Andrew Watson, Vice President of AI e R & D presso Healx – Intervista

Andrew Watson è Vice President of AI e R & D presso Healx.

Healx è un’azienda tecnologica alimentata da intelligenza artificiale e ispirata ai pazienti, dedicata ad aiutare i pazienti con malattie rare in tutto il mondo ad accedere a terapie che migliorano la vita. Ci sono 7.000 malattie rare note che colpiscono 400 milioni di persone in tutto il mondo, ma solo il 5% di queste condizioni ha trattamenti approvati. Healx utilizza l’intelligenza artificiale (AI) per identificare nuove terapie per malattie rare da composti esistenti e farle progredire verso i pazienti che ne hanno bisogno. Il loro approccio innovativo significa che possono accelerare il ritmo, aumentare la scala e migliorare la possibilità di successo dello sviluppo di trattamenti per malattie rare.

Cosa ti ha inizialmente attirato verso il campo del machine learning?

La mia prima esposizione al machine learning è stata durante una lezione su ‘Algoritmi Evolutivi’ durante il mio primo ciclo di studi all’Università di Exeter. Abbiamo imparato a programmare un algoritmo che progettava automobili giocattolo bidimensionali, partendo da una raccolta casuale di ruote e componenti, prima di valutarne le prestazioni e iterare per creare generazioni successive che funzionavano meglio e meglio rispetto a una misura che avevamo definito. Ero affascinato dal fatto che un software potesse eseguire migliaia di iterazioni di progettazione senza alcun intervento umano e da allora in poi ho cercato di automatizzare assolutamente tutto! Questo approccio evolutivo è stato lo stesso utilizzato dalla NASA per progettare la sua antenna ST5 che non assomiglia a nulla che un esperto umano avrebbe creato.

Hai sempre avuto una grande passione per l’applicazione di tecniche di machine learning e intelligenza artificiale a problemi difficili, quali sono stati alcuni di questi sfidi che hai incontrato prima di unirti a Healx?

Ho avuto la fortuna di avere l’opportunità di applicare il machine learning e l’intelligenza artificiale in vari contesti, dal contrasto al terrorismo all’identificazione e mitigazione di malware informatici, fino, immediatamente prima di unirmi a Healx, a combinare l’AI con una profonda comprensione del comportamento degli utenti per creare macchine intelligenti per l’uso in casa e oltre presso Dyson.

È facile che l’AI diventi un gingillo, ma il mio obiettivo è sempre stato quello di trovare applicazioni significative, che sia derivare significato da grandi quantità di informazioni o ridurre il carico cognitivo dell’utente attraverso sistemi di supporto alle decisioni. La nostra missione presso Healx consiste nel lavorare su una delle sfide ultimate, proprio all’intersezione tra AI e biologia umana, per aiutare alcune delle persone che ne hanno più bisogno: quelle con malattie rare.

Quali sono alcune delle tue attuali responsabilità presso Healx?

Superviso il team di R & D, che è ultimamente responsabile di fornire previsioni di farmaci ai nostri colleghi nel team preclinico di Healx. Lo facciamo comprendendo sia la biologia sottostante di una malattia su cui stiamo lavorando che il meccanismo d’azione di potenziali farmaci che potrebbero aiutare a trattarla, il tutto in esecuzione sulla nostra piattaforma AI proprietaria, Healnet.

Healnet analizza dati esistenti su farmaci e malattie da ricerca biomedica, letteratura scientifica, insight dei pazienti e fonti curate da Healx per formare un grafico della conoscenza delle malattie rare. Utilizziamo quindi modelli AI e NLP all’avanguardia per estrarre da questo grafico nuove opportunità per riutilizzare, combinare e persino migliorare molecole di farmaci per trattare una condizione.

Potresti discutere alcune delle tecnologie di machine learning utilizzate dalla piattaforma di scoperta di farmaci Healnet per identificare nuove terapie per malattie rare da farmaci già esistenti?

Certo! Healx utilizza una serie di metodi AI e NLP per individuare relazioni non ovvie tra malattie e composti con la più alta probabilità di successo.

Uno dei nostri metodi più comuni si chiama Disease-Gene Expression Matching, o DGEM. Questo metodo confronta il profilo di espressione genica per una particolare malattia con profili di espressione genica dal nostro database di farmaci curato, che contiene migliaia di firme di farmaci da fonti pubbliche e private e copre una gamma di classi farmacologiche, tra cui una miscela di composti approvati e sperimentali. DGEM prevede quindi quali farmaci saranno probabilmente terapie efficaci in base ai geni più differenzialmente espressi nei profili di espressione genica. Il metodo si basa sul presupposto che un meccanismo di farmaco con un profilo di meccanismo opposto a una malattia sarebbe un forte candidato per un trattamento efficace. Abbiamo effettivamente utilizzato questo metodo per trovare i composti principali che stiamo ora indagando come parte del nostro studio clinico IMPACT-FXS sulla sindrome di Fragile X – la principale causa genetica di difficoltà di apprendimento nel mondo.

Un altro metodo è la Previsione di Indicazioni Riutilizzate con Matrici di Somiglianza (PRISM), che utilizza il principio che se un farmaco tratta una malattia specifica, allora un farmaco simile potrebbe trattare una malattia simile. Per determinare la somiglianza dei farmaci, PRISM considera proteine bersaglio, somiglianza strutturale e effetti collaterali, e per determinare la somiglianza delle malattie, PRISM considera geni bersaglio, struttura ontologica e fenotipi. Un algoritmo di machine learning viene quindi utilizzato per combinare queste somiglianze per prevedere nuove applicazioni terapeutiche.

A questo punto abbiamo sviluppato oltre 10 moduli di previsione di terapie per monoterapia e terapia combinata per identificare ulteriori opportunità terapeutiche per condizioni rare e, criticamente, questi modelli sono stati addestrati per scoprire nuova biologia di malattie e meccanismi d’azione, senza essere limitati a un singolo bersaglio biologico (che è qualcosa di problematico nei metodi tradizionali di scoperta di farmaci).

Una volta che un farmaco è stato identificato come possibile candidato, come decide il sistema se procedere ai trial clinici?

Grazie ai nostri algoritmi AI e alle nostre fonti di dati proprietarie, siamo in grado di ridurre un elenco di circa 15.000 possibili farmaci a 100 o così candidati trattamenti probabili.

Una volta che abbiamo questo elenco, lo passiamo al nostro team preclinico – composto da farmacologi esperti e esperti di scoperta di farmaci – che applicano le loro conoscenze scientifiche e mediche significative sulla malattia e sui farmaci per esaminare le previsioni e selezionare i candidati farmaci più probabili per trattare una particolare malattia. Forniamo anche al team preclinico una giustificazione generata da AI a supporto delle previsioni, spiegando perché un composto che potrebbe sembrare inintuitivo a prima vista merita la loro attenzione.

Una volta che hanno ridotto l’elenco ancora una volta a circa 10-20 candidati, quei composti vengono fatti progredire alla convalida preclinica, che comporta il test di un farmaco in colture cellulari e modelli prima che venga testato negli esseri umani durante la fase di trial clinico. Questi studi riveleranno se un composto sarà probabilmente efficace, sicuro e scopriranno quali (se presenti) effetti collaterali potrebbe avere. Decidono anche quali farmaci possono essere combinati o migliorati per un trattamento più efficace.

Potresti approfondire cosa sia la sindrome di Fragile X e alcuni dei recenti successi nel trovare potenziali candidati farmaci?

La sindrome di Fragile X è una rara condizione neurosviluppativa che causa una gamma di deficit intellettivi e cognitivi. Colpisce circa 1 maschio su 4.000 e 1 femmina su 8.000 – ma attualmente non ci sono terapie efficaci o approvate per la condizione disponibili.

L’obiettivo di Healx è quello di cambiare questo, cercando di portare almeno una nuova e efficace terapia combinata per la condizione sul mercato nei prossimi anni.

Abbiamo fatto progressi fantastici su questo obiettivo finora e abbiamo scoperto più candidati per la condizione attraverso i nostri metodi di abbinamento farmaco-omico basati su AI (incluso DGEM, che ho menzionato prima). HLX-0201, che era stato originariamente approvato come farmaco anti-infiammatorio non steroideo, è il nostro candidato più promettente e, emozionante, abbiamo ora ricevuto l’approvazione dell’IND (Investigational New Drug) dalla FDA per lo studio clinico di fase 2a del composto, insieme a HLX-0206, che è stato identificato come potenziale partner di combinazione utilizzando i metodi di previsione di combinazione proprietari di Healx.

Lo studio IMPACT-FXS è ora in corso in diversi siti negli Stati Uniti, il che è davvero emozionante, e speriamo di avere presto più da condividere al riguardo!

È anche importante menzionare che, durante tutto questo progetto, Healx ha lavorato a stretto contatto con la FRAXA Research Foundation, una principale organizzazione di ricerca e supporto per la sindrome di Fragile X negli Stati Uniti, e altre organizzazioni per aiutarci a capire meglio la condizione e accedere a dati e modelli preclinici che ci hanno permesso di progredire rapidamente le nostre previsioni verso lo studio clinico.

Cosa ti aspetti per il futuro dell’AI nel targeting delle malattie rare?

Credo che ci sia il potenziale per vedere l’AI e altre tecnologie all’avanguardia dispiegate in tutta la pipeline di scoperta e sviluppo di farmaci, aiutando a superare alcune delle sfide convenzionali relative al tempo, al costo e al rischio.

Stiamo già vedendo una proliferazione di aziende nello spazio più ampio della scoperta di farmaci che utilizzano l’AI per fare tutto, dall’analisi dei dati delle malattie all’istituzione di biomarcatori, alla sintesi di proteine e alla progettazione di nuovi farmaci, fino all’analisi delle prove del mondo reale e alla gestione di trial clinici supportati da ‘gemelli digitali’.

Tutto ciò sarà enormemente benefico per la scoperta di trattamenti per malattie rare, dove ci sono ostacoli relativi alla mancanza di conoscenze sulla malattia o al numero limitato di pazienti. L’NLP può aiutare a colmare le lacune nella comprensione aggregando dati aggiornati, mentre il machine learning può prevedere quali trattamenti esistenti possono essere riutilizzati e perché. Forse più emozionante, l’AI può fornirci l’automazione necessaria per trovare e sviluppare trattamenti su larga scala. E man mano che la potenza di calcolo e i progressi nell’AI avanzano, possiamo aumentare rapidamente la scala.

C’è qualcos’altro che ti piacerebbe condividere su Healx?

È un momento fantastico per essere in questo settore e è un vero privilegio lavorare con queste tecnologie all’avanguardia per risolvere alcuni dei problemi più complessi che esistono. Stiamo sempre cercando persone appassionate della nostra missione per unirsi al team e consiglio vivamente a coloro che sono interessati di controllare le nostre vacanze.

Abbiamo anche alcuni sviluppi e progetti emozionanti in cantiere presso Healx, che potete seguire tramite il nostro sito web, e speriamo di poter condividere alcuni di questi con voi presto.

Grazie per la grande intervista, ho il piacere di seguire i progressi di Healx, un’azienda che senza dubbio avrà un impatto positivo su molti. I lettori che desiderano saperne di più possono visitare Healx.