Ανδρέας Γουότσον, Αντιπρόεδρος του Τμήματος AI και Ε&Α στην Healx – Συνέντευξη Σειράς

Ο Ανδρέας Γουότσον είναι Αντιπρόεδρος του Τμήματος AI και Ε&Α στην Healx.

Η Healx είναι μια τεχνολογική εταιρεία που βασίζεται στην τεχνητή νοημοσύνη και εμπνέεται από τους ασθενείς, αφιερωμένη στην βοήθεια ασθενών με σπάνιες ασθένειες σε όλο τον κόσμο να έχουν πρόσβαση σε θεραπείες που βελτιώνουν την ποιότητα ζωής. Υπάρχουν 7.000 γνωστές σπάνιες ασθένειες που επηρεάζουν 400 εκατομμύρια ανθρώπους σε όλο τον κόσμο, αλλά μόνο το 5% αυτών των καταστάσεων έχει εγκεκριμένες θεραπείες. Η Healx χρησιμοποιεί την τεχνητή νοημοσύνη (AI) για την αναγνώριση νέων θεραπειών για σπάνιες ασθένειες από υπάρχουσες ουσίες και την προώθησή τους προς τους ασθενείς που τις χρειάζονται. Η καινοτόμος προσέγγισή τους σημαίνει ότι μπορούν να επιταχύνουν το ρυθμό, να αυξήσουν την κλίμακα και να βελτιώσουν τις πιθανότητες επιτυχίας της ανάπτυξης θεραπειών για σπάνιες ασθένειες.

Τι σας έκανε να ενδιαφερθείτε αρχικά για το πεδίο της μηχανικής μάθησης;

Η πρώτη μου επαφή με τη μηχανική μάθηση ήταν κατά τη διάρκεια eines μαθήματος για «Εξελικτικές Αλγόριθμους» κατά τη διάρκεια του πρώτου μου πτυχίου στο Πανεπιστήμιο του Έξετερ. Μάθαμε να προγραμματίζουμε einen αλγόριθμο που σχεδίαζε δύο-διάστατους παιχνίδια, ξεκινώντας από μια τυχαία συλλογή τροχών και συστατικών, πριν αξιολογήσουμε την απόδοσή τους και επαναλάβουμε για να δημιουργήσουμε επόμενες γενιές που εκτελούσαν καλύτερα και καλύτερα έναντι ενός μέτρου που ορίσαμε. Ήμουν ενθουσιασμένος που το λογισμικό μπορούσε να εκτελέσει χιλιάδες επαναλήψεις σχεδιασμού χωρίς ανθρώπινη παρέμβαση και από τότε, επιχείρησα να αυτοματοποιήσω απόλυτα τα πάντα! Αυτή η εξελικτική προσέγγιση ήταν η ίδια που χρησιμοποιούσε η NASA για να σχεδιάσει την ST5 κεραία που μοιάζει με τίποτα που θα είχε δημιουργήσει ένας ανθρώπινος εμπειρογνώμονας.

Έχετε πάντα ενδιαφερθεί να εφαρμόσετε τεχνικές μηχανικής μάθησης και AI σε δύσκολα προβλήματα, ποια ήταν κάποια από αυτά τα προβλήματα που αντιμετωπίσατε πριν ενταχθείτε στην Healx;

Έχω την τύχη να έχω την ευκαιρία να εφαρμόσω τη μηχανική μάθηση και την AI σε διάφορους контекστους, από τη διατάραξη των τρομοκρατών, στην αναγνώριση και μείωση του υπολογιστικού ιού, μέχρι, αμέσως πριν την Healx, την συνδυασμένη χρήση της AI με μια βαθιά κατανόηση της συμπεριφοράς του χρήστη για τη δημιουργία έξυπνων μηχανών για χρήση στο σπίτι και πέρα από αυτό στο Dyson.

Είναι εύκολο για την AI να γίνει ένα γκίμικ, αλλά ο στόχος μου ήταν πάντα να βρω σημαντικές εφαρμογές, είτε αυτό σημαίνει να εξάγουμε νόημα από τεράστιες ποσότητες πληροφοριών είτε να μειώσουμε το γνωστικό φορτίο του χρήστη μέσω συστημάτων υποστήριξης αποφάσεων. Η αποστολή μας στην Healx είναι να εργαστούμε σε ένα από τα μεγαλύτερα προβλήματα, ακριβώς στο σημείο τομής μεταξύ της AI και της ανθρώπινης βιολογίας, για να βοηθήσουμε κάποιους από τους ανθρώπους που το χρειάζονται περισσότερο: αυτούς με σπάνιες ασθένειες.

Τι είναι κάποια από τις τρέχουσες ευθύνες σας στην Healx;

Επιβλέπω την ομάδα Ε&Α, η οποία είναι τελικά υπεύθυνη για την παροχή προβλέψεων φαρμάκων στην ομάδα μας Preclinical στην Healx. Το κάνουμε αυτό κατανοώντας και την υποκείμενη βιολογία της ασθένειας που εργαζόμαστε και τον τρόπο δράσης των πιθανών φαρμάκων που θα μπορούσαν να τη θεραπεύσουν, όλα αυτά εκτελώντας πάνω στην ιδιοκτησιακή μας πλατφόρμα AI, Healnet.

Το Healnet αναλύει δεδομένα φαρμάκων και ασθενειών από βιοϊατρική έρευνα, επιστημονική βιβλιογραφία, έμπνευση ασθενών και τις δικές μας πηγές για να σχηματίσει ένα γράφο γνώσεων για σπάνιες ασθένειες. Στη συνέχεια, χρησιμοποιούμε προηγμένα μοντέλα AI και NLP για να εξορύξουμε αυτόν τον γράφο και να βρούμε νέες ευκαιρίες για να αναπτύξουμε, να συνδυάσουμε και ακόμη και να βελτιώσουμε μόρια φαρμάκων για να θεραπεύσουμε μια κατάσταση.

Μπορείτε να συζητήσετε κάποια από τις τεχνολογίες μηχανικής μάθησης που χρησιμοποιούνται από την πλατφόρμα ανακάλυψης φαρμάκων Healnet για την αναγνώριση νέων θεραπειών για σπάνιες ασθένειες από φάρμακα που ήδη υπάρχουν;

Βέβαια! Η Healx χρησιμοποιεί μια σειρά από μεθόδους AI και NLP για να ανακαλύψει μη προφανείς σχέσεις μεταξύ ασθένειας και ουσίας με την υψηλότερη πιθανότητα επιτυχίας.

Μια από τις πιο συχνές μεθόδους μας είναι η Disease-Gene Expression Matching, ή DGEM. Αυτή η μέθοδος συγκρίνει το προφίλ γονιδιακής έκφρασης για μια συγκεκριμένη ασθένεια με προφίλ γονιδιακής έκφρασης από τη βάση δεδομένων φαρμάκων της Healx, η οποία περιέχει χιλιάδες υπογραφές φαρμάκων από δημόσιες και ιδιωτικές πηγές και καλύπτει eine σειρά από φαρμακολογικές κατηγορίες, συμπεριλαμβανομένων μιας μίξης από εγκεκριμένα και ερευνητικά φάρμακα. Η DGEM προβλέπει ποια φάρμακα θα είναι πιθανότατα αποτελεσματικές θεραπείες με βάση τα πιο διαφορετικά εκφρασμένα γονίδια στα προφίλ γονιδιακής έκφρασης. Η μέθοδος λειτουργεί με την υπόθεση ότι ένα φαρμακευτικό μηχανισμό με τον αντίθετο μηχανισμό από μια ασθένεια θα ήταν ένας ισχυρός υποψήφιος για μια αποτελεσματική θεραπεία. Χρησιμοποιήσαμε αυτή τη μέθοδο για να βρούμε τα φάρμακα που ερευνήσαμε ως μέρος της δοκιμής μας IMPACT-FXS για το σύνδρομο Fragile X – την πρώτη γενετική αιτία μαθησιακών δυσκολιών.

Μια άλλη μέθοδος είναι η Prediction of Repurposed Indications with Similarity Matrices (PRISM), η οποία χρησιμοποιεί την αρχή ότι αν ένα φάρμακο θεραπεύει μια συγκεκριμένη ασθένεια, τότε ένα παρόμοιο φάρμακο μπορεί να θεραπεύσει μια παρόμοια ασθένεια. Για να καθορίσει τη συγγένεια των φαρμάκων, η PRISM λαμβάνει υπόψη τους στόχους πρωτεϊνών, τη δομική ομοιότητα και τις παρενέργειες, και για να καθορίσει τη συγγένεια των ασθενειών, η PRISM λαμβάνει υπόψη τους στόχους γονιδίων, την οντολογική δομή και τα φαινότυπα. Ένα αλγόριθμο μηχανικής μάθησης χρησιμοποιείται στη συνέχεια για να συνδυάσει αυτές τις ομοιότητες και να προβλέψει νέες θεραπευτικές εφαρμογές.

Έχουμε αναπτύξει πάνω από 10 μονάδες πρόβλεψης μονοθεραπείας και συνδυασμού θεραπείας για να ανακαλύψουμε περισσότερες νέες θεραπευτικές ευκαιρίες για σπάνιες καταστάσεις και, κρίσιμο, αυτά τα μοντέλα έχουν εκπαιδευτεί για να ανακαλύψουν νέες βιολογικές διαδικασίες και τρόπους δράσης, χωρίς να περιορίζονται σε ένα μόνο βιολογικό στόχο (που είναι κάτι που είναι πρόβλημα με τις παραδοσιακές μεθόδους ανακάλυψης φαρμάκων).

Μόλις ένα φάρμακο αναγνωριστεί ως πιθανός υποψήφιος, πώς αποφασίζεται να προχωρήσει σε κλινικές δοκιμές;

Χάρη στους αλγόριθμους AI και τις ιδιοκτησιακές μας πηγές δεδομένων, μπορούμε να μειώσουμε μια λίστα από περίπου 15.000 πιθανών φαρμάκων σε 100 ή περίπου πιθανές θεραπευτικές θεραπείες.

Μόλις έχουμε αυτή τη λίστα, την μεταβιβάζουμε στην ομάδα μας Preclinical – που αποτελείται από εμπειρογνώμονες φαρμακολόγους και εμπειρογνώμονες ανακάλυψης φαρμάκων – οι οποίοι εφαρμόζουν την σημαντική επιστημονική και ιατρική γνώση τους για την ασθένεια και τα φάρμακα για να αναθεωρήσουν τις προβλέψεις και να επιλέξουν τα πιο πιθανά φαρμακευτικά υποψήφια για τη θεραπεία μιας συγκεκριμένης ασθένειας. Επίσης, παρέχουμε στην ομάδα Preclinical την AI-γενημένη αιτιολόγηση που υποστηρίζει τις προβλέψεις, εξηγώντας γιατί μια ένωση που μπορεί να φαίνεται ανορθόδοξη στην πρώτη ματιά αξίζει της προσοχής τους.

Μόλις έχουν μειώσει τη λίστα και πάλι σε περίπου 10-20 υποψήφιους, αυτά τα φάρμακα προχωρούν σε προκλινική επαλήθευση, η οποία περιλαμβάνει τη δοκιμή ενός φαρμάκου σε κυτταροκαλλιέργειες και μοντέλα πριν δοκιμαστεί σε ανθρώπους κατά τη φάση κλινικής δοκιμής. Αυτές οι μελέτες θα αποκαλύψουν αν ένα φάρμακο θα είναι πιθανότατα αποτελεσματικό, ασφαλές και θα αποκαλύψουν τυχόν παρενέργειες που μπορεί να έχει. Επίσης, αποφασίζουν ποια φάρμακα μπορούν να συνδυαστούν ή να ενισχυθούν για μια πιο αποτελεσματική θεραπεία.

Μπορείτε να εξηγήσετε τι είναι το σύνδρομο Fragile X και κάποιες από τις πρόσφατες επιτυχίες στην ανακάλυψη πιθανών φαρμακευτικών υποψηφίων;

Το σύνδρομο Fragile X είναι μια σπάνια νευροαναπτυξιακή κατάσταση που προκαλεί μια σειρά από πνευματικές και γνωστικές ελλείψεις. Επηρεάζει περίπου 1 στα 4.000 άρρενες και 1 στα 8.000 θήλεις – αλλά δεν υπάρχουν τώρα αποτελεσματικές ή εγκεκριμένες θεραπείες για αυτή την κατάσταση.

Ο στόχος της Healx είναι να αλλάξει αυτό, προσπαθώντας να φέρει τουλάχιστον μια νέα και αποτελεσματική συνδυαστική θεραπεία για την κατάσταση στην αγορά μέσα στα επόμενα χρόνια.

Έχουμε κάνει φανταστική πρόοδο σε αυτόν τον στόχο μέχρι τώρα και έχουμε ανακαλύψει πολλαπλούς υποψήφιους για την κατάσταση μέσω των μεθόδων μας AI και ομικών αναγνώρισης φαρμάκων (συμπεριλαμβανομένης της DGEM, που ανέφερα νωρίτερα). Το HLX-0201, το οποίο αρχικά εγκρίθηκε ως μη στεροειδές αντιφλεγμονώδες φάρμακο, είναι ο πιο υποσχόμενος υποψήφιος μας και, ενθουσιαστικά, έχουμε τώρα λάβει έγκριση για τη διεξαγωγή της φάσης 2α κλινικής μελέτης της ουσίας μαζί με το HLX-0206, το οποίο αναγνωρίστηκε ως πιθανός συνδυαστικός партνέρης χρησιμοποιώντας τις ιδιοκτησιακές μεθόδους πρόβλεψης συνδυασμού της Healx.

Η μελέτη IMPACT-FXS είναι τώρα σε εξέλιξη σε πολλές τοποθεσίες στις Ηνωμένες Πολιτείες, το οποίο είναι πραγματικά ενθουσιαστικό, και ελπίζουμε να έχουμε περισσότερα να μοιραστούμε γι’ αυτό σύντομα!

Αξίζει να αναφερθεί, επίσης, ότι καθ’ όλη τη διάρκεια αυτού του έργου, η Healx συνεργάστηκε στενά με το Ιδρυμα FRAXA Research, một ηγετική ερευνητική και υποστηρικτική οργάνωση για το σύνδρομο Fragile X στις Ηνωμένες Πολιτείες, και άλλες οργανώσεις για να μας βοηθήσουν να κατανοήσουμε περισσότερα για την κατάσταση και να έχουμε πρόσβαση σε προκλινικά δεδομένα και μοντέλα που μας επέτρεψαν να προχωρήσουμε γρήγορα τις προβλέψεις μας στη κλινική μελέτη.

Τι φαντάζεστε για το μέλλον της AI στην στοχεύωση σπάνιων ασθενειών;

Νομίζω ότι υπάρχει η δυνατότητα να δούμε την AI και άλλες τεχνολογίες στο σύνολό τους να αναπτύσσονται σε όλη τη διαδικασία ανακάλυψης και ανάπτυξης φαρμάκων, βοηθώντας να υπερβεί κάποια από τα συμβατικά προβλήματα γύρω από χρόνο, κόστος και ρίσκο.

Βλέπουμε ήδη μια επέκταση εταιρειών στο ευρύτερο χώρο της ανακάλυψης φαρμάκων που χρησιμοποιούν την AI για να κάνουν τα πάντα, από την ανάλυση δεδομένων ασθένειας και την καθιέρωση βιοδείκτων, μέχρι τη σύνθεση πρωτεϊνών και το σχεδιασμό νέων φαρμάκων, μέχρι την ανάλυση πραγματικών δεδομένων και τη διεξαγωγή κλινικών δοκιμών με τη στήριξη «ψηφιακών διδύμων».

Όλα αυτά θα είναι cựcτικά ωφέλιμα για την ανακάλυψη θεραπειών για σπάνιες ασθένειες, όπου υπάρχουν εμπόδια γύρω από την έλλειψη σχετικών γνώσεων για την ασθένεια ή τον μικρό αριθμό ασθενών. Η NLP μπορεί να βοηθήσει να γεμίσει τα κενά στην κατανόηση με τη συσσώρευση ενημερωμένων δεδομένων, ενώ η ML μπορεί να προβλέψει ποια υπάρχοντα θεραπείες μπορούν να αναπτυχθούν ξανά και γιατί. Ίσως το πιο ενθουσιαστικό, όμως, είναι ότι η AI μπορεί να μας παρέχει την αυτοματοποίηση που χρειαζόμαστε για να βρούμε και να αναπτύξουμε θεραπείες σε κλίμακα. Και καθώς η υπολογιστική ισχύς και οι προόδους στην AI αυξάνονται, μπορούμε να την αυξήσουμε γρήγορα.

Υπάρχει κάτι άλλο που θα ήθελε να μοιραστείτε σχετικά με την Healx;

Αυτή είναι μια πραγματικά υπέροχη στιγμή για να βρίσκεστε σε αυτόν τον χώρο, και είναι μια πραγματική τιμή να εργάζεστε με αυτές τις προηγμένες τεχνολογίες για να λύσετε κάποια από τα πιο σύνθετα προβλήματα που υπάρχουν. Είμαστε πάντα στην αναζήτηση ανθρώπων που είναι παθιασμένοι με την αποστολή μας να ενταχθούν στην ομάδα, και σας συνιστώ highly να ελέγξετε τις εγκαταστάσεις μας.

Επίσης, έχουμε κάποιες ενθουσιαστικές εξελίξεις και έργα στην.pipeline της Healx, τα οποία μπορείτε να μείνετε ενημερωμένοι μέσω του ιστότοπου μας, και ελπίζουμε να μπορέσουμε να μοιραστούμε κάποια από αυτά μαζί σας σύντομα.

Ευχαριστώ για τη μεγάλη συνέντευξη, αναμένω να ακολουθήσω την πρόοδο της Healx, μια εταιρεία που θα έχει σίγουρα θετική επίδραση σε πολλούς. Οι αναγνώστες που επιθυμούν να μάθουν περισσότερα πρέπει να επισκεφθούν την Healx.