Η Owkin Εκκινεί το Συνεργατικό Consortium Ανοικτής Τεχνητής Νοημοσύνης για το COVID-19 (COAI)

Μετά από μια νέα γύρα χρηματοδότησης, η Owkin εκκίνηση πρόσφατα το Συνεργατικό Consortium Ανοικτής Τεχνητής Νοημοσύνης για το COVID-19 (COAI). Αυτό το consortium θα επιτρέψει την προώθηση της συνεργατικής έρευνας και την επιτάχυνση της κλινικής ανάπτυξης αποτελεσματικών θεραπειών για τους ασθενείς που είναι μολυσμένοι με COVID-19.

Το πρώτο στάδιο του προγράμματος είναι η πλήρης κατανόηση και αντιμετώπιση των καρδιακών επιπλοκών στους ασθενείς με COVID-19, αυτό θα πραγματοποιηθεί σε συνεργασία με το CAPACITY, ένα διεθνές μητρώο που συνεργάζεται με πάνω από 50 κέντρα σε όλο τον κόσμο. Άλλες περιοχές έρευνας θα περιλαμβάνουν τα αποτελέσματα των ασθενών και την τριτοβάθμια φροντίδα, καθώς και την πρόβλεψη και την χαρακτηριστική ανοσοαπόκριση.

Το μανιφέστο της Owkin αναφέρει τέλεια την όρασή της εταιρείας:

“Είμαστε πλήρως αφοσιωμένοι σε αυτό το νέο μέτωπο με στόχο τη βελτίωση της ανάπτυξης φαρμάκων και των αποτελεσμάτων των ασθενών. Ιδρυθείσα το 2016, η Owkin έχει αναδειχθεί γρήγορα ως ηγέτης στην εισαγωγή Τεχνητής Νοημοσύνης (AI) και Τεχνικής Μάθησης (ML) στις τεχνολογίες της βιομηχανίας υγείας. Οι λύσεις μας βελτιώνουν το παραδοσιακό ιατρικό ερευνητικό μοντέλο, μετατρέποντας ένα προηγουμένως απομονωμένο, ασυνεχές σύστημα σε ένα καινοτόμο και συνεργατικό που, πάνω από όλα, ставρίζει την προστασία των ασθενών.

Συνεργατική Μάθηση

Για να κατανοήσουμε το μοντέλο που ακολουθεί η Owkin, πρέπει να κατανοήσουμε μια νέα τεχνολογία που ονομάζεται Συνεργατική Μάθηση. Η συνεργατική μάθηση προσφέρει ένα πλαίσιο για την ανάπτυξη τεχνητής νοημοσύνης που επιτρέπει στις επιχειρήσεις να εκπαιδεύουν μοντέλα μηχανικής μάθησης σε δεδομένα που είναι κατανεμημένα σε μεγάλη κλίμακα σε πολλά ιατρικά ιδρύματα χωρίς να κεντρίζουν τα δεδομένα. Τα οφέλη είναι διπλά, δεν υπάρχει απώλεια προστασίας поскольку τα δεδομένα δεν συνδέονται直接 με συγκεκριμένους ασθενείς, και τα δεδομένα διατηρούνται στο ιατρικό ίδρυμα που τα συλλέγει.

Η χρήση της Συνεργατικής Μάθησης επιτρέπει μια σημαντικά ευρύτερη γκάμα δεδομένων από ό,τι έχει μια seule οργανισμός. Αυτό σημαίνει ότι με τη χρήση της Συνεργατικής Μάθησης, οι ερευνητές έχουν πρόσβαση σε όσο το δυνατόν περισσότερα δεδομένα, και όσο περισσότερα δεδομένα έχει ένα σύστημα μηχανικής μάθησης, τόσο πιο ακριβής γίνεται η τεχνητή νοημοσύνη.

Υπάρχουν τώρα πολλές εθνικές προσπάθειες για την利用 της τεχνητής νοημοσύνης για την αντιμετώπιση του COVID-19. Το πρόβλημα με πολλές από αυτές τις εθνικές, αποσυνδεδεμένες προσπάθειες είναι ότι τα δεδομένα είναι συγκεκριμένα για μια χώρα. Η συλλογή δεδομένων από μια seule περιοχή μπορεί να αποτύχει να αποκαλύψει σημαντικές πληροφορίες που θα επέτρεψαν στους ερευνητές να κατανοήσουν πλήρως πώς η έκθεση σε περιβαλλοντικά στοιχεία, η εθνοτική σύνθεση, η γενετική, η ηλικία και το φύλο μπορεί να παίζουν σημαντικούς ρόλους στην κατανόηση αυτής της νόσου. Αυτός είναι ο λόγος για τον οποίο η συνεργασία είναι τόσο σημαντική, και γιατί η συλλογή δεδομένων από πολλές δικαιοδοσίες είναι ακόμη πιο σημαντική.

Όπως περιγράφεται από την Owkin, επιδιώκουν να χρησιμοποιήσουν τη Συνεργατική Μάθηση για τα ακόλουθα:

“Επιδίωκουμε να βοηθήσουμε τους ερευνητές να κατανοήσουν γιατί η αποτελεσματικότητα των φαρμάκων ποικίλλει από ασθενή σε ασθενή, να βελτιώσουμε τη διαδικασία ανάπτυξης φαρμάκων και να αναγνωρίσουμε το καλύτερο φάρμακο για τον σωστό ασθενή στην σωστή στιγμή, για να βελτιώσουμε τα αποτελέσματα της θεραπείας.”

Η κατανόηση και αντιμετώπιση των καρδιακών προβλημάτων υγείας θα είναι η πρώτη πρόκληση που θα αναλάβει η Owkin. Όσο σημαντικά είναι τα δεδομένα, τόσο πιο σημαντικές είναι οι προσπάθειες των ερευνητών και των συντελεστών που είναι στην πρώτη γραμμή αυτής της προσπάθειας. Αυτός είναι ο λόγος για τον οποίο η Unite.AI θα δημοσιεύσει τρεις συνεντεύξεις με ερευνητές που συμβάλλουν στο πρόγραμμα COAI.

Οι Συνεντεύξεις

Sanjay Budhdeo, MD, Ανάπτυξη Επιχειρήσεων:

Sanjay είναι ιατρός. Κάνει τις σπουδές του στις Ιατρικές Επιστήμες και την Ιατρική από το Πανεπιστήμιο της Οξφόρδης και έχει πτυχίο από το Πανεπιστήμιο του Κέιμπριτζ. Ο Sanjay έχει εμπειρία 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 στην Επιτροπή Ποιότητας Φροντίδας.

Πατήστε εδώ για να διαβάσετε τη συνέντευξη με τον Sanjay.

Dr. Stephen Weng, Principal Researcher:

Stephen είναι Αναπληρωτής Καθηγητής της Επιδημιολογίας και της Επιστήμης Δεδομένων που ηγείται της έρευνας Επιστήμης Δεδομένων στο Πρωτοβάθμια Φροντίδα και Στρατηγική Ιατρική.

Συμβάλλει παραδοσιακές επιδημιολογικές μεθόδους και μελέτη σχεδιασμού με νέες προσεγγίσεις που βασίζονται στις πληροφορίες, αξιοποιώντας και διερευνώντας “μεγάλα δεδομένα υγείας” από ηλεκτρονικά ιατρικά αρχεία για τον σκοπό της πρόβλεψης κινδύνου, της φαινοτυπικής χαρακτηριστικής των χρόνιων νοσημάτων, της έρευνας μεθόδων Επιστήμης Δεδομένων και της μετάφρασης της στρατηγικής ιατρικής στην πρωτοβάθμια φροντίδα.

Πατήστε εδώ για να διαβάσετε τη συνέντευξη με τον Stephen

Folkert W. Asselbergs, Principal Investigator

Folkert είναι καθηγητής ιατρικής ακρίβειας σε καρδιακές νόσους στο Ινστιτούτο Καρδιακών Επιστημών, UCL, Διευθυντής της Μονάδας Κλινικής Έρευνας στο UCLH, καθηγητής καρδιακής γενετικής και συμβουλευτικός καρδιολόγος στο τμήμα Καρδιολογίας, Πανεπιστημιακό Ιατρικό Κέντρο Utrecht, και Επιστημονικός Διευθυντής του Κέντρου Έρευνας Καρδιακών Νοσημάτων, Ολλανδικό Ινστιτούτο Καρδιάς. Ο καθηγητής Asselbergs έχει δημοσιεύσει πάνω από 275 επιστημονικές εργασίες και έχει λάβει χρηματοδότηση από το leDucq foundation, το Βρετανικό και το Ολλανδικό Ίδρυμα Καρδιάς, την ΕΕ (FP7, ERA-CVD, IMI, BBMRI), και το RO1 Εθνικό Ίδρυμα Υγείας.

Πατήστε εδώ για να διαβάσετε τη συνέντευξη με τον Folkert

Η Ελπίδα μας

Η ελπίδα της Unite.AI είναι ότι με τη χρήση βιοϊατρικών εικόνων, γενετικών δεδομένων και κλινικών δεδομένων για την ανακάλυψη βιοδεικτών και μηχανισμών που σχετίζονται με τις νόσους και τα αποτελέσματα της θεραπείας, αυτό θα προωθήσει την επόμενη γενιά θεραπευτικών για την αντιμετώπιση του COVID-19. Συμβάλλουμε σε αυτό το σημαντικό πρόγραμμα突ίζοντας τις προσωπικότητες πίσω από αυτήν την σημαντική παγκόσμια προσπάθεια.