Andrew Watson, Vice President of AI and R & D at Healx – Haastattelusarja

Andrew Watson on AI- ja tutkimusjohtaja Healxissa.

Healx on tekoälykäyttöinen, potilasinspiroima teknologiayhtiö, joka on omistautunut auttamaan harvinaisten sairauksien potilaita ympäri maailmaa pääsemään elämää parantaviin hoitoihin. On olemassa 7 000 tunnettua harvinaista sairautta, jotka vaikuttavat 400 miljoonaan ihmiseen maailmanlaajuisesti, mutta vain 5 % näistä sairauksista on hyväksyttyjä hoitoja. Healx käyttää tekoälyä (AI) tunnistamaan uusia hoitoja harvinaisiin sairauksiin olemassa olevista yhdisteistä ja edistämään niitä potilaiden tarpeisiin. Heidän innovatiivinen lähestymistapansa mahdollistaa nopeamman, laajamman ja paremman onnistumisen harvinaisten sairauksien hoidon kehittämisessä.

Mikä alun perin kiinnosti sinua koneoppimisen alalla?

Minun ensimmäinen kokemukseni koneoppimisesta oli luennoitsija, joka puhui “Evoluutioalgoritmeista” ensimmäisen tutkinnon aikana Exeterin yliopistossa. Opimme ohjelmoimaan algoritmin, joka suunnitteli kaksiulotteisia leikkiautoja satunnaisesta osien ja komponenttien joukosta, arvioi niiden suorituskykyä ja toisti prosessia luodakseen seuraavat sukupolvet, jotka suorittivat paremmin ja paremmin määritellyn mittarin vastaan. Olin lumoutunut siitä, että ohjelmisto pystyi suorittamaan tuhansia suunnittelukierroksia ilman ihmisen väliintuloa, ja siitä lähtien olen ehkä ylimitoittanut sitä, yrittäen automatisoida kaiken! Tämä evoluutioon perustuva lähestymistapa oli sama, jota NASA käytti suunniteltaessa ST5-antennia, joka näyttää aivan erilaiselta kuin mitä ihmisen asiantuntija olisi luonut.

Olet aina ollut kiinnostunut soveltamasta koneoppimista ja tekoälytekniikoita haasteellisiin ongelmiin, mitkä olivat joitakin näistä haasteista, joita kohtasit ennen liittymistäsi Healxiin?

Olen ollut onnekas, kun olen saanut mahdollisuuden soveltaa koneoppimista ja tekoälyä useissa eri yhteyksissä, terrorismin häirintään, tietokonevirusien tunnistamiseen ja ehkäiseen, ja ennen liittymistäni Healxiin yhdistin tekoälyä syvään ymmärrykseen käyttäjän käyttäytymisestä luodakseen älykkäitä koneita kotitalouksiin ja laajemmin Dysonilla.

On helppo tehdä tekoälystä temppu, mutta minun tavoitteeni on aina ollut löytää merkityksellisiä sovelluksia, olipa se tietojen analyysi, päätöksenteon tuki tai tietojen merkityksen löytäminen. Meidän tehtävämme Healxissa on työskennellä yhdessä tekoälyn ja ihmisen biologian haasteellisimmissa ongelmista, auttaakseen niitä, jotka tarvitsevat sitä eniten: harvinaisten sairauksien potilaita.

Mitkä ovat joitakin nykyisiä tehtäviäsi Healxissa?

Vastaan tutkimus- ja kehitystiimistä, joka on lopulta vastuussa antamasta lääkeennusteita esitutkimusryhmälle Healxissa. Teemme tämän ymmärtämällä sekä sairauden taustalla olevan biologian että potentiaalisten lääkeaineiden vaikutusmekanismin, kaikki perustuen omistamaamme tekoälyalustaan, Healnetiin.

Healnet analysoi olemassa olevaa lääke- ja sairaustietoa biolääketieteellisestä tutkimuksesta, tieteellisestä kirjallisuudesta, potilaskokemuksista ja Healxin omista kokoelmista muodostaakseen harvinaisen sairauden tietoverkon. Sitten käytämme viimeisimpiä tekoäly- ja NLP-malleja kaivamaan tämän verkon löytääksemme uusia mahdollisuuksia uudelleenkehittää, yhdistää ja jopa parantaa lääkeaineita hoidettaessa tiettyä sairautta.

Voitko keskustella joistakin koneoppimisteknologioista, joita Healnet-lääkekehitysalusta käyttää tunnistamaan uusia hoitoja harvinaisiin sairauksiin olemassa olevista lääkkeistä?

Tietysti! Healx käyttää joukkoa tekoäly- ja NLP-menetelmiä havaitsemaan epäilyttäviä sairaus-yhdiste-suhteita, joilla on suurin onnistumisen todennäköisyys.

Yksi yleisimmistä menetelmistämme on sairaus-geeni-ilmaisun vertailu eli DGEM. Tämä menetelmä vertaa tietyn sairauden geeni-ilmaisuprofiilia Healxin kokoamaan lääkeaineiden tietokantaan, joka sisältää tuhansia lääkeaineiden signatuureja julkisista ja yksityisistä lähteistä ja kattaa useita farmakologisia luokkia, mukaan lukien sekoitus hyväksyttyjä ja tutkimuslääkkeitä. DGEM sitten ennustaa, mitkä lääkkeet todennäköisesti ovat tehokkaita hoitoja perustuen eniten eroon geeni-ilmaisuprofiileissa. Menetelmä perustuu sille, että lääke, jonka vaikutusmekanismi on vastakkainen sairauden vaikutusmekanismin kanssa, on vahva ehdokas tehokkaaksi hoidoksi. Käytimme tätä menetelmää löytääksemme johtavat yhdisteet, joita tutkimme nyt osana IMPACT-FXS-kokeilua Fragile X -oireyhtymän parissa – maailman johtavaa geneettistä oppimisvaikeuksien aiheuttajaa.

Toinen menetelmä on uudelleenohjatun käytön ennustaminen samankaltaisuuksien matriisien avulla (PRISM), joka perustuu sille, että jos lääke hoitaa tiettyä sairautta, samankaltainen lääke voi hoittaa samankaltaista sairautta. Määritelläksemme lääkkeiden samankaltaisuutta PRISM ottaa huomioon kohdeproteiinit, rakenteellisen samankaltaisuuden ja sivuvaikutukset, ja määritelläksemme sairauksien samankaltaisuutta PRISM ottaa huomioon kohdegeenit, ontologisen rakenteen ja fenotyyppiset. Sitten koneoppimisalgoritmi yhdistää nämä samankaltaisuudet ennustamaan uusia hoito-sovelluksia.

Olemme nyt kehittäneet yli 10 yhden lääkeaineen ja yhdistelmälääkehoito-ennustemoduulia tunnistamaan uusia hoitomahdollisuuksia harvinaisiin sairauksiin ja, kriittisesti, nämä mallit on koulutettu löytämään uusia sairausbiologiaa ja vaikutusmekanismeja ilman, että ne rajoittuvat yhteen biologiseen kohdemolekyyliin (joka on ongelmallista perinteisissä lääkekehitysmenetelmissä).

Kun lääke on tunnistettu mahdolliseksi ehdokkaaksi, miten järjestelmä päättää, pitäisikö jatkaa kliinisiin kokeisiin?

Kiitos tekoälyalgoritmienne ja omien tietolähteidenne, pystymme kutistamaan noin 15 000 mahdollisen lääkkeen listan 100:aan tai niin moniin todennäköisiin hoitoihin.

Kun meillä on tämä lista, se toimitetaan esitutkimusryhmällemme – joka koostuu asiantuntijoista farmakologeista ja lääkekehitysasiantuntijoista – jotka soveltavat merkittävää tieteellistä ja lääketieteellistä tietämystään sairaudesta ja lääkkeistä arvioidakseen ennusteet ja valitakseen todennäköisimmät lääkeehdokkaat hoidettaessa tiettyä sairautta. Me myös tarjoamme esitutkimusryhmälle tekoälyllä luodun perustelun tukemaan ennusteita, selittäen, miksi yhdiste, joka voi aluksi näyttää epäloogiselta, on arvollista heidän huomionsa.

Kun he ovat karsineet listan uudelleen noin 10-20 ehdokkaaseen, nämä yhdisteet siirretään prekliiniseen validointiin, joka sisältää lääkkeen testaamisen solukulttuureissa ja malleissa ennen kuin se testataan ihmisillä kliinisessä kokeessa. Nämä tutkimukset paljastavat, onko yhdiste todennäköisesti tehokas, turvallinen ja paljastaa, mitkä (joskus) sivuvaikutukset se voi aiheuttaa. Ne myös päättävät, mitkä lääkkeet voidaan yhdistää tai parantaa tehokkaammaksi hoidoksi.

Voitko selittää, mitä Fragile X -oireyhtymä on, ja mitkä ovat viimeaikaiset löydöt potentiaalisista lääkeehdokkaista?

Fragile X -oireyhtymä on harvinainen neurologinen kehityshäiriö, joka aiheuttaa joukon älyllisiä ja kognitiivisia häiriöitä. Se vaikuttaa noin yhteen 4 000:aan miespuoliseen ja yhteen 8 000:aan naispuoliseen – mutta tällä hetkellä ei ole tehokkaita tai hyväksyttyjä hoitoja taudille.

Healxin tavoitteena on muuttaa tämä, yrittämällä tuoda markkinoille vähintään yksi uusi ja tehokas yhdistelmähoito taudille seuraavien muutaman vuoden aikana.

Olemme tehneet erinomaista edistystä tällä tavoitteella toistaiseksi, ja olemme löytäneet useita ehdokkaita taudille tekoäly- ja omics-pohjaisilla lääkevertailumenetelmillä (mukaan lukien DGEM, jonka mainitsin aiemmin). HLX-0201, joka oli alun perin hyväksytty ei-steroidaaliseksi tulehduskipulääkkeeksi, on lupaavin ehdokas, ja jännittävästi olemme saaneet tutkimuslupaa Yhdysvaltain elintarvike- ja lääkeviranomaiselta (FDA) HLX-0201:n faasi 2a -kliinisen tutkimuksen osana yhdessä HLX-0206:n kanssa, joka tunnistettiin potentiaaliseksi yhdistelmäkumppanina Healxin omien yhdistelmäennustusmenetelmien avulla.

IMPACT-FXS-tutkimus on nyt käynnissä useissa paikoissa Yhdysvalloissa, mikä on todella jännittävää, ja toivomme, että meillä on pian enemmän jaettavaa siitä!

On mainittava, että koko tämän projektin ajan Healx on työskennellyt läheisesti FRAXA-tutkimussäätiön kanssa, joka on johtava tutkimus- ja tukijärjestö fragile X:lle Yhdysvalloissa, ja muiden järjestöjen kanssa auttaakseen meitä ymmärtämään enemmän sairaudesta ja saamaan pääsyä prekliinisiin tietoihin ja malleihin, jotka ovat mahdollistaneet nopean edistymisen ennusteistamme kliiniseen tutkimukseen.

Mitä näet tulevaisuuden tekoälystä harvinaisten sairauksien kohdalla?

Luulen, että näemme tekoälyn ja muiden edistyksellisten teknologioiden käytön koko lääkekehitys- ja tutkimusputken läpi, auttaen voittamaan perinteisiä haasteita ajan, kustannusten ja riskin suhteen.

Näemme jo useita yhtiöitä laajemmassa lääkekehitystilassa käyttävän tekoälyä kaikenlaisiin tarkoituksiin, analysoimaan sairaustietoja ja määrittämään biomerkereitä, syntetisoimaan proteiineja ja suunnittelemalla uusia lääkkeitä aina todellisen maailman näyttöön ja kliinisiin kokeisiin “digitaalisten kaksoskontrollien” avulla.

Kaikki tämä on erittäin hyödyllistä harvinaisten sairauksien hoidon löytämisessä, joissa on esteitä sairaustietämyksen puutteen tai pienien potilasmäärien vuoksi. NLP voi auttaa täyttämään tietämyksen aukot keräämällä ajantasaiset tiedot, kun taas koneoppiminen voi ennustaa, mitkä olemassa olevat hoidot voidaan uudelleenkehittää ja miksi. Ehkä jännittävimmällä tavalla tekoäly voi kuitenkin tarjota meille automaation, jota tarvitaan hoidon löytämiseen laajassa mittakaavassa. Ja kun laskentakapasiteetti ja edistys tekoälyssä paranevat, voimme skaalata sitä nopeasti.

Onko jotain muuta, mitä haluaisit jakaa Healxista?

Tämä on erinomainen aika olla tässä toimialassa, ja se on todellinen etuoikeus työskennellä näiden edistyksellisten teknologioiden parissa ratkaisemassa joitakin monimutkaisimmista ongelmista, jotka on olemassa. Olemme aina etsimässä ihmisiä, jotka ovat intohimoisia meidän tehtävistämme, liittymään tiimiimme, ja suosittelen niille, jotka ovat kiinnostuneita, tarkistamaan avoimet työpaikkamme.

Meillä on myös jännittäviä kehityshankkeita ja projekteja piipussa Healxissa, joista voit pitää kirjaa verkkosivullamme, ja toivomme, että voimme jakaa niistä enemmän sinun kanssa pian.

Kiitos haastattelusta, odotan innostuneena Healxin edistymistä, joka ilman muuta tekee positiivisen vaikutuksen moniin. Lukijat, jotka haluavat oppia enemmän, voivat vierailla Healx-sivustolla.