COVID-19 Open AI Consortium – Συνέντευξη με τον Sanjay Budhdeo, MD, Διευθυντή Ανάπτυξης Επιχειρήσεων της Owkin

Το COVID-19 Open AI Consortium (COAI) έχει ως στόχο να φέρει επαναστατικές ιατρικές ανακαλύψεις και δράσιμα ευρήματα στον αγώνα κατά της πανδημίας του COVID-19.

Το COAI στοχεύει στην αύξηση της συνεργατικής έρευνας, στην επιτάχυνση της κλινικής ανάπτυξης αποτελεσματικών θεραπειών για το COVID-19 και στη διαμοίραση όλων των ευρημάτων με τη διεθνή ιατρική και επιστημονική κοινότητα. Το COAI θα ενωθεί με συνεργάτες: ακαδημαϊκές ιδρύματα, ερευνητές, επιστήμονες δεδομένων και βιομηχανικούς συνεργάτες, για να πολεμήσουν την πανδημία του COVID-19.

Αυτή θα είναι η πρώτη από τρεις συνεντεύξεις με τους βασικούς ηγέτες πίσω από το COAI.

Sanjay Budhdeo είναι ιατρός. Κατέχει πτυχία Ιατρικών Επιστημών και Ιατρικής από το Πανεπιστήμιο της Οξφόρδης και μεταπτυχιακό τίτλο από το Πανεπιστήμιο του Κέιμπριτζ, καθώς και μέλος του Βασιλικού Κολλεγίου Ιατρών. Ο Sanjay έχει εμπειρία έρευνας σε νευροεικόνα, επιδημιολογία και ψηφιακή υγεία. Πριν ενταχθεί στην Owkin ως Διευθυντής Συνεργασιών, ήταν Ανώτερος Συνεργάτης στη Boston Consulting Group, όπου εστίασε στα δεδομένα και την ψηφιακή τεχνολογία στην υγεία. Κατέχει θέση στο Συμβούλιο Ασφάλειας των Ασθενών στο Βασιλικό Ιατρικό Συμβούλιο και ήταν προηγουμένως Ειδικός Σύμβουλος στη Επιτροπή Ποιότητας Φροντίδας.

Τι ήταν αυτό που σας έκανε να ενταχθείτε στην OWKIN;

Όταν ασκούσα ως γιατρός, είδα πολλούς ασθενείς που είχαν καταστάσεις που δεν μπορούσαμε να τις θεραπεύσουμε με φάρμακα, όπου υπήρχε μόνο τόσο που μπορούσαμε να κάνουμε. Jako ερευνητής, ήταν δυσαρεστημένος με τις παραδοσιακές προσεγγίσεις της ανάλυσης, σε μια εποχή που υπήρχε πρόσβαση σε όλο και περισσότερα δεδομένα. Η προσπάθεια να κάνουμε τη σύνδεση μεταξύ πεδίων που είχαν εξελιχθεί ξεχωριστά — όπως η επιδημιολογία και η εικόνα – αποδείχθηκε πραγματικά δύσκολο. Η μηχανική μάθηση ήταν για μένα ένας τρόπος να συνδέσω τα σημεία από τη δουλειά μου ως ερευνητή και γιατρό,能够 να εξαγάγω ατομικές ενημερώσεις που θα μπορούσαν να επηρεάσουν τη διάγνωση και τη θεραπεία για όλη την πληθυσμιακή ομάδα.

Έχετε εμπειρία έρευνας και στην επιδημιολογία και την ψηφιακή υγεία. Μπορείτε να μοιραστείτε μαζί μας κάποια από τα προηγούμενα έργα στα οποία εργάστηκα;

Στην επιδημιολογία, εργάστηκα στο βρετανικό birth cohort του 1946 — μια φασκινující μακροχρόνια μελέτη που έχει παρακολουθήσει τους υποκειμένους που γεννήθηκαν σε μια einz semaine κατά τη διάρκεια της ζωής τους. Σε ένα έργο, έψαξα πότε αυτοί οι υποκείμενοι άρχισαν να μαθαίνουν να καθίσουν, να στέκονται και να περπατούν, και είδα ότι αυτό ήταν συσχετισμένο με την ικανότητά τους να εκτελέσουν πιο σύνθετες εργασίες αργότερα στη ζωή. Επίσης, έψαξα τους λόγους πίσω από αυτή τη συσχέτιση — ήταν διαφορές στη γενετική ή στη δομή του εγκεφάλου; Στην ψηφιακή υγεία, ο στόχος μου ήταν η διαλειτουργικότητα — οι συνδέσεις μεταξύ ηλεκτρονικών ιατρικών αρχείων σε νοσοκομεία που ermögουν τη διαμοίραση δεδομένων για τους ασθενείς μεταξύ νοσοκομείων. Αυτό είναι πραγματικά σημαντικό για την άμεση κλινική φροντίδα, ώστε ένας γιατρός να έχει μια πλήρη ιδέα για το τι έχει συμβεί πριν, αλλά είναι επίσης πραγματικά σημαντικό για να ermögουν τη χρήση μοντέλων μηχανικής μάθησης στη κλινική ρύθμιση.

Η OWKIN είναι στην πρώτη γραμμή μιας έρευνας που οδηγείται από την AI, που ονομάζεται COVID-19 Open AI Consortium (COAI). Μπορείτε να περιγράψετε αυτό το έργο;

Το COAI είναι η απάντηση της Owkin στις ανησυχίες που abbiamo ακούσει από τα κλινικά και ακαδημαϊκά ιδρύματα μας. Είναι σαφές ότι υπάρχουν σημαντικά κλινικά ερωτήματα που πρέπει να απαντηθούν για το COVID-19 — για παράδειγμα, πώς μπορούμε να αναγνωρίσουμε τους ασθενείς που είναι σε κίνδυνο σοβαρής νόσου; Ποίες είναι οι πιθανές θεραπείες που θα μπορούσαν να δοκιμαστούν ενάντια στις λοιμώξεις COVID-19; Ο στόχος μας είναι να αυξήσουμε τη συνεργατική έρευνα και να διαμοιράσουμε όλα τα ευρήματά μας με τη διεθνή ιατρική και επιστημονική κοινότητα. Το COAI βασίζεται στις δυνάμεις των συνεργατών μας στο χώρο της υγείας και της τεχνολογίας — συμπεριλαμβανομένων πανεπιστημίων, νοσοκομείων, startups και βιοφαρμακευτικών εταιρειών. Δημιουργούμε συγκεκριμένες ερευνητικές περιοχές, και η πρώτη περιοχή που abbiamo ανακοινώσει είναι στις καρδιακές επιπλοκές στους ασθενείς με COVID-19, με πρόσθετες ερευνητικές περιοχές που θα ακολουθήσουν σύντομα.

Μια από τις αρχικές εργασίες θα είναι η κατανόηση των καρδιακών επιπλοκών. Ποια είναι τα είδη των ενημερώσεων που ελπίζουμε να αποκτήσουμε από το COAI;

Ο στόχος μας είναι να παράγουμε κλινικά χρήσιμες πληροφορίες σχετικά με τον κίνδυνο οξέων καρδιακών επιπλοκών από τις λοιμώξεις COVID-19. Ερευνώ αυτή τη Frage από πολλές οπτικές, χρησιμοποιώντας διαφορετικά είδη δεδομένων σε διαφορετικές χώρες. Είναι υπέροχο να εργαζόμαστε με διεθνώς ηγετικούς κλινικούς ερευνητές για να φτάσουμε στο κέντρο αυτών των ερωτημάτων.

Η πρόβλεψη και η χαρακτηριστική των ανοσοαπόκρισεων είναι ένα άλλο μέρος του COAI. Ποια είναι κάποια από τα δεδομένα που πιστεύετε ότι πρέπει να αναλυθούν για να κατανοήσουμε πλήρως γιατί κάποιοι άνθρωποι είναι ικανοί να κατασκευάσουν μια ανοσοαπόκριση, ενώ άλλοι απαιτούν ιατρική βοήθεια;

Το σύστημα άμυνας του σώματός μας είναι απίστευτα σύνθετο και περίπλοκο. Υπάρχουν πολλοί τύποι κυττάρων που εμπλέκονται στην ανοσοαπόκριση μας. Κάποια από τα κύτταρα πολεμούν άμεσα τους ξένους εισβολείς. Άλλα κύτταρα θα παράγουν προ-φλεγμονώδεις χημικές ουσίες που ονομάζονται κυτοκίνες, οι οποίες λειτουργούν ως σήματα ομόingu για να στοχεύσουν την ανοσοαπόκριση και να επισημάνουν συγκεκριμένα κύτταρα για καταστροφή. Αυτό που μαθαίνουμε είναι ότι η ισορροπία των συγκεκριμένων κυτοκινών – συμπεριλαμβανομένων των IFN1, IFN γάμμα και IL-10 – είναι πολύ σημαντική για τη διέγερση αυτής της ανοσοαπόκρισης. Η μηχανική μάθηση μπορεί να είναι πολύ χρήσιμη για να εξετάσει ένα πολύ πλούσιο σύνολο δεδομένων που περιέχει τα επίπεδα πολλών κυτοκινών και άλλων αιματολογικών δεικτών και να παράγει ενημερώσεις σχετικά με τι είναι τα βασικά πρόσωπα εδώ, λαμβάνοντας υπόψη την复雑η αλληλεπίδραση μεταξύ διαφορετικών παραγόντων.

Η κατανόηση του πώς να θεραπεύουμε τους ασθενείς για να επιτύχουμε την καλύτερη έκβαση για τον ασθενή, είναι πιθανώς ένα από τα πιο σημαντικά έργα που αναλαμβάνει το COAI. Κατά τη γνώμη σας, ποια είναι τα πρώτα βήματα που πρέπει να αναληφθούν για να κατανοήσουμε αυτό;

Ένα σημαντικό πρώτο βήμα είναι η ταξινόμηση του κινδύνου. Θέλουμε να κατανοήσουμε ποιοι ασθενείς είναι στο υψηλότερο κίνδυνο να έχουν σοβαρή νόσο — συμπεριλαμβανομένων πνευμονικών επιπλοκών όπως ο οξέος αναπνευστικού συνδρόμου, καρδιακών επιπλοκών όπως η μυοκαρδίτιδα, και άλλων οργανικών ή συστημικών επιπλοκών. Αυτό το ερώτημα της ταξινόμησης του κινδύνου είναι σημαντικό γιαหลาย λόγους. Πρώτον, ως γιατρός, μπορείτε να παρακολουθήσετε τον ασθενή διαφορετικά αν γνωρίζετε ότι είναι σε υψηλότερο κίνδυνο. Δεύτερον, ως νοσοκομείο, θέλετε να προβλέψετε τη ζήτηση για εγκαταστάσεις εντατικής θεραπείας και να σχεδιάσετε σύμφωνα με αυτή τη ζήτηση. Τρίτον, αν είστε ερευνητής ή βιοφαρμακευτική εταιρεία, μπορείτε να περιλάβετε αυτή την υποομάδα ασθενών σε κλινικές δοκιμές και να τις θεραπεύσετε νωρίς για να πάρουν την βέλτιστη απάντηση στη φαρμακευτική σας. Σε όλες αυτές τις περιπτώσεις, ο τελικός μας στόχος είναι να βελτιώσουμε την έκβαση του ασθενή.

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

Η επιστήμη των δεδομένων, στην ευρύτερη της έννοια, είναι στο κέντρο της μάχης κατά του COVID-19. Υπάρχουν σημαντικά ερωτήματα σχετικά με τη μοντελοποίηση των επιδημιών COVID-19. Μπορούμε να χρησιμοποιήσουμε πραγματικά δεδομένα ασθενών για να αναγνωρίσουμε φάρμακα που θα μπορούσαν να χρησιμοποιηθούν για την θεραπεία ασθενών με COVID-19. Υπάρχει ένα απίστευτο ποσό πληροφοριών που ανακαλύπτουμε σχετικά με τον ιό, το οποίο θα μας βοηθήσει να σχεδιάσουμε καλύτερα μια εμβολιακή θεραπεία. Υπάρχει τόσο πολύ που δεν γνωρίζουμε για τον ιό, συμπεριλαμβανομένου του πώς επηρεάζει τους ανθρώπους, και μαθαίνουμε όλο και περισσότερα χάρη σε πολλά είδη δεδομένων – βιοχημικών, γενετικών, κλινικών και από κινητά τηλέφωνα.

Τι πιστεύετε ότι είναι κάποια από τα είδη των ενημερώσεων που μπορούμε να μάθουμε από την ανάλυση αυτών των δεδομένων με την AI;

Για μένα, το γλυκό σημείο της AI είναι πραγματικά στη βοήθεια για να εξαγάγουμε συμπεράσματα στο επίπεδο του ατόμου από δεδομένα στο επίπεδο του πληθυσμού. Μπορούμε να σκεφτούμε ποιοι ασθενείς θα μπορούσαν να ωφεληθούν από ποια θεραπείες για την καταπολέμηση της λοιμώξης COVID-19, ή να βοηθήσουμε να προβλέψουμε ποίες περιοχές θα μπορούσαν να γίνουν τοπικοί θύλακες για την λοιμώξη COVID-19. Υπάρχει επίσης πολύ δραστηριότητα στο χώρο της ανακάλυψης, τόσο σε ότι αφορά τα πιθανά φάρμακα, όσο και για τους υποψήφιους εμβολίων. Η AI μπορεί πραγματικά να μας βοηθήσει να παραδώσουμε νέες βιολογικές ενημερώσεις πολύ πιο γρήγορα.

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

Μιλάμε σε πολλούς παίκτες μέσα και έξω από τον χώρο της υγείας. Αυτό περιλαμβάνει νοσοκομεία, πανεπιστήμια και φαρμακευτικές εταιρείες, αλλά και άλλες startups, ΜΚΟ και πολιτικές οργανώσεις. Είμαστε ιδιαίτερα ενθουσιασμένοι να ακούσουμε από κλινικούς που έχουν συλλέξει δεδομένα και θα ήθελαν βοήθεια με την ανάλυση.

Υπάρχει κάτι άλλο που θα ήθελε να μοιραστεί σχετικά με το έργο του COAI ή το COVID-19;

Είμαι πραγματικά ενθουσιασμένος να μοιραστώ αυτή την πρωτοβουλία μαζί σας! Αν θέλετε να συνεργαστείτε, θα ήταν χαρούμενοι να συζητήσουμε — επικοινωνήστε μαζί μας στο COAI@owkin.com

Ευχαριστώ για την υπέροχη συνέντευξη. Οι αναγνώστες που θέλουν να μάθουν περισσότερα, μπορούν να διαβάσουν το άρθρο μας που περιγράφει το έργο του COAI.

Η δεύτερη συνέντευξη σε αυτή τη σειρά ήταν με τον Δρ. Stephen Weng, Principal Investigator.

Η τρίτη συνέντευξη σε αυτή τη σειρά ήταν με τον Folkert W. Asselbergs, Principal Investigator

Μπορείτε επίσης να επισκεφθείτε την ιστοσελίδα του COVID-19 Open AI Consortium.