チャールズ・フィッシャー博士、UnlearnのCEO兼創設者 – インタビュー・シリーズ

チャールズ・フィッシャー博士は、UnlearnのCEO兼創設者です。Unlearnは、AIを利用して臨床開発における最大のボトルネックである、長い試験期間、高いコスト、不確かな結果に対処するためのプラットフォームです。彼らの新しいAIモデルは、膨大な量の患者レベルのデータを分析して、患者さんの健康結果を予測します。臨床試験にデジタルツインを統合することで、Unlearnは臨床研究を加速し、命を救う新しい治療法を必要としている患者さんに届けることができます。

チャールズは、物理学、機械学習、計算生物学の交差点に興味を持つ科学者です。以前、チャールズは、Leap Motionで機械学習エンジニアとして、Pfizerで計算生物学者として働きました。彼は、パリのエコール・ノルマル・シュペリウールで理論物理学のPhilippe Meyerフェローであり、ボストン大学で生物物理学のポスドク研究員でした。チャールズは、ハーバード大学で生物物理学の博士号を、ミシガン大学で生物物理学の学士号を取得しています。

あなたは現在、数学と計算が生物学の基礎であるべきであるという基本的な信念を持っています。どうやってこの結論に達したのですか?

それは、数学と計算方法が生物学教育で十分に強調されていないからでしょう。私の立場から見ると、人々は私の意見に賛同するようになってきています。深層学習ネットワークは、複雑なシステムに対する新しいツールを提供し、自動化は、大規模な生物学データセットの作成を助けています。我々は、生物学が次の10年以内に計算科学に移行することは避けられないと考えています。

この信念は、Unlearnを立ち上げることにつながりましたか?

過去、生物学における計算方法は、実用的な応用よりも「玩具」の問題や遠い問題を解決するために見なされていました。これが、実際の価値を示すことが難しい原因でした。私たちの目標は、医学における問題を解決するための新しいAI方法を発明することであり、また、臨床試験のような、実際の価値を示すことができる分野を見つけることです。

Unlearnの使命は、AIを利用して医学における試行錯誤を排除することです。詳しく説明してください。

エンジニアリングでは、コンピューターモデルを使用してデバイスを設計してテストすることが一般的です。私たちは、医学でも同様のことができるようにしたいと思います。治療の影響を患者さんに与える前に、シミュレーションできますか? 私は現在、分野がそれほど遠くないと思いますが、私たちの目標は、その技術を発明することです。

Unlearnの臨床試験におけるデジタルツインの使用は、研究プロセスをどのように加速し、結果を改善しますか?

Unlearnは、臨床試験参加者のデジタルツインを生成するAIモデル、デジタルツインジェネレーター（DTG）を発明しています。各参加者のデジタルツインは、プラセボを投与された場合の結果を予測します。私たちのDTGが完全に正確であれば、臨床試験はプラセボグループなしで実施できます。しかし、モデルは間違いを犯すことがあるため、ランダム化試験を設計し、従来の試験よりも小さいプラセボグループを使用することを目指しています。これにより、試験への参加が容易になり、試験期間が短縮されます。

Unlearnの規制に合格した予後予測共変量調整（PROCOVA）方法ologyについて詳しく説明してください。

PROCOVAは、私たちが開発した最初の方法で、臨床試験で参加者のデジタルツインを使用できるようにします。PROCOVAは、参加者の一部がランダムにプラセボグループに割り当てられているという事実を利用して、デジタルツインの予測を修正するために共変量調整という統計方法を使用します。これにより、小さいコントロールグループまたは高い統計力を持つ研究を設計できますが、治療の有効性の厳格な評価を提供することを保証します。我々は、このソリューションラインを拡大し、さらに強力な研究を提供するために、研究開発を続けています。

Unlearnは、AIソリューションの開発において、イノベーションと規制遵守のバランスをどのようにとっていますか?

臨床試験を対象としたソリューションは、通常、コンテキストに基づいて規制されるため、さまざまなリスクプロファイルを持つ複数のソリューションを開発できます。たとえば、PROCOVAは非常に低リスクであるため、欧州医薬品庁（EMA）から、連続的な結果を持つ第2相および第3相臨床試験の主要分析としての資格意見を取得することを目指しました。ただし、PROCOVAは、試験参加者に対して作成されたデジタルツインによって提供されるすべての情報を活用していません。規制ガイダンスに従うために、一部のパフォーマンスを犠牲にしています。もちろん、Unlearnは、境界を押し広げ、より革新的なソリューションを立ち上げるために存在します。早期段階の研究または事後分析などのアプリケーションを対象としたソリューションを立ち上げることができます。PROCOVAよりもはるかに効率的なベイジアン分析などの方法を使用できます。

Unlearnが医学でAIを利用する上で直面した最も重大な課題とブレークスルーとは何ですか?

私たちや医学におけるAIの問題に対処する他のすべての人が直面する最大の課題は文化的なものです。現在、医学における研究者の大多数はAIに非常に精通していないため、AIの基本技術について誤解を抱いています。結果として、ほとんどの人は、AIが近い将来に役立つ可能性があることを非常に懐疑的に考えています。我々は、技術的なブレークスルーを経験してきましたが、採用を促進する最も重要なことは、規制機関や顧客からの実証ポイントであると考えています。

生物学における数学と計算の使用についてのあなたの包括的なビジョンは何ですか?

 私の意見では、科学と呼べるものは、将来の実験の結果について正確で量的な予測を行うことを目的としているものです。現在、約90%の薬剤が臨床試験に失敗します。生物学や医学のほとんどの分野では、まだ正確で量的な予測を行うことができません。我々がUnlearnで行っている作業は、医療研究における重要な実用的な問題を解決するための「AIファースト」アプローチの価値を強調し、将来的に研究者がこの文化をより広範な問題に適用できることを願っています。

素晴らしいインタビュー、詳しく知りたい読者はUnlearnを訪れてください。