Owkin startet das kollaborative COVID-19-Open-AI-Konsortium (COAI)

Nach einer frischen Finanzierungsrunde hat Owkin kürzlich das Covid-19-Open-AI-Konsortium (COAI) ins Leben gerufen. Dieses Konsortium ermöglicht fortschrittliche kollaborative Forschung und beschleunigt die klinische Entwicklung wirksamer Behandlungen für Patienten, die mit COVID-19 infiziert sind.

Die erste Phase des Projekts konzentriert sich auf das vollständige Verständnis und die Behandlung von kardiovaskulären Komplikationen bei COVID-19-Patienten, dies wird in Zusammenarbeit mit CAPACITY durchgeführt, einem internationalen Register, das mit über 50 Zentren auf der ganzen Welt zusammenarbeitet. Weitere Forschungsbereiche umfassen Patientenergebnisse und Triage sowie die Vorhersage und Charakterisierung der Immunantwort.

Owkins Manifest erklärt das Unternehmenssichtbild wie folgt:

“Wir sind in diesem neuen Bereich voll engagiert, mit dem Ziel, die Arzneimittelentwicklung und Patientenergebnisse zu verbessern. Gegründet im Jahr 2016, ist Owkin schnell zu einem Leader in der Einführung von künstlicher Intelligenz (KI) und Machine-Learning-Technologien (ML) in die Gesundheitsbranche geworden. Unsere Lösungen verbessern das traditionelle medizinische Forschungsparadigma, indem sie ein zuvor abgekapseltes, unzusammenhängendes System in ein innovatives und kollaboratives System umwandeln, das vor allem die Privatsphäre der Patienten in den Vordergrund stellt.”

Föderales Lernen

Um das Modell zu verstehen, das Owkin einsetzt, muss man eine neue Technologie verstehen, die als Föderales Lernen bezeichnet wird. Föderales Lernen bietet einen Rahmen für die KI-Entwicklung, der es Unternehmen ermöglicht, Machine-Learning-Modelle auf Daten zu trainieren, die auf große Skala über mehrere medizinische Einrichtungen verteilt sind, ohne die Daten zu zentralisieren. Die Vorteile sind zweifach, es gibt keinen Verlust der Privatsphäre, da die Daten nicht direkt mit einem bestimmten Patienten verknüpft sind, und die Daten werden in der medizinischen Einrichtung aufbewahrt, die diese Daten sammelt.

Die Verwendung von Föderalem Lernen ermöglicht es daher, auf ein wesentlich breiteres Datenangebot zuzugreifen, als es ein einzelnes Unternehmen in-house hat. Was dies bedeutet, ist, dass Forscher durch die Verwendung von Föderalem Lernen auf so viele Daten zugreifen können, wie verfügbar sind, und je mehr Big-Data-Systeme ein Machine-Learning-System hat, desto genauer wird die KI.

Es gibt derzeit mehrere nationale Bemühungen, um AI zu nutzen, um COVID-19 zu bekämpfen. Das Problem mit vielen dieser nationalen, unzusammenhängenden Bemühungen ist, dass die Daten auf ein bestimmtes Land beschränkt sind. Die Sammlung von Daten aus einer einzigen Region kann wichtige Informationen nicht offenbaren, die es Forschern ermöglichen würden, vollständig zu verstehen, wie die Exposition gegenüber Umweltfaktoren, ethnischer Zusammensetzung, Genetik, Alter und Geschlecht wichtige Rollen bei der Erforschung dieser Krankheit spielen. Dies ist der Grund, warum die Zusammenarbeit so wichtig ist und warum die Sammlung von Daten aus mehreren Rechtsordnungen noch wichtiger ist.

Wie von Owkin beschrieben, möchten sie Föderales Lernen für die folgenden Zwecke nutzen:

“Wir zielen darauf ab, ihnen zu helfen, zu verstehen, warum die Wirksamkeit von Medikamenten von Patient zu Patient variiert, den Medikamentenentwicklungsprozess zu verbessern und das beste Medikament für den richtigen Patienten zur richtigen Zeit zu identifizieren, um die Behandlungsergebnisse zu verbessern.”

Das Verständnis und die Behandlung von kardiovaskulären Gesundheitsproblemen werden die erste Herausforderung sein, die Owkin in Angriff nimmt. So wichtig die Daten sind, sind die Bemühungen der Forscher und Mitwirkenden, die diese Anstrengung vorantreiben, noch wichtiger. Dies ist der Grund, warum Unite.AI drei Interviews mit Forschern veröffentlichen wird, die zum COAI-Projekt beitragen.

Die Interviews

Sanjay Budhdeo, MD, Business Development:

Sanjay ist ein praktizierender Arzt. Er hat Abschlüsse in Medizinwissenschaften und Medizin von der Universität Oxford und einen Master-Abschluss von der Universität Cambridge. Sanjay hat Erfahrungen in der Neurobildgebung, Epidemiologie und digitalen Gesundheit. Bevor er zu Owkin als Partnership-Manager kam, war er Senior Associate bei Boston Consulting Group, wo er sich auf Daten und Digitalisierung im Gesundheitswesen konzentrierte. Er ist Mitglied des Patientensicherheitsausschusses der Royal Society of Medicine und war zuvor Specialist Advisor bei der Care Quality Commission.

Hier klicken, um das Interview mit Sanjay zu lesen.

Dr. Stephen Weng, Principal Researcher:

Stephen ist Assistant Professor für integrierte Epidemiologie und Data Science, der die Datenwissenschaftsforschung innerhalb der Primary Care Stratified Medicine Research Group leitet.

Er kombiniert traditionelle epidemiologische Methoden und Studienentwürfe mit neuen informatics-basierten Ansätzen, indem er “Big Health Care Data” aus elektronischen Patientenakten für die Zwecke der Risikovorhersage, Phänotypisierung chronischer Krankheiten, Datenwissenschaftsmethodenforschung und Übersetzung von stratifizierter Medizin in die Primärversorgung nutzt und analysiert.

Hier klicken, um das Interview mit Stephen zu lesen.

Folkert W. Asselbergs, Principal Investigator

Folkert ist Professor für Präzisionsmedizin in kardiovaskulären Erkrankungen am Institute of Cardiovascular Science, UCL, Direktor der NIHR BRC Clinical Research Informatics Unit am UCLH, Professor für kardiovaskuläre Genetik und Kardiologe am Department of Cardiology, University Medical Center Utrecht, und Chief Scientific Officer des Durrer Center for Cardiovascular Research, Netherlands Heart Institute. Prof. Asselbergs hat über 275 wissenschaftliche Arbeiten veröffentlicht und Förderungen von der leDucq-Stiftung, der britischen und niederländischen Herzstiftung, der EU (FP7, ERA-CVD, IMI, BBMRI) und dem National Institutes of Health erhalten.

Hier klicken, um das Interview mit Folkert zu lesen.

Unsere Hoffnung

Die Hoffnung von Unite.AI ist, dass durch die Verwendung von biomedizinischen Bildern, Genomik und klinischen Daten, um Biomarker und Mechanismen zu entdecken, die mit Krankheiten und Behandlungsergebnissen assoziiert sind, dies die nächste Generation von Behandlungen vorantreiben wird, um COVID-19 zu bekämpfen. Wir tragen zu diesem wichtigen Projekt bei, indem wir die Persönlichkeiten hinter diesem wichtigen globalen Anstrengung hervorheben.