Andrew Watson, Vice President de Inteligencia Artificial y Desarrollo en Healx – Serie de Entrevistas

Andrew Watson es Vice President de Inteligencia Artificial y Desarrollo en Healx.

Healx es una empresa de tecnología impulsada por inteligencia artificial, inspirada en los pacientes, dedicada a ayudar a los pacientes con enfermedades raras en todo el mundo a acceder a terapias que mejoran su calidad de vida. Hay 7.000 enfermedades raras conocidas que afectan a 400 millones de personas en todo el mundo, pero solo el 5% de esas condiciones tienen tratamientos aprobados. Healx utiliza la inteligencia artificial (IA) para identificar tratamientos novedosos para enfermedades raras a partir de compuestos existentes y avanzarlos hacia los pacientes que los necesitan. Su enfoque innovador significa que pueden acelerar el ritmo, aumentar la escala y mejorar la posibilidad de éxito del desarrollo de tratamientos para enfermedades raras.

¿Qué te atrajo inicialmente al campo del aprendizaje automático?

Mi primera exposición al aprendizaje automático fue durante una conferencia sobre ‘Algoritmos Evolutivos’ durante mi primer grado en la Universidad de Exeter. Aprendimos a programar un algoritmo que diseñaba coches de juguete bidimensionales, a partir de una selección aleatoria de ruedas y componentes, antes de evaluar su rendimiento y iterar para crear generaciones posteriores que funcionaban mejor y mejor contra una medida que definimos. Me fascinó que el software pudiera realizar miles de iteraciones de diseño sin intervención humana y, desde entonces, me he esforzado por automatizar absolutamente todo. Este enfoque evolutivo fue el mismo que utilizó la NASA para diseñar su antena ST5 que no se parece a nada que un experto humano hubiera creado.

Siempre has estado fascinado con la aplicación de técnicas de aprendizaje automático y IA a problemas difíciles, ¿cuáles fueron algunos de estos desafíos que enfrentaste antes de unirte a Healx?

He tenido la suerte de tener la oportunidad de aplicar el aprendizaje automático y la IA en una variedad de contextos, desde interrumpir a los terroristas, hasta identificar y mitigar el malware informático, hasta, inmediatamente antes de unirme a Healx, combinar la IA con una comprensión profunda del comportamiento del usuario para crear máquinas inteligentes para uso en el hogar y más allá en Dyson.

Es fácil que la IA se convierta en un truco, pero mi objetivo siempre ha sido encontrar aplicaciones significativas, ya sea derivar significado de grandes cantidades de información o reducir la carga cognitiva del usuario a través de sistemas de apoyo a la decisión. Nuestra misión en Healx es trabajar en uno de los desafíos definitivos, justo en la intersección entre la IA y la biología humana, para ayudar a algunas de las personas que más lo necesitan: aquellos con enfermedades raras.

¿Cuáles son algunas de tus responsabilidades actuales en Healx?

Superviso el equipo de I+D, que es responsable en última instancia de proporcionar predicciones de fármacos a nuestros colegas en el equipo de preclínica en Healx. Hacemos esto entendiendo tanto la biología subyacente de una enfermedad en la que estamos trabajando como el modo de acción de posibles fármacos que podrían ayudar a tratarla, todo ejecutándose en nuestra plataforma de IA propietaria, Healnet.

Healnet analiza datos de fármacos y enfermedades preexistentes de la investigación biomédica, la literatura científica, las perspectivas de los pacientes y las fuentes curadas de Healx para formar un gráfico de conocimiento de enfermedades raras. Luego, utilizamos modelos de IA y NLP de vanguardia para explotar este gráfico y encontrar oportunidades novedosas para redesarrollar, combinar e incluso mejorar las moléculas de fármacos para tratar una afección.

¿Podrías discutir algunas de las tecnologías de aprendizaje automático utilizadas por la plataforma de descubrimiento de fármacos Healnet para identificar terapias novedosas para enfermedades raras a partir de fármacos que ya existen?

¡Claro! Healx utiliza una suite de métodos de IA y NLP para detectar relaciones no obvias entre enfermedades y compuestos con la mayor probabilidad de éxito.

Uno de nuestros métodos más comunes se llama Coincidencia de Expresión de Genes-Enfermedad, o DGEM. Este método compara el perfil de expresión de genes para una enfermedad en particular con perfiles de expresión de genes de la base de datos de fármacos curada de Healx, que contiene miles de firmas de fármacos de fuentes públicas y privadas y cubre una variedad de clases farmacológicas, incluyendo una mezcla de compuestos aprobados e investigacionales. DGEM luego predice qué fármacos probablemente serán terapias efectivas en función de los genes más diferencialmente expresados en los perfiles de expresión de genes. El método se basa en el supuesto de que un mecanismo de fármaco con un perfil de mecanismo opuesto al de una enfermedad sería un candidato fuerte para un tratamiento efectivo. De hecho, utilizamos este método para encontrar los compuestos líderes que ahora estamos investigando como parte de nuestro ensayo clínico IMPACT-FXS sobre el síndrome de X frágil – la principal causa genética de dificultades de aprendizaje en el mundo.

Otro método es la Predicción de Indicaciones Repurificadas con Matrices de Similitud (PRISM), que utiliza el principio de que si un fármaco trata una enfermedad específica, entonces un fármaco similar puede tratar una enfermedad similar. Para determinar la similitud de los fármacos, PRISM considera las proteínas diana, la similitud estructural y los efectos secundarios, y para determinar la similitud de las enfermedades, PRISM considera los genes diana, la estructura ontológica y los fenotipos. Un algoritmo de aprendizaje automático se utiliza luego para combinar estas similitudes y predecir aplicaciones terapéuticas novedosas.

Hemos desarrollado más de 10 módulos de predicción de monoterapia y terapia de combinación para identificar más oportunidades terapéuticas novedosas para afecciones raras y, críticamente, estos modelos están entrenados para descubrir biología de enfermedad y modos de acción novedosos, sin limitarse a un solo objetivo biológico (lo que es algo de un problema con los métodos tradicionales de descubrimiento de fármacos).

Una vez que se identifica un fármaco como un posible candidato, ¿cómo decide el sistema si proceder a ensayos clínicos?

Gracias a nuestros algoritmos de IA y nuestras fuentes de datos propietarias, podemos reducir una lista de alrededor de 15.000 fármacos posibles a 100 o así de tratamientos probablemente candidatos.

Una vez que tenemos esta lista, se la pasa a nuestro equipo de preclínica – formado por expertos farmacólogos y expertos en descubrimiento de fármacos – que aplican su conocimiento científico y médico significativo sobre la enfermedad y los fármacos para revisar las predicciones y seleccionar los candidatos de fármacos más probables para tratar una enfermedad en particular. También proporcionamos al equipo de preclínica una justificación generada por IA que respalda las predicciones, explicando por qué un compuesto que puede parecer ininteligible a primera vista es digno de su atención.

Una vez que han reducido la lista de nuevo a alrededor de 10-20 candidatos, esos compuestos se avanzan a la validación preclínica, que implica probar un fármaco en cultivos celulares y modelos antes de que se pruebe en humanos durante la fase de ensayos clínicos. Estos estudios revelarán si un compuesto probablemente será efectivo, seguro y descubrirá qué (si algún) efecto secundario puede tener. También deciden qué fármacos se pueden combinar o mejorar para un tratamiento más efectivo.

¿Podrías elaborar sobre qué es el síndrome de X frágil y algunos de los éxitos recientes en la búsqueda de candidatos de fármacos potenciales?

El síndrome de X frágil es una condición neurodevelopmental rara que causa una variedad de discapacidades intelectuales y cognitivas. Afecta aproximadamente a 1 de cada 4.000 varones y 1 de cada 8.000 hembras – pero actualmente no hay terapias efectivas o aprobadas para la afección disponible.

El objetivo de Healx es cambiar esto, intentando llevar al menos una terapia de combinación novedosa y efectiva para la afección al mercado en los próximos años.

Hemos hecho un progreso fantástico en este objetivo hasta ahora, y hemos descubierto múltiples candidatos para la afección a través de nuestros métodos de coincidencia de fármacos y omicbasados en IA (incluyendo DGEM, que mencioné anteriormente). HLX-0201, que originalmente fue aprobado como un fármaco antiinflamatorio no esteroideo, es nuestro candidato más prometedor, y emocionantemente, hemos recibido la aprobación de fármaco de investigación (IND) de la Administración de Alimentos y Medicamentos de EE. UU. (FDA) para el estudio clínico de fase 2a del compuesto junto con HLX-0206, que se identificó como un posible socio de combinación utilizando los métodos de predicción de combinación propietarios de Healx.

El estudio IMPACT-FXS está en marcha en varios sitios en EE. UU., lo que es realmente emocionante, y esperamos tener más que compartir sobre eso pronto.

Es digno de mención también que, a lo largo de este proyecto, Healx ha trabajado en estrecha colaboración con la Fundación de Investigación FRAXA, una organización líder de investigación y apoyo para el síndrome de X frágil en Estados Unidos, y otras organizaciones para ayudarnos a comprender más sobre la afección y obtener acceso a datos y modelos preclínicos que nos han permitido avanzar rápidamente nuestras predicciones hacia el estudio clínico.

¿Qué vislumbras como el futuro de la IA en la búsqueda de enfermedades raras?

Creo que hay el potencial de ver la IA y otras tecnologías de vanguardia desplegadas en toda la tubería de descubrimiento y desarrollo de fármacos, ayudando a superar algunos de los desafíos convencionales en torno al tiempo, el costo y el riesgo.

Ya estamos viendo una proliferación de empresas en el espacio más amplio de descubrimiento de fármacos que utilizan la IA para hacer todo, desde analizar datos de enfermedades y establecer biomarcadores, hasta sintetizar proteínas y diseñar nuevos fármacos, hasta analizar evidencia del mundo real y realizar ensayos clínicos con brazos de control de ‘gemelos digitales’.

Todo esto será enormemente beneficioso para el descubrimiento de tratamientos para enfermedades raras donde hay obstáculos en torno a la falta de conocimiento relevante de la enfermedad o números pequeños de pacientes. El NLP puede ayudar a llenar los vacíos en la comprensión al agregar datos actualizados, mientras que el ML puede predecir qué tratamientos existentes se pueden redesarrollar y por qué. Quizás lo más emocionante es que la IA puede proporcionarnos la automatización necesaria para encontrar y desarrollar tratamientos a escala. Y a medida que aumenta la potencia de cálculo y se realizan avances en la IA, podemos escalarlo rápidamente.

¿Hay algo más que te gustaría compartir sobre Healx?

Este es un momento realmente genial para estar en este espacio, y es un privilegio trabajar con estas tecnologías de vanguardia para resolver algunos de los problemas más complejos que existen. Siempre estamos buscando personas apasionadas por nuestra misión para unirse al equipo, y recomiendo encarecidamente a aquellos que estén interesados que consulten nuestras vacantes.

También tenemos algunos desarrollos y proyectos emocionantes en la tubería en Healx, que puedes seguir a través de nuestro sitio web, y esperamos poder compartir algunos de estos con usted pronto.

Gracias por la gran entrevista, espero con interés seguir el progreso de Healx, una empresa que sin duda tendrá un impacto positivo en muchos. Los lectores que deseen obtener más información deben visitar Healx.