ist es, dies zu ändern, indem wir mindestens eine neue und wirksame Kombinationstherapie für diese Erkrankung in den nächsten Jahren auf den Markt bringen.

Wir haben auf diesem Ziel bisher großartige Fortschritte gemacht und haben durch unsere KI- und omics-basierten Arzneimittel-Abgleichmethoden (einschließlich DGEM, die ich bereits erwähnt habe) mehrere Kandidaten für diese Erkrankung identifiziert. HLX-0201, das ursprünglich als nichtsteroidales Antirheumatikum zugelassen wurde, ist unser vielversprechendster Kandidat, und aufregend ist, dass wir jetzt die Genehmigung für ein neues Arzneimittel (Investigational New Drug, IND) von der US-amerikanischen Arzneimittelbehörde (FDA) für die Phase-2a-Studie des Arzneimittels erhalten haben, zusammen mit HLX-0206, das als potenzieller Kombinationspartner mithilfe der proprietären Kombinationsvorhersagemethoden von Healx identifiziert wurde.

Die IMPACT-FXS-Studie ist jetzt an mehreren Standorten in den USA im Gange, was wirklich aufregend ist, und wir hoffen, bald mehr darüber teilen zu können!

Es ist auch erwähnenswert, dass Healx während dieses Projekts eng mit der FRAXA Research Foundation, einer führenden Forschungs- und Unterstützungsorganisation für Fragiles X in den Vereinigten Staaten, und anderen Organisationen zusammengearbeitet hat, um mehr über die Erkrankung zu erfahren und Zugang zu präklinischen Daten und Modellen zu erhalten, die es uns ermöglichten, unsere Vorhersagen schnell in klinische Studien umzusetzen.

Wie sehen Sie die Zukunft der KI bei der Bekämpfung seltener Krankheiten?

Ich denke, dass es das Potenzial gibt, KI und andere Grenztechnologien über die gesamte Arzneimittelentdeckungs- und -entwicklungsphase hinweg einzusetzen, um einige der herkömmlichen Herausforderungen in Bezug auf Zeit, Kosten und Risiko zu überwinden.

Wir sehen bereits eine Verbreitung von Unternehmen im breiteren Arzneimittelentdeckungsbereich, die KI verwenden, um alles von der Analyse von Krankheitsdaten und der Etablierung von Biomarkern bis hin zur Synthese von Proteinen und dem Entwurf neuer Arzneimittel zu tun, und bis hin zur Analyse von Realweltbeweisen und der Durchführung von klinischen Studien mit “digitalen Zwilling”-Kontrollarmen.

All dies wird für die Entdeckung von Behandlungen für seltene Krankheiten, bei denen es Hindernisse bei der relevanten Krankheitskenntnis oder kleinen Patientenzahlen gibt, von großem Nutzen sein. NLP kann helfen, Lücken im Verständnis durch die Aggregation von aktuellen Daten zu füllen, während ML vorhersagen kann, welche bestehenden Behandlungen neu entwickelt und warum. Vielleicht am aufregendsten ist jedoch, dass KI uns die Automatisierung bietet, die wir benötigen, um Behandlungen im großen Maßstab zu finden und zu entwickeln. Und da die Rechenleistung und Fortschritte in der KI zunehmen, können wir dies schnell skalieren.

Gibt es noch etwas, das Sie über Healx teilen möchten?

Das ist eine großartige Zeit, um in diesem Bereich zu sein, und es ist eine echte Ehre, mit diesen bahnbrechenden Technologien zu arbeiten, um einige der komplexesten Probleme zu lösen, die es gibt. Wir suchen ständig nach Menschen, die unsere Mission teilen und unserem Team beitreten möchten, und ich empfehle allen, die interessiert sind, unsere Stellenangebote zu überprüfen.

Wir haben auch einige aufregende Entwicklungen und Projekte in der Pipeline bei Healx, über die Sie sich auf unserer Website informieren können, und wir hoffen, bald mehr darüber teilen zu können.

Vielen Dank für das großartige Interview, ich freue mich darauf, die Fortschritte von Healx zu verfolgen, einem Unternehmen, das zweifellos einen positiven Einfluss auf viele Menschen haben wird. Leser, die mehr erfahren möchten, sollten Healx besuchen.