אוקין משיק את שיתוף הפעולה COVID-19 Open AI Consortium (COAI)

אחרי סבב גיוס טרי, אוקין השיק לאחרונה את Covid-19 Open AI Consortium (COAI). קונסורציום זה יאפשר מחקר שיתופי מתקדם ויאיץ פיתוח קליני של טיפולים יעילים לחולים שנדבקו ב-COVID-19.

השלב הראשון של הפרויקט הוא על הבנה מלאה וטיפול בסיבוכים קרדיווסקולריים בחולי COVID-19, זה יבוצע בשיתוף פעולה עם קיבולת, רישום בינלאומי שעובד עם למעלה מ-50 מרכזים ברחבי העולם. תחומי מחקר אחרים יכללו תוצאות וניסויים של מטופלים, וחיזוי ואפיון של תגובה חיסונית.

המניפסט של אוקין מציין בצורה מושלמת את החזון של החברה:

"אנחנו מעורבים לחלוטין בגבול החדש הזה במטרה שיפור פיתוח תרופות ותוצאות מטופלים. אוקין, שנוסדה ב-2016, הופיעה במהירות כמובילה בתחום הבאת טכנולוגיות בינה מלאכותית (AI) ולמידת מכונה (ML) לתעשיית הבריאות. הפתרונות שלנו משפרים את פרדיגמת המחקר הרפואי המסורתית על ידי הפיכת מערכת מפורקת בעבר למערכת חדשנית ושיתופית, שמעל הכל שמה את פרטיות המטופלים במקום הראשון".

למידה מאוחדת

כדי להבין את המודל שבו עוסק אוקין יש להבין היטב טכנולוגיה חדשה שנקראת למידה מאוחדת. למידה מאוחדת מציעה מסגרת לפיתוח AI המאפשרת לארגונים לאמן מודלים של למידת מכונה על נתונים המופצים בקנה מידה על פני מספר מוסדות רפואיים מבלי לרכז את הנתונים. היתרונות של זה הם כפולים, אין אובדן של פרטיות מאחר והנתונים אינם מקושרים ישירות לאף מטופל ספציפי, והנתונים נשמרים במוסד הבריאות שאוסף את הנתונים הללו.

השימוש ב-Federated Learning מאפשר בכך מגוון רחב יותר משמעותית של נתונים ממה שיש לכל ארגון בודד בתוך הבית. המשמעות היא שבאמצעות שימוש ב-Federated Learning יש לחוקרים גישה לכמה שיותר נתונים זמינים, וככל שיש למערכת למידת מכונה יותר נתונים גדולים, כך הבינה המלאכותית הופכת מדויקת יותר.

ישנם כיום מאמצים לאומיים מרובים בשימוש בבינה מלאכותית כדי להתמודד עם COVID-19. הבעיה עם רבים מהמאמצים הלאומניים המפורקים הללו היא שהנתונים ספציפיים למדינה אחת. איסוף נתונים מאזור בודד עלול לא לחשוף מידע חשוב שיאפשר לחוקרים להבין היטב כיצד חשיפה לאלמנטים סביבתיים, איפור אתני, גנטיקה, גיל ומגדר עשויה למלא תפקידים חשובים בהבנת מחלה זו. זו הסיבה ששיתוף הפעולה הוא כל כך חשוב, ומדוע איסוף נתונים ממספר תחומי שיפוט חשוב אפילו יותר.

כפי שתואר על ידי אוקין, הם מבקשים להשתמש בלמידה פדרציה עבור הפעולות הבאות:

"אנו שואפים לעזור להם להבין מדוע יעילות התרופה משתנה ממטופל למטופל, לשפר את תהליך פיתוח התרופה ולזהות את התרופה הטובה ביותר עבור המטופל הנכון בזמן הנכון, כדי לשפר את תוצאות הטיפול".

הבנה וטיפול בבעיות בריאות קרדיווסקולריות יהיו האתגר הראשון של אוקין. עד כמה שהנתונים חשובים, מה שחשוב עוד יותר הם המאמצים של חוקרים ותורמים שעומדים בראש המאמץ הזה. זו הסיבה ש-Unite.AI תפרסם שלושה ראיונות עם חוקרים שתורמים לפרויקט COAI.

הראיונות

סנג'אי בודהאו, MD, פיתוח עסקי:

סנג'אי הוא רופא מטפל. הוא בעל מדעי רפואה ותארים רפואיים מאוניברסיטת אוקספורד ותואר שני מאוניברסיטת קיימברידג'. לסנג'אי ניסיון מחקרי בתחום הדמיה עצבית, אפידמיולוגיה ובריאות דיגיטלית. לפני שהצטרף לאוקין כמנהל שותפות, הוא היה שותף בכיר ב-Boston Consulting Group, שם התמקד בנתונים ובדיגיטל בתחום הבריאות. הוא יושב בוועדת בטיחות החולה באגודה המלכותית לרפואה ובעבר היה יועץ מומחה בוועדה לאיכות הטיפול.

לחץ כאן כדי לקרוא את הראיון עם סנג'אי.

ד"ר סטיבן וונג, חוקר ראשי:

סטיבן הוא עוזר פרופסור לאפידמיולוגיה משולבת ומדעי נתונים שמוביל את המחקר בתחום מדעי הנתונים קבוצת מחקר לרפואה שכבתית לטיפול ראשוני.

הוא משלב שיטות אפידמיולוגיות מסורתיות ועיצוב מחקר עם גישות חדשות המבוססות על אינפורמטיקה, רותמים ותחקירים של "נתוני בריאות גדולים" מרשומות רפואיות אלקטרוניות למטרות חיזוי סיכונים מודלים, פנוטייפ של מחלות כרוניות, מחקר שיטות מדעי נתונים ותרגום של רפואה מרובדת. לטיפול ראשוני.

לחץ כאן כדי לקרוא את הראיון עם סטיבן

פולקרט וו. אסלברגס, חוקר ראשי

פולקרט הוא פרופסור לרפואה מדויקת במחלות לב וכלי דם במכון למדעי הלב וכלי הדם, UCL, מנהל יחידת אינפורמטיקה למחקר קליני של NIHR BRC ב-UCLH, פרופסור לגנטיקה קרדיווסקולרית וקרדיולוג יועץ במחלקה לקרדיולוגיה, המרכז הרפואי האוניברסיטאי אוטרכט, וקצין מדעי ראשי של מרכז דורר לחקר לב וכלי דם, מכון הלב של הולנד. פרופ' אסלברגס פרסם יותר מ-275 מאמרים מדעיים וקיבל מימון מקרן leDucq, קרן הלב הבריטית וההולנדית, האיחוד האירופי (FP7, ERA-CVD, IMI, BBMRI), ומכון הבריאות הלאומי RO1.

לחץ כאן לקריאת הראיון עם פולקרט

התקווה שלנו

התקווה של Unite.AI היא שבאמצעות שימוש בתמונות ביו-רפואיות, גנומיקה ונתונים קליניים כדי לגלות סמנים ביולוגיים ומנגנונים הקשורים למחלות ולתוצאות הטיפול, זה יניע את הדור הבא של טיפול להתמודדות עם COVID-19. אנו תורמים לפרויקט החשוב הזה על ידי הדגשת האישים מאחורי המאמץ הגלובלי החשוב הזה.