COVID-19 Open AI Consortium – Interview met Owkin’s Sanjay Budhdeo, MD, Business Development

De Covid-19 Open AI Consortium (COAI) heeft als doel om doorbraakbevorderende medische ontdekkingen en actiegerichte bevindingen te brengen in de strijd tegen de Covid-19-pandemie.

COAI heeft als doel om samenwerkend onderzoek te vergroten, om de klinische ontwikkeling van effectieve behandelingen voor Covid-19 te versnellen en om alle bevindingen te delen met de mondiale medische en wetenschappelijke gemeenschap. COAI zal samenwerkers verenigen: academische instellingen, onderzoekers, datawetenschappers en industriële partners, om de Covid-19-pandemie te bestrijden.

Dit zal het eerste van drie interviews zijn met de belangrijkste leiders achter COAI.

Sanjay Budhdeo is een praktiserend arts. Hij heeft een graad in Medische Wetenschappen en Geneeskunde van de Universiteit van Oxford en een Masterdiploma van de Universiteit van Cambridge, evenals een lidmaatschap van het Koninklijk College van Artsen. Sanjay heeft onderzoekservaring in neuroimaging, epidemiologie en digitale gezondheid. Voordat hij bij Owkin als Partnership Manager kwam, was hij Senior Associate bij Boston Consulting Group, waar hij zich richtte op data en digitalisering in de gezondheidszorg. Hij zit in het Comité voor Patiëntveiligheid van de Royal Society of Medicine en was eerder Specialist Advisor bij de Care Quality Commission.

Wat was het dat je ertoe bracht om bij OWKIN te komen?

Toen ik als arts werkte, zag ik veel patiënten die aandoeningen hadden die we niet konden behandelen met medicijnen, waar we niet veel aan konden doen. Als onderzoeker was ik gefrustreerd door de traditionele benaderingen van analyse, op een moment dat er steeds meer data beschikbaar was. Proberen om de verbinding te leggen tussen gebieden die afzonderlijk waren geëvolueerd – zoals epidemiologie en beeldvorming – bleek echt moeilijk. Machine learning was voor mij een manier om de verbinding te leggen tussen mijn werk als onderzoeker en arts, om individuele inzichten te kunnen afleiden die de diagnose en behandeling voor de hele patiëntpopulatie konden beïnvloeden.

Je hebt onderzoekservaring in zowel epidemiologie als digitale gezondheid. Kun je ons enkele van de eerdere projecten vertellen waar je aan hebt gewerkt?

In de epidemiologie werkte ik aan de Britse geboortecohort van 1946 – een fascinerende langetermijnstudie die onderwerpen heeft gevolgd die in een enkele week zijn geboren, gedurende hun hele leven. In een project keek ik naar wanneer deze onderwerpen leerden zitten, staan en lopen, en zag ik dat dit in verband stond met hun vermogen om later in het leven meer complexe taken uit te voeren. Ik keek ook naar de redenen achter deze associatie – waren er verschillen in genetica of in hersenstructuur? In de digitale gezondheid lag mijn focus op interoperabiliteit – de verbindingen tussen elektronische medische dossiers in ziekenhuizen die het delen van patiëntgegevens tussen ziekenhuizen mogelijk maken. Dit is echt belangrijk voor directe klinische zorg, zodat een arts een compleet beeld heeft van wat er eerder is gebeurd, maar het is ook belangrijk om het gebruik van machine learning-modellen in de klinische setting mogelijk te maken.

OWKIN is een AI-gedreven onderzoeksproject genaamd de COVID-19 Open AI Consortium (COAI). Kun je ons vertellen wat dit project is?

COAI is Owkin’s antwoord op de zorgen die we hebben gehoord van onze partner klinische en academische instellingen. Het is duidelijk voor ons dat er belangrijke klinische vragen zijn die moeten worden beantwoord voor Covid-19 – bijvoorbeeld, hoe kunnen we patiënten identificeren die risico lopen op ernstige ziekte? Wat zijn de potentiële behandelingen die kunnen worden getest tegen Covid-19-infecties? Ons doel is om samenwerkend onderzoek te vergroten en alle bevindingen te delen met de mondiale medische en wetenschappelijke gemeenschap. COAI put uit de kracht van samenwerkers in de gezondheids- en technologiebranche – waaronder universiteiten, ziekenhuizen, startups en biotechnologiebedrijven. We creëren specifieke onderzoeksgebieden, en het eerste gebied dat we hebben aangekondigd is cardiovasculaire complicaties bij Covid-19-patiënten, met aanvullende onderzoeksgebieden die binnenkort live gaan.

Een van de eerste projecten zal zijn om cardiovasculaire complicaties te begrijpen. Wat voor soort inzichten hopen we te verkrijgen uit de COAI?

Ons doel is om klinisch bruikbare informatie te produceren over het risico van acute cardiovasculaire complicaties door Covid-19-infecties. We onderzoeken deze vraag vanuit meerdere hoeken, met behulp van verschillende soorten data uit verschillende landen. Het is geweldig om te werken met internationaal toonaangevende klinische onderzoekers om tot de kern van deze vragen te komen.

Voorspelling en karakterisering van immuunreacties is een ander aspect van COAI. Wat zijn enkele van de datapunten die je denkt dat moeten worden geanalyseerd om volledig te begrijpen waarom sommige mensen in staat zijn om een immuunreactie op te bouwen, terwijl anderen medische hulp nodig hebben?

Ons lichaamssysteem van verdediging is verbazingwekkend complex en ingewikkeld. Er zijn veel soorten cellen betrokken bij onze immuunreactie. Sommige cellen vechten rechtstreeks tegen vreemde indringers. Andere cellen produceren pro-inflammatoire chemicaliën genaamd cytokinen, die als homingseinen fungeren om de immuunreactie te richten en specifieke cellen te markeren voor vernietiging. Wat we leren is dat de balans van bepaalde cytokinen – waaronder IFN1, IFN gamma en IL-10 – heel belangrijk is om deze immuunreactie te bemiddelen. Machine learning kan heel behulpzaam zijn om een rijke dataset te onderzoeken met niveaus van veel cytokinen en andere bloedmarkers, en inzichten te genereren over wat de belangrijkste spelers hier zijn, rekening houdend met het complexe samenspel tussen verschillende factoren.

Het begrijpen van hoe patiënten moeten worden behandeld om de beste patiëntuitkomst te bereiken, is mogelijk een van de belangrijkste projecten die door COAI worden ondernomen. Wat zijn volgens jou de eerste stappen die moeten worden ondernomen om dit te begrijpen?

Een belangrijke eerste stap is risicoselectie. We willen weten welke patiënten het grootste risico lopen op ernstige ziekte – waaronder longcomplicaties zoals acute respiratoire distresssyndroom, hartcomplicaties zoals myocarditis, en andere orgaanspecifieke gevolgen. Deze risicoselectievraag is belangrijk om verschillende redenen. Ten eerste, als arts wil je een patiënt mogelijk anders monitoren als je weet dat hij een hoger risico loopt op complicaties. Ten tweede, als ziekenhuis wil je kunnen voorspellen wat de vraag naar intensieve zorgfaciliteiten zal zijn en plannen op basis van die vraag. Ten derde, als onderzoeker of biotechnologiebedrijf kun je die subgroep patiënten opnemen in klinische trials, en hen vroeg behandelen om een optimale reactie op je medicatie te krijgen. In al deze gevallen is ons uiteindelijke doel om patiëntuitkomsten te verbeteren

Kun je uitleggen waarom datascience zo belangrijk is voor de bestrijding van COVID-19?

Datascience, in de breedste zin, staat centraal in de strijd tegen COVID-19. Er zijn belangrijke vragen over het modelleren van COVID-19-infectiesnelheden die nog steeds onbeantwoord zijn. We kunnen gebruikmaken van real-world patiëntdata om medicijnen te identificeren die nuttig kunnen worden hergebruikt om COVID-19-patiënten te behandelen. Er is een enorme hoeveelheid informatie die we ontdekken over het virus, die ons zal helpen om een betere vaccin te ontwerpen. Er is zo veel dat we niet weten over het virus, inclusief hoe het mensen beïnvloedt, en we leren steeds meer dankzij veel verschillende soorten data – biochemische, genetische, klinische en vanuit mobiele telefoons.

Wat denk je dat enkele van de inzichten zijn die we kunnen leren van AI die deze data analyseert?

Voor mij is de sweet spot van AI echt in het helpen om conclusies te trekken op het niveau van het individu uit populatiegegevens. We kunnen nadenken over welke patiënten mogelijk baat kunnen hebben bij welke therapieën om COVID-19-infecties te bestrijden, of helpen om te voorspellen welke gebieden mogelijk lokale hotspots voor COVID-19-infecties kunnen worden. Er is ook veel activiteit in de ontdekkingsruimte, zowel in termen van potentiële medicijnen als voor vaccinkandidaten. AI kan ons echt helpen om nieuwe biologische inzichten veel sneller te leveren.

Wie zou moeten deelnemen aan het COVID-19 Open AI Consortium-project?

We praten met een aantal spelers binnen en buiten de gezondheidszorg. Dit omvat ziekenhuizen, universiteiten en farmaceutische bedrijven, maar ook andere startups, NGO’s en beleidsorganisaties. We zijn vooral enthousiast om klinici te horen die data hebben verzameld en hulp nodig hebben bij de analyse.

Is er nog iets anders dat je zou willen delen over het COAI-project of COVID-19?

Ik ben echt enthousiast om dit initiatief met je te delen! Als je wilt samenwerken, zullen we graag met je praten – neem contact op met COAI@owkin.com

Bedankt voor het fantastische interview. Lezers die meer willen leren, kunnen ons artikel lezen over het COAI-project.

Het tweede interview in deze serie was met Dr. Stephen Weng, Principal Investigator.

Het derde interview in deze serie was met Folkert W. Asselbergs, Principal Investigator

Je kunt ook de website van de Covid-19 Open AI Consortium bezoeken.