Andrew Watson, Vice President van AI en R & D bij Healx – Interview Series

Andrew Watson is Vice President van AI en R & D bij Healx.

Healx is een technologiebedrijf dat door AI wordt aangedreven en geïnspireerd door patiënten, en is gewijd aan het helpen van patiënten met zeldzame ziekten over de hele wereld om toegang te krijgen tot levensverbeterende therapieën. Er zijn 7.000 bekende zeldzame ziekten die 400 miljoen mensen over de hele wereld treffen, maar slechts 5% van deze aandoeningen heeft goedgekeurde behandelingen. Healx gebruikt kunstmatige intelligentie (AI) om nieuwe behandelingen voor zeldzame ziekten te identificeren uit bestaande stoffen en deze naar patiënten te brengen die ze nodig hebben. Hun innovatieve aanpak betekent dat ze de snelheid, omvang en kans op succes van de ontwikkeling van behandelingen voor zeldzame ziekten kunnen versnellen.

Wat trok je aanvankelijk aan tot het vakgebied van machine learning?

Mijn eerste kennismaking met machine learning was tijdens een college over ‘Evolutionaire Algoritmen’ tijdens mijn eerste studie aan de Universiteit van Exeter. We leerden een algoritme te programmeren dat tweedimensionale speelgoedauto’s ontwierp, beginnend met een willekeurige verzameling wielen en onderdelen, voordat we hun prestaties beoordeelden en ze verbeterden om vervolgens generaties te creëren die beter en beter presteerden tegen een door ons gedefinieerde maatstaf. Ik was gefascineerd door het feit dat software duizenden ontwerpitaties kon uitvoeren zonder enige menselijke tussenkomst en vanaf dat moment probeerde ik alles te automatiseren! Deze evolutionaire aanpak was dezelfde die NASA gebruikte om de ST5-antenne te ontwerpen, die er niets zoals iets is dat een menselijke expert zou hebben ontworpen.

Je bent altijd gefascineerd geweest door het toepassen van machine learning- en AI-technieken op moeilijke problemen, wat waren enkele van deze uitdagingen die je tegenkwam voordat je bij Healx kwam?

Ik heb het geluk gehad om machine learning en AI te kunnen toepassen in verschillende contexten, van het verstoren van terroristen tot het identificeren en mitigeren van computermalware, en, vlak voordat ik bij Healx kwam, het combineren van AI met een diep begrip van gebruikersgedrag om intelligente machines te creëren voor gebruik in en rond het huis en daarbuiten bij Dyson.

Het is gemakkelijk voor AI om een gimmick te worden, maar mijn doel is altijd geweest om betekenisvolle toepassingen te vinden, of het nu gaat om het afleiden van betekenis uit enorme hoeveelheden informatie of het verminderen van de cognitieve belasting van een gebruiker door beslissingsondersteunende systemen. Onze missie bij Healx is om te werken aan een van de ultieme uitdagingen, recht op het snijvlak tussen AI en menselijke biologie, om te helpen bij enkele van de mensen die het meest behoefte hebben: die met zeldzame ziekten.

Wat zijn enkele van je huidige verantwoordelijkheden bij Healx?

Ik ben verantwoordelijk voor het R & D-team, dat uiteindelijk verantwoordelijk is voor het verstrekken van geneesmiddelenvoorspellingen aan onze collega’s in het preklinische team bij Healx. We doen dit door zowel de onderliggende biologie van een ziekte die we bestuderen als de werkingsmechanismen van potentiële geneesmiddelen die deze ziekte kunnen behandelen te begrijpen, allemaal gebaseerd op onze eigen AI-platform, Healnet.

Healnet analyseert bestaande geneesmiddelen- en ziektegegevens uit biomedisch onderzoek, wetenschappelijke literatuur, patiëntinzichten en Healx’s eigen gecuratede bronnen om een zeldzame ziekte kennisgrafiek te vormen. We gebruiken vervolgens AI- en NLP-modellen om deze grafiek te doorzoeken naar nieuwe kansen om geneesmiddelmoleculen te herontwikkelen, te combineren en zelfs te verbeteren om een aandoening te behandelen.

Kunt u enkele van de machine learning-technologieën bespreken die door het Healnet-geneesmiddelontdekkingsplatform worden gebruikt om nieuwe therapieën voor zeldzame ziekten te identificeren uit bestaande geneesmiddelen?

Zeker! Healx gebruikt een reeks AI- en NLP-methoden om niet-evidente ziekte-stofrelaties te identificeren met de hoogste kans op succes.

Een van onze meest voorkomende methoden heet Disease-Gene Expression Matching, of DGEM. Deze methode vergelijkt het genexpressieprofiel voor een bepaalde ziekte met genexpressieprofielen uit Healx’s gecuratede geneesmiddelendatabase, die duizenden geneesmiddelensignaturen bevat uit openbare en particuliere bronnen en een reeks farmacologische klassen omvat, waaronder een mengsel van goedgekeurde en onderzoeksstoffen. DGEM voorspelt vervolgens welke geneesmiddelen waarschijnlijk effectieve therapieën zullen zijn op basis van de meest differentieel geëxprimeerde genen in de genexpressieprofielen. De methode werkt op het principe dat een geneesmiddelenmechanisme met een tegenovergesteld mechanismeprofiel voor een ziekte een sterke kandidaat zou zijn voor een effectieve behandeling. We hebben deze methode gebruikt om de leidende stoffen te vinden die we nu onderzoeken als onderdeel van onze IMPACT-FXS-studie naar het fragiele X-syndroom – de belangrijkste genetische oorzaak van leerproblemen.

Een andere methode is Prediction of Repurposed Indications with Similarity Matrices (PRISM), die het principe gebruikt dat als een geneesmiddel een specifieke ziekte behandelt, een soortgelijk geneesmiddel dan een soortgelijke ziekte kan behandelen. Om de gelijkenis van geneesmiddelen te bepalen, houdt PRISM rekening met doelproteïnen, structurele gelijkenis en bijwerkingen, en om de gelijkenis van ziekten te bepalen, houdt PRISM rekening met doelgenen, ontologische structuur en fenotypen. Een machine learning-algoritme wordt vervolgens gebruikt om deze gelijkenissen te combineren om nieuwe behandelingstoepassingen te voorspellen.

We hebben nu meer dan 10 monotherapie- en combinatietherapievoorspellingsmodules ontwikkeld om meer nieuwe therapeutische kansen voor zeldzame aandoeningen te identificeren en, kritisch, deze modellen zijn getraind om nieuwe ziektebiologie en werkingsmechanismen te ontdekken, zonder beperkt te zijn tot één biologisch doelwit (wat een probleem is met traditionele geneesmiddelontdekkingsmethoden).

Als een geneesmiddel eenmaal is geïdentificeerd als een mogelijke kandidaat, hoe beslist het systeem dan of het moet doorgaan naar klinische proeven?

Dankzij onze AI-algoritmen en onze eigen gegevensbronnen kunnen we een lijst van ongeveer 15.000 mogelijke geneesmiddelen terugbrengen tot 100 of zo waarschijnlijke kandidaatbehandelingen.

Als we eenmaal deze lijst hebben, wordt deze doorgegeven aan ons preklinische team – bestaande uit deskundige farmacologen en geneesmiddelontdekkingsdeskundigen – die hun aanzienlijke wetenschappelijke en medische kennis over de ziekte en de geneesmiddelen gebruiken om de voorspellingen te beoordelen en de meest waarschijnlijke geneesmiddelenkandidaten te selecteren om een bepaalde ziekte te behandelen. We bieden het preklinische team ook AI-gegenereerde rationales voor de voorspellingen, waarin wordt uitgelegd waarom een stof die aanvankelijk onlogisch lijkt, de aandacht waard is.

Als ze de lijst hebben teruggebracht tot ongeveer 10-20 kandidaten, worden deze stoffen doorgestuurd naar preklinische validatie, wat het testen van een geneesmiddel in celculturen en modellen omvat voordat het wordt getest bij mensen tijdens de klinische proef fase. Deze studies zullen onthullen of een stof waarschijnlijk effectief, veilig zal zijn en welke (indien aanwezig) bijwerkingen het kan hebben. Ze beslissen ook welke geneesmiddelen kunnen worden gecombineerd of versterkt voor een effectievere behandeling.

Kunt u meer vertellen over het fragiele X-syndroom en enkele van de recente successen bij het ontdekken van potentiële geneesmiddelenkandidaten?

Het fragiele X-syndroom is een zeldzame neurodevelopmentale aandoening die een reeks intellectuele en cognitieve beperkingen veroorzaakt. Het treft ongeveer 1 op 4.000 mannen en 1 op 8.000 vrouwen – maar er zijn momenteel geen effectieve of goedgekeurde therapieën voor deze aandoening beschikbaar.

Healx’s doel is om dit te veranderen door ten minste één nieuw en effectief combinatiebehandeling voor de aandoening op de markt te brengen in de komende jaren.

We hebben fantastische vooruitgang geboekt op dit doel tot nu toe en hebben meerdere kandidaten voor de aandoening ontdekt via onze AI- en omics-gebaseerde geneesmiddelmatchingsmethoden (inclusief DGEM, die ik eerder noemde). HLX-0201, dat oorspronkelijk werd goedgekeurd als een niet-steroïde anti-inflammatoire stof, is onze meest veelbelovende kandidaat, en we hebben nu een onderzoeksgeneesmiddel (IND) goedgekeurd door de Amerikaanse Food and Drug Administration (FDA) voor de fase 2a-klinische studie van de stof, samen met HLX-0206, die werd geïdentificeerd als een potentiële combinatiepartner met behulp van Healx’s eigen combinatievoorspellingsmethoden.

De IMPACT-FXS-studie is nu gaande op verschillende locaties in de VS, wat echt spannend is, en we hopen binnenkort meer te kunnen delen!

Het is ook de moeite waard om te vermelden dat Healx, gedurende dit project, nauw heeft samengewerkt met de FRAXA Research Foundation, een toonaangevende onderzoeks- en ondersteuningsorganisatie voor fragiel X in de Verenigde Staten, en andere organisaties om ons te helpen meer te leren over de aandoening en toegang te krijgen tot preklinische gegevens en modellen die ons in staat hebben gesteld om onze voorspellingen snel naar klinische studies te brengen.

Wat zijn uw visies op de toekomst van AI bij het richten op zeldzame ziekten?

Ik denk dat er een mogelijkheid is om AI en andere frontier-technologieën te zien die worden ingezet in de hele geneesmiddelontdekkings- en ontwikkelingspijplijn, om enkele van de conventionele uitdagingen rondom tijd, kosten en risico te overwinnen.

We zien nu al een verspreiding van bedrijven in de bredere geneesmiddelontdekkingsruimte die AI gebruiken om alles te doen, van het analyseren van ziektegegevens en het vaststellen van biomarkers, tot het synthetiseren van eiwitten en het ontwerpen van nieuwe geneesmiddelen, helemaal tot het analyseren van real-world evidence en het uitvoeren van klinische proeven met ‘digitale tweeling’-controlearmen.

Alles dit zal enorm nuttig zijn voor de ontdekking van behandelingen voor zeldzame ziekten waarbij er obstakels zijn rondom het gebrek aan relevante ziektekennis of kleine patiëntenaantallen. NLP kan helpen om de lacunes in het begrip te vullen door actuele gegevens te aggregaten, terwijl ML kan voorspellen welke bestaande behandelingen kunnen worden herontwikkeld en waarom. Misschien wel het meest spannend is dat AI ons kan voorzien van de automatisering die nodig is om behandelingen te vinden en te ontwikkelen op grote schaal. En naarmate de rekenkracht en de vooruitgang in AI toenemen, kunnen we het snel opschalen.

Is er nog iets anders dat u wilt delen over Healx?

Dit is een geweldige tijd om in deze branche te zijn, en het is een echte eer om met deze cutting-edge technologieën te werken om enkele van de meest complexe problemen op te lossen. We zijn altijd op zoek naar mensen die passie hebben voor onze missie om zich bij het team aan te sluiten, en ik raad iedereen die geïnteresseerd is aan om onze vacatures te bekijken.

We hebben ook enkele spannende ontwikkelingen en projecten in de pijplijn bij Healx, die u kunt volgen via onze website, en we hopen binnenkort enkele van deze te kunnen delen.

Bedankt voor het geweldige interview, ik kijk ernaar uit om de voortgang van Healx te volgen, een bedrijf dat ongetwijfeld een positieve invloed zal hebben op velen. Lezers die meer willen leren, moeten Healx bezoeken.