Peter Ellman, Presidente y CEO de Certis Oncology Solutions – Serie de Entrevistas

Certis Oncology Solutions, liderada por Peter Ellman, Presidente y CEO, es una empresa de tecnología de ciencias de la vida dedicada a hacer realidad la promesa de la oncología de precisión. El producto de la empresa es Oncology Intelligence® — datos de respuesta terapéutica altamente predictivos derivados de modelos de cáncer avanzados. Certis se asocia con médicos científicos e investigadores de la industria para ampliar el acceso a la oncología de precisión y abordar la brecha crítica de traducción entre los estudios preclínicos y las pruebas clínicas.

¿Puede describir el problema más amplio en la investigación del cáncer que el asistente CertisOI está abordando?

La tasa de fracaso de los candidatos a medicamentos investigacionales para el cáncer es alta. Se informó recientemente que en 2023, el 90% de los programas de cáncer ultimately fracasaron. Esa cifra es una mejora notable con respecto a la tendencia histórica, que oscilaba alrededor del 96% hasta 2022. Considerando el costo de desarrollar medicamentos, una tasa de fracaso del 90% no es sostenible. Imagina cómo se beneficiarían los pacientes si la tasa de éxito fuera incluso del 50%.

CertisOI Assistant aborda de inmediato dos problemas muy importantes que contribuyen a esta tasa de fracaso:

• Selección mejorada de modelos preclínicos: Muchos compuestos muestran resultados prometedores en estudios preclínicos pero no demuestran un efecto terapéutico suficiente en humanos. La mayoría de los miembros de la comunidad científica señalan a los modelos preclínicos como parte del problema. La selección de modelos preclínicos con la firma de expresión genética correcta (y el uso de injertos ortotópicos para estudios cruciales) puede mejorar la “traducción” en la clínica.
• Identificación más temprana y mejor de biomarcadores: Confiar en biomarcadores que no predicen con precisión la respuesta terapéutica puede resultar en ensayos clínicos fallidos. CertisOI Assistant está integrado con CertisAI, nuestra plataforma de IA/ML patentada, lo que permite la identificación de biomarcadores predictivos al comienzo del proceso de desarrollo de medicamentos.

¿Cómo utiliza el asistente CertisOI la IA para mejorar el acceso a los datos de oncología y qué lo distingue de otras herramientas de IA en el campo?

El asistente CertisOI proporciona capacidades de análisis de datos avanzados y modelado predictivo a través de una interfaz de lenguaje natural fácil de usar. Se destaca de varias maneras:

• Integración de conjuntos de datos comprehensivos: El asistente integra una amplia gama de datos de oncología, incluyendo información de pacientes, características de tumores, perfiles genéticos y predicciones de respuesta a medicamentos. Este enfoque holístico permite un análisis más completo que las herramientas que se centran en tipos de datos aislados.
• Predicciones basadas en IA: El asistente emplea algoritmos de IA para predecir la respuesta y la resistencia a los medicamentos, ofreciendo información sobre qué tratamientos probablemente sean efectivos para modelos de cáncer específicos. Esta capacidad predictiva es crucial para la medicina personalizada y lo distingue de las herramientas que confían únicamente en datos históricos.
• Interfaz de usuario amigable: Al proporcionar una interfaz intuitiva para consultar y analizar conjuntos de datos complejos, el asistente facilita a los investigadores el acceso e interpretación de los datos de oncología sin necesidad de habilidades técnicas avanzadas.
• Enfoque en modelos preclínicos: El asistente se especializa en la investigación preclínica de oncología, particularmente en modelos PDX y de líneas celulares, lo que ofrece información única sobre el desarrollo de medicamentos en etapas tempranas y la biología del tumor.
• Visualizaciones interactivas: El asistente admite visualizaciones interactivas, como estudios de farmacología y crecimiento de tumores, lo que permite a los investigadores explorar los datos de manera más atractiva e informativa.

¿Cómo transforma la herramienta datos complejos en conocimientos acciónables, especialmente para investigadores que trabajan en datos de sensibilidad a medicamentos o genómica?

El asistente CertisOI utiliza un flujo de trabajo estructurado para transformar datos brutos en conocimientos significativos. Implica consultar un conjunto de datos de oncología comprehensivo, analizar los datos y presentar los resultados en un formato claro e interpretable. Así es como funciona:

• Consulta de datos: El asistente CertisOI puede acceder a una base de datos relacional que contiene información detallada sobre modelos de oncología, incluyendo datos de pacientes, características de tumores, datos genómicos y predicciones de respuesta a medicamentos. Utiliza consultas SQL para extraer datos relevantes según las necesidades específicas del investigador.
• Análisis de datos: Una vez que se recuperan los datos, el asistente CertisOI puede realizar varios análisis, como identificar mutaciones comunes, correlacionar la expresión genética con la sensibilidad a los medicamentos o evaluar los resultados de los estudios de farmacología. También puede clasificar y filtrar los datos para resaltar los hallazgos más significativos.
• Visualización: El asistente puede presentar los datos en formatos tabulares, generar gráficos interactivos para estudios de farmacología y crecimiento de tumores, y mostrar imágenes de histología. Esta visualización ayuda a los investigadores a comprender rápidamente patrones y relaciones complejos de datos.
• Interpretación y conocimientos: Al proporcionar una interpretación clara de los datos, incluyendo predicciones para la sensibilidad o resistencia a los medicamentos, el asistente CertisOI ayuda a los investigadores a tomar decisiones informadas sobre posibles estrategias terapéuticas o direcciones experimentales adicionales.
• Personalización y flexibilidad: Los investigadores pueden adaptar sus consultas para centrarse en tipos de cáncer específicos, marcadores genéticos o respuestas a tratamientos, lo que permite un análisis altamente personalizado que se alinee con sus objetivos de investigación.

¿Cómo mejora el asistente CertisOI la capacidad de los investigadores para seleccionar modelos de cáncer, diseñar estrategias de biomarcadores o realizar validaciones in silico?

Cubrí las dos primeras áreas – la sección de modelos de cáncer y el diseño de estrategias de biomarcadores – al comienzo de esta entrevista, así que me centraré en realizar validaciones in silico. El asistente CertisOI proporciona un entorno virtual para probar y validar hipótesis relacionadas con la eficacia de los medicamentos, la unión a dianas y el descubrimiento de biomarcadores sin la necesidad de experimentos de laboratorio inmediatos. Esto les permite refinar rápidamente sus hipótesis y centrar sus esfuerzos experimentales en los caminos más prometedores.

Aquí hay algunos ejemplos:

• Predicciones de respuesta a medicamentos: Utilice predicciones basadas en IA para la respuesta y la resistencia a los medicamentos para evaluar cómo es probable que respondan diferentes modelos a medicamentos específicos. Esto puede ayudar a validar la posible eficacia de un medicamento in silico antes de pasar a estudios in vitro o in vivo.
• Perfiles genómicos y moleculares: Analice los datos genómicos, incluyendo mutaciones, expresión genética y variaciones de número de copias, para identificar posibles dianas y validar su relevancia para el mecanismo de acción del medicamento. Esto puede ayudar a comprender la base molecular de la sensibilidad o resistencia a los medicamentos.
• Descubrimiento de biomarcadores: Correlacione las características moleculares con predicciones de respuesta a medicamentos para identificar posibles biomarcadores predictivos. Esto puede guiar la selección de poblaciones de pacientes más propensas a beneficiarse de una terapia particular.
• Exploración de terapias combinadas: Explore las predicciones de sinergia de los medicamentos para identificar combinaciones de medicamentos prometedoras que pueden mejorar los resultados terapéuticos. Esto puede proporcionar información sobre posibles estrategias de combinación que pueden validarse experimentalmente.
• Análisis histológico: Utilice imágenes de histología para validar los efectos morfológicos de los medicamentos en tejidos tumorales, lo que proporciona evidencia adicional del mecanismo de acción y la posible eficacia del medicamento.
• Comparaciones entre modelos: Compare diferentes modelos para comprender cómo los diferentes antecedentes genéticos influyen en la respuesta a los medicamentos, lo que ayuda a validar hipótesis sobre el papel de genes o vías específicas in silico.
• Cribado virtual: Realice un cribado virtual de medicamentos contra una amplia gama de modelos para priorizar candidatos para una validación experimental adicional.

¿Puede compartir ejemplos de cómo se anticipa que los investigadores utilicen esta herramienta para mejorar sus flujos de trabajo o lograr avances?

El ejemplo más simple es la selección de modelos preclínicos. Cada estudio preclínico comienza con la selección de modelos de tumores. El asistente CertisOI elimina el esfuerzo manual de este proceso y aporta gran precisión a la selección de los modelos óptimos para cualquier estudio determinado.

Otro es el desarrollo de una estrategia de biomarcadores. El enfoque tradicional es hipotetizar qué biomarcador o biomarcadores podrían estar vinculados al mecanismo de acción del medicamento y luego probar esas hipótesis en estudios preclínicos, lo que generalmente es un proceso iterativo. Si los datos preclínicos son prometedores, los investigadores deben validar biomarcadores predictivos en ensayos clínicos en humanos – y como se discutió, la tasa de fracaso es alta.

El asistente CertisOI ayuda a los investigadores a identificar y validar biomarcadores de expresión genética más precisos y predictivos antes en el proceso de desarrollo y con menos iteraciones que el flujo de trabajo tradicional – ahorrando tiempo y dinero, y mejorando las posibilidades de éxito comercial.

¿Qué tipos de modelos de cáncer o conjuntos de datos admite la herramienta, y cómo beneficia esta amplitud a la comunidad de investigación?

La versión actual de CertisOI brinda a los investigadores acceso a la biblioteca en rápida expansión de Certis de modelos de tumores PDX y derivados de PDX, y a todo el Cancer Cell Line Encyclopedia (CCLE) de modelos. Los algoritmos de la plataforma también se basan en datos de Genomics of Drug Sensitivity in Cancer (GDSC), International Cancer Genome Consortium (ICGC), CI ALMANAC, O’Neil y otros conjuntos de datos. Este enfoque holístico para la integración de datos permite un análisis más completo que las herramientas que se centran en tipos de datos aislados.

El asistente CertisOI está diseñado para ser de fácil uso. ¿Cómo garantiza que sea accesible a investigadores que pueden no tener experiencia técnica extensa?

Varias características hacen que el asistente CertisOI sea accesible a investigadores de todos los niveles:

• Interfaz intuitiva: La interfaz está diseñada para ser intuitiva y fácil de navegar, lo que permite a los usuarios realizar consultas y análisis complejos sin necesidad de comprender los detalles técnicos subyacentes.
• Flujos de trabajo guiados: El asistente proporciona flujos de trabajo guiados para tareas de investigación comunes, como consultar predicciones de respuesta a medicamentos, analizar datos genómicos y explorar estudios de farmacología. Esto ayuda a los usuarios a centrarse en sus preguntas de investigación sin quedar atrapados en complejidades técnicas.
• Procesamiento de lenguaje natural: Los usuarios pueden interactuar con el asistente utilizando consultas de lenguaje natural, lo que facilita el acceso a la información que necesitan para aquellos sin experiencia técnica. El asistente interpreta las consultas y las traduce en las consultas de base de datos adecuadas.
• Documentación comprehensiva: La documentación detallada y los tutoriales ayudan a los usuarios a comprender cómo utilizar el asistente de manera efectiva. Esto incluye guías paso a paso, ejemplos y explicaciones de conceptos clave.
• Visualizaciones interactivas: El asistente proporciona visualizaciones interactivas para el análisis de datos, como gráficos e imágenes de histología, lo que permite a los usuarios explorar e interpretar los datos visualmente sin necesidad de escribir código.
• Soporte receptivo: Los usuarios pueden acceder a un soporte receptivo para ayudar con cualquier pregunta o problema. Esto garantiza que puedan obtener ayuda rápidamente y continuar su investigación sin retrasos innecesarios.
• Consultas personalizables: Si bien el asistente proporciona flujos de trabajo predeterminados, también permite la personalización, lo que permite a los usuarios adaptar las consultas a sus necesidades de investigación específicas sin necesidad de conocimientos técnicos profundos.

La colaboración es un aspecto clave de la investigación. ¿Cómo facilita el asistente CertisOI el trabajo en equipo entre investigadores o instituciones?

Con el asistente CertisOI, los investigadores de diferentes equipos o instituciones pueden acceder al mismo conjunto de datos y herramientas, lo que les permite trabajar en colaboración en proyectos o preguntas de investigación compartidas. La plataforma también facilita la descarga y el intercambio de consultas de datos, resultados e ideas entre los miembros del equipo, lo que permite que todos los involucrados en un proyecto contribuyan de manera efectiva.

¿Cuáles son los mayores desafíos para ampliar la adopción de la IA en la investigación del cáncer, y cómo se pueden abordar?

Los desafíos significativos incluyen la seguridad de los datos, la integración de los datos y la confianza en las predicciones basadas en la IA. No soy un experto en seguridad de datos o integración de datos, pero hay grandes mentes trabajando para resolver esos desafíos. En cuanto a confiar en las predicciones generadas por la IA, necesitamos formas eficientes y creíbles de validar esas predicciones.

Certis ha adoptado un enfoque de dos vías para esto: validación in silico a través de estudios de validación internos y cruzados, y validación in vivo – realizando estudios en modelos de ratones clínicamente relevantes para evaluar la precisión de las predicciones de nuestra plataforma. Con el tiempo, estas herramientas también se validarán clínicamente en pacientes humanos, pero por supuesto, eso tomará mucho tiempo y dinero, así como la voluntad de cambiar el paradigma actual de tratamiento del cáncer. La comunidad médica y regulatoria tendrá que dejar de confiar en cómo se han hecho las cosas y abrazar el poder de los análisis computacionales para informar decisiones.

¿Cómo vislumbra que herramientas como el asistente CertisOI darán forma al futuro del tratamiento del cáncer y la medicina de precisión?

La medicina moderna no tiene una buena manera de emparejar a los pacientes con los tratamientos ideales. En general, solo el 10% de los pacientes con cáncer experimentan un beneficio clínico de los tratamientos emparejados con mutaciones de ADN de tumores. Eso no solo perjudica la salud de los pacientes, sino que también los perjudica financieramente. Se estima que se desperdician $2.5 mil millones —con B— en terapias ineficaces. Es un hecho muy triste que el 42% de los pacientes con cáncer agoten completamente sus activos en el segundo año de su diagnóstico.

Herramientas como el asistente CertisOI y CertisAI ayudarán a realizar la promesa de la medicina de precisión —obtener el tratamiento óptimo para la forma única de cáncer de cada persona la primera vez, cada vez… Y para democratizar el acceso a una atención más efectiva y personalizada.

Gracias por la gran entrevista, los lectores que deseen aprender más deben visitar Certis Oncology Solutions.