Andrew Watson, Vicepresidente de Inteligencia Artificial e Investigación y Desarrollo en Healx – Serie de Entrevistas

Andrew Watson es Vicepresidente de Inteligencia Artificial e Investigación y Desarrollo en Healx.

Healx es una empresa de tecnología impulsada por inteligencia artificial y paciente, 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 innovadores 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 en el 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, comenzando con 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 e inteligencia artificial a problemas difíciles, ¿cuáles fueron algunos de esos desafíos que enfrentaste antes de unirte a Healx?

Tuve la suerte de tener la oportunidad de aplicar el aprendizaje automático y la inteligencia artificial 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 inteligencia artificial 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 inteligencia artificial se convierta en un truco, pero mi objetivo siempre ha sido encontrar aplicaciones significativas, ya sea derivando significado de grandes cantidades de información o reduciendo 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 inteligencia artificial 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 Investigación y Desarrollo, 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 los fármacos potenciales que podrían ayudar a tratarla, todo ejecutado en nuestra plataforma de inteligencia artificial 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 inteligencia artificial y NLP de vanguardia para explotar este gráfico y encontrar oportunidades innovadoras para redesarrollar, combinar y incluso mejorar 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 innovadoras para enfermedades raras a partir de fármacos que ya existen?

¡Claro! Healx utiliza una suite de métodos de inteligencia artificial 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 y 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 sean terapias efectivas basándose en 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 a 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 en el síndrome de X frágil – la principal causa genética de dificultades de aprendizaje en el mundo.

Otro método es la Predicción de Indicaciones Repurpuestas 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. Luego, un algoritmo de aprendizaje automático se utiliza para combinar estas similitudes y predecir aplicaciones terapéuticas innovadoras.

Hemos desarrollado más de 10 módulos de predicción de monoterapia y terapia de combinación para identificar más oportunidades terapéuticas innovadoras para afecciones raras y, críticamente, estos modelos están diseñados para descubrir biología de enfermedad y modos de acción innovadores, sin limitarse a un solo objetivo biológico (lo que es 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 con ensayos clínicos?

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

Una vez que tenemos esta lista, se la pasa a nuestro equipo de preclínica – formado por farmacólogos expertos 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 fármacos candidatos más probables para tratar una enfermedad en particular. También proporcionamos al equipo de preclínica una justificación generada por la inteligencia artificial que apoya 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 nuevamente 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 descubrirán qué efectos secundarios (si los hay) 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 identificación de candidatos a fármacos?

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 mujeres – pero actualmente no hay terapias efectivas o aprobadas para la condición disponibles.

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

Hemos hecho un progreso fantástico en este objetivo hasta ahora, y hemos descubierto múltiples candidatos para la condición a través de nuestros métodos de coincidencia de fármacos y enfermedades basados en inteligencia artificial y ómica (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 los Estados Unidos (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 de Healx.

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

Vale la pena mencionar 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 los Estados Unidos, y otras organizaciones para ayudarnos a comprender más sobre la condición y obtener acceso a datos y modelos preclínicos que nos han permitido avanzar rápidamente nuestras predicciones hacia estudios clínicos.

¿Qué visión tienes para el futuro de la inteligencia artificial en la orientación de enfermedades raras?

Creo que hay un gran potencial para ver la inteligencia artificial y otras tecnologías de vanguardia desplegadas en toda la cadena 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 inteligencia artificial 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 respaldados por “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 la pequeña cantidad de pacientes. El NLP puede ayudar a llenar los vacíos en la comprensión al agregar datos actualizados, mientras que el aprendizaje automático puede predecir qué tratamientos existentes se pueden reutilizar y por qué. Quizás lo más emocionante es que la inteligencia artificial puede proporcionarnos la automatización necesaria para encontrar y desarrollar tratamientos a escala. Y a medida que aumenta la potencia de cálculo y se producen avances en la inteligencia artificial, podemos escalarlo rápidamente.

¿Hay algo más que te gustaría compartir sobre Healx?

Este es un momento emocionante para estar en este espacio, y es un verdadero privilegio trabajar con estas tecnologías de vanguardia para resolver algunos de los problemas más complejos que existen. Siempre estamos buscando a personas apasionadas por nuestra misión para unirse al equipo, y les 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 en nuestro sitio web, y esperamos poder compartir algunos de ellos con ustedes 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.