Covid-19 Open AI Consortium – Συνέντευξη με τον Owkin's Sanjay Budhdeo, MD, Business Development

Το Covid-19 Open AI Consortium (COAI) σκοπεύει να φέρει πρωτοποριακές ιατρικές ανακαλύψεις και ευρήματα που μπορούν να εφαρμοστούν στην καταπολέμηση της πανδημίας Covid-19.

Το COAI στοχεύει να αυξηθεί συνεργατική έρευνα, να επιταχύνει την κλινική ανάπτυξη αποτελεσματικών θεραπειών για τον Covid-19 και να μοιραστεί όλα τα ευρήματά του με την παγκόσμια ιατρική και επιστημονική κοινότητα. Η COAI θα ενώσει συνεργάτες: ακαδημαϊκά ιδρύματα, ερευνητές, επιστήμονες δεδομένων και βιομηχανικούς εταίρους, για την καταπολέμηση της πανδημίας Covid-19.

Αυτό θα είναι το πρώτα από τρεις συνεντεύξεις με τους κύριους ηγέτες πίσω από την COAI.

Σαντζάι Μπουντέο είναι ασκούμενος ιατρός. Είναι κάτοχος πτυχίων Ιατρικών Επιστημών και Ιατρικών από το Πανεπιστήμιο της Οξφόρδης και Μεταπτυχιακό από το Πανεπιστήμιο του Cambridge, καθώς και μέλος του Βασιλικού Κολλεγίου Ιατρών. Ο Sanjay έχει ερευνητική εμπειρία στη νευροαπεικόνιση, την επιδημιολογία και την ψηφιακή υγεία. Πριν από την ένταξή του στον Owkin ως Διευθυντής Συνεργασίας, ήταν Ανώτερος Συνεργάτης στο Boston Consulting Group, όπου επικεντρώθηκε στα δεδομένα και την ψηφιακή τεχνολογία στην υγειονομική περίθαλψη. Είναι μέλος της Επιτροπής Ασφάλειας Ασθενών στη Βασιλική Εταιρεία Ιατρικής και προηγουμένως ήταν ειδικός σύμβουλος στην Επιτροπή Ποιότητας Φροντίδας.

Τι ήταν αυτό που σας ενέπνευσε να συμμετάσχετε OWKIN?

Όταν ασκούσα το επάγγελμα του γιατρού, είδα πολλούς ασθενείς που είχαν παθήσεις που δεν μπορούσαμε να αντιμετωπίσουμε με φάρμακα, όπου μόνο τόσα πολλά μπορούσαμε να κάνουμε. Ως ερευνητής, απογοητεύτηκα από τις παραδοσιακές προσεγγίσεις στην ανάλυση, σε μια εποχή που υπήρχε πρόσβαση σε όλο και περισσότερα δεδομένα. Η προσπάθεια να γίνει η σύνδεση μεταξύ πεδίων που είχαν εξελιχθεί ξεχωριστά - όπως η επιδημιολογία και η απεικόνιση - αποδείχθηκε πραγματικά προκλητική. Η μηχανική μάθηση ήταν για μένα ένας τρόπος να συνδέσω τις κουκκίδες από τη δουλειά μου ως ερευνητής και ιατρός, έχοντας τη δυνατότητα να αντλήσω γνώσεις σε ατομικό επίπεδο που θα μπορούσαν να επηρεάσουν τη διάγνωση και τη θεραπεία για ολόκληρο τον πληθυσμό ασθενών.

Έχετε ερευνητική εμπειρία τόσο στην επιδημιολογία όσο και στην ψηφιακή υγεία. Θα μπορούσατε να μοιραστείτε μαζί μας μερικά από τα προηγούμενα έργα που έχετε δουλέψει;

Στην επιδημιολογία, εργάστηκα στην ομάδα γεννήσεων του Ηνωμένου Βασιλείου το 1946 — μια συναρπαστική μακροπρόθεσμη μελέτη που παρακολούθησε άτομα που γεννήθηκαν σε μία εβδομάδα κατά τη διάρκεια της ζωής τους. Σε ένα έργο, εξέτασα πότε αυτά τα άτομα άρχισαν να μαθαίνουν να κάθονται, να στέκονται και να περπατούν και είδα ότι αυτό συνδέθηκε με την ικανότητά τους να εκτελούν πιο περίπλοκες εργασίες αργότερα στη ζωή τους. Εξέτασα επίσης εάν οι λόγοι πίσω από αυτή τη συσχέτιση - υπήρχαν διαφορές στη γενετική ή στη δομή του εγκεφάλου; Στην ψηφιακή υγεία, η εστίασή μου ήταν στη διαλειτουργικότητα — τις συνδέσεις μεταξύ των ηλεκτρονικών ιατρικών αρχείων στα νοσοκομεία που επιτρέπουν την ανταλλαγή δεδομένων σχετικά με ασθενείς μεταξύ νοσοκομείων. Αυτό είναι πολύ σημαντικό για την άμεση κλινική φροντίδα, επομένως ένας γιατρός έχει μια πλήρη ιδέα για το τι σας συνέβη στο παρελθόν, αλλά είναι επίσης πολύ σημαντικό να ενεργοποιήσετε τη χρήση μοντέλων μηχανικής μάθησης στο κλινικό περιβάλλον.

Η OWKIN ηγείται μιας ερευνητικής συνεργασίας με γνώμονα την τεχνητή νοημοσύνη που ονομάζεται Κοινοπραξία Ανοιχτής ΤΝ COVID-19 (COAI). Θα μπορούσατε να περιγράψετε τι είναι αυτό το έργο;

Το COAI είναι η απάντηση του Owkin στις ανησυχίες που ακούσαμε από τα συνεργαζόμενα κλινικά και ακαδημαϊκά ιδρύματα. Είναι σαφές για εμάς ότι υπάρχουν σημαντικά κλινικά ερωτήματα που πρέπει να απαντηθούν για τον Covid-19 — για παράδειγμα, πώς μπορούμε να εντοπίσουμε ασθενείς που διατρέχουν κίνδυνο σοβαρής νόσου; Ποιες είναι οι πιθανές θεραπείες που θα μπορούσαν να δοκιμαστούν κατά των λοιμώξεων COVID-19; Στόχος μας είναι να αυξήσουμε τη συνεργατική έρευνα και να μοιραστούμε όλα τα ευρήματα με την παγκόσμια ιατρική και επιστημονική κοινότητα. Η COAI βασίζεται στα δυνατά σημεία των συνεργατών σε όλο τον χώρο της υγείας και της τεχνολογίας — συμπεριλαμβανομένων πανεπιστημίων, νοσοκομείων, νεοφυών επιχειρήσεων και βιοφαρμακευτικών εταιρειών. Δημιουργούμε συγκεκριμένους τομείς έρευνας και ο πρώτος τομέας που έχουμε ανακοινώσει είναι οι καρδιαγγειακές επιπλοκές σε ασθενείς με Covid-19, με πρόσθετους ερευνητικούς τομείς να κυκλοφορούν σύντομα.

Ένα από τα αρχικά έργα θα είναι η κατανόηση των καρδιαγγειακών επιπλοκών. Τι είδους πληροφορίες ελπίζουμε να αποκτήσουμε από το COAI;

Στόχος μας είναι να παράγουμε κλινικά χρήσιμες πληροφορίες σχετικά με τον κίνδυνο οξέων καρδιαγγειακών επιπλοκών από λοιμώξεις Covid-19. Εξερευνούμε αυτήν την ερώτηση από πολλές οπτικές γωνίες, χρησιμοποιώντας διαφορετικούς τύπους δεδομένων σε διαφορετικές χώρες. Είναι υπέροχο να συνεργάζεστε με διεθνώς κορυφαίους κλινικούς ερευνητές για να φτάσετε στην καρδιά αυτών των ερωτημάτων.

Η πρόβλεψη και ο χαρακτηρισμός των ανοσολογικών αποκρίσεων είναι μια άλλη πτυχή του COAI. Ποια είναι μερικά από τα σημεία δεδομένων που πιστεύετε ότι πρέπει να αναλυθούν για να κατανοήσουμε πλήρως γιατί ορισμένοι άνθρωποι είναι ικανοί να δημιουργήσουν μια ανοσολογική απόκριση, ενώ άλλοι χρειάζονται ιατρική βοήθεια;

Το αμυντικό σύστημα του σώματός μας είναι εκπληκτικά περίπλοκο και περίπλοκο. Υπάρχουν πολλοί τύποι κυττάρων που εμπλέκονται στην ανοσολογική μας απόκριση. Μερικά από τα κύτταρα καταπολεμούν άμεσα ξένους εισβολείς. Άλλα κύτταρα θα παράγουν προφλεγμονώδεις χημικές ουσίες που ονομάζονται κυτοκίνες, οι οποίες λειτουργούν ως σήματα υποδοχής για να στοχεύσουν την ανοσολογική απόκριση και να επισημαίνουν συγκεκριμένα κύτταρα για καταστροφή. Αυτό που μαθαίνουμε είναι ότι η ισορροπία συγκεκριμένων κυτοκινών – συμπεριλαμβανομένων των IFN1, IFN γάμμα και IL-10 – είναι πολύ σημαντική για τη μεσολάβηση αυτής της ανοσοαπόκρισης. Η μηχανική εκμάθηση μπορεί να είναι πολύ χρήσιμη για την εξέταση ενός πολύ πλούσιου συνόλου δεδομένων που περιέχει τα επίπεδα πολλών κυτοκινών και άλλων δεικτών αίματος και τη δημιουργία πληροφοριών για το ποιοι είναι οι βασικοί παίκτες εδώ, ενώ λαμβάνεται υπόψη η πολύπλοκη αλληλεπίδραση μεταξύ διαφορετικών παραγόντων.

Η κατανόηση του τρόπου αντιμετώπισης των ασθενών προκειμένου να επιτευχθεί το καλύτερο αποτέλεσμα για τον ασθενή, είναι ίσως ένα από τα πιο σημαντικά έργα που αναλαμβάνει η COAI. Ποια είναι κατά τη γνώμη σας τα πρώτα βήματα που πρέπει να γίνουν για να γίνει κατανοητό αυτό;

Ένα σημαντικό πρώτο βήμα είναι η διαστρωμάτωση κινδύνου. Θέλουμε να καταλάβουμε ποιοι ασθενείς διατρέχουν τον υψηλότερο κίνδυνο να εμφανίσουν σοβαρή νόσο — συμπεριλαμβανομένων των επιπλοκών των πνευμόνων όπως το σύνδρομο οξείας αναπνευστικής δυσχέρειας, οι καρδιακές επιπλοκές όπως η μυοκαρδίτιδα και άλλα επακόλουθα ειδικά για τα όργανα ή το σύστημα. Αυτή η ερώτηση διαστρωμάτωσης κινδύνου είναι σημαντική για διάφορους λόγους. Πρώτον, ως γιατρός μπορεί να θέλετε να παρακολουθείτε διαφορετικά έναν ασθενή εάν γνωρίζετε ότι διατρέχει υψηλότερο κίνδυνο συλλογών. Δεύτερον, ως νοσοκομείο, θέλετε να είστε σε θέση να προβλέψετε τη ζήτηση για εγκαταστάσεις εντατικής θεραπείας και να σχεδιάσετε σύμφωνα με αυτή τη ζήτηση. Τρίτον, εάν είστε ερευνητής ή εταιρεία βιοφαρμακευτικών προϊόντων, μπορείτε να συμπεριλάβετε αυτήν την υποομάδα ασθενών σε δοκιμές, να τους θεραπεύσετε έγκαιρα για να έχετε τη βέλτιστη ανταπόκριση στη φαρμακευτική αγωγή σας. Σε όλες αυτές τις περιπτώσεις, ο απώτερος στόχος μας είναι να βελτιώσουμε τα αποτελέσματα των ασθενών

Μπορείτε να εξηγήσετε γιατί η επιστήμη των δεδομένων είναι τόσο σημαντική για την καταπολέμηση του COVID-19;

Η επιστήμη των δεδομένων, με την ευρεία της έννοια, βρίσκεται στο επίκεντρο της μάχης κατά του COVID-19. Παραμένουν σημαντικά ερωτήματα σχετικά με τη μοντελοποίηση των ποσοστών μόλυνσης από τον COVID-19. Μπορούμε να χρησιμοποιήσουμε δεδομένα ασθενών από τον πραγματικό κόσμο για να εντοπίσουμε φάρμακα που θα μπορούσαν να επαναχρησιμοποιηθούν για τη θεραπεία ασθενών με COVID-19. Υπάρχει ένας απίστευτος όγκος πληροφοριών που ανακαλύπτουμε για τον ιό που θα μας βοηθήσουν να σχεδιάσουμε καλύτερα ένα εμβόλιο. Υπάρχουν τόσα πολλά που δεν γνωρίζουμε για τον ιό, συμπεριλαμβανομένου του τρόπου με τον οποίο επηρεάζει τους ανθρώπους και μαθαίνουμε όλο και περισσότερα χάρη σε πολλές ποικιλίες δεδομένων – βιοχημικών, γενετικών, κλινικών και από κινητά τηλέφωνα.

Ποιες πιστεύετε ότι είναι μερικές από τις πληροφορίες που μπορούμε να μάθουμε από την τεχνητή νοημοσύνη που αναλύει αυτά τα δεδομένα;

Για μένα, το γλυκό σημείο της τεχνητής νοημοσύνης είναι πραγματικά η βοήθεια στην εξαγωγή συμπερασμάτων σε επίπεδο ατόμου από δεδομένα σε επίπεδο πληθυσμού. Μπορούμε να σκεφτούμε ποιοι ασθενείς θα μπορούσαν να ωφεληθούν από ποιες θεραπείες για την καταπολέμηση της λοίμωξης COVID-19 ή να βοηθήσουμε να προβλέψουμε ποιες περιοχές μπορεί να γίνουν τοπικά hotspot για τη μόλυνση COVID-19. Υπάρχει επίσης μεγάλη δραστηριότητα στον χώρο της ανακάλυψης, τόσο από την άποψη των πιθανών φαρμάκων, όσο και για τα υποψήφια εμβόλια. Το AI μπορεί πραγματικά να μας βοηθήσει να προσφέρουμε νέες βιολογικές γνώσεις πολύ πιο γρήγορα.

Ποιος θα πρέπει να συμμετάσχει στο έργο COVID-19 Open AI Consortium;

Μιλάμε με αρκετούς παίκτες εντός και εκτός του χώρου υγειονομικής περίθαλψης. Αυτό περιλαμβάνει νοσοκομεία, πανεπιστήμια και φαρμακευτικές εταιρείες, αλλά και άλλες νεοφυείς επιχειρήσεις, ΜΚΟ και οργανώσεις πολιτικής. Είμαστε ιδιαίτερα ενθουσιασμένοι που ακούμε από κλινικούς γιατρούς που έχουν συγκεντρώσει δεδομένα και θα ήθελαν βοήθεια με την ανάλυση.

Υπάρχει κάτι άλλο που θα θέλατε να μοιραστείτε είτε για το έργο COAI είτε για το COVID-19;

Είμαι πραγματικά ενθουσιασμένος που μοιράζομαι αυτήν την πρωτοβουλία μαζί σας! Εάν θέλετε να συνεργαστούμε, θα χαρούμε να συζητήσουμε — επικοινωνήστε στο [προστασία μέσω email]

Ευχαριστώ για τη φανταστική συνέντευξη. Οι αναγνώστες που επιθυμούν να μάθουν περισσότερα, μπορείτε να διαβάσετε το άρθρο μας που περιγράφει το έργο COAI.

Η δεύτερη συνέντευξη αυτής της σειράς ήταν με Δρ. Stephen Weng, Κύριος Ερευνητής.

Η τρίτη συνέντευξη αυτής της σειράς ήταν με Folkert W. Asselbergs, Κύριος Ερευνητής

Μπορείτε επίσης να επισκεφτείτε τον ιστότοπο Covid-19 Open AI Consortium.