Peter Ellman, President en CEO van Certis Oncology Solutions – Interviewreeks

Certis Oncology Solutions, geleid door Peter Ellman, President en CEO, is een life science technologiebedrijf dat zich richt op het realiseren van de belofte van precisie-oncologie. Het product van het bedrijf is Oncology Intelligence® — hoog voorspellende therapeutische responsgegevens afgeleid van geavanceerde kankermodellen. Certis werkt samen met arts-wetenschappers en industrie-onderzoekers om de toegang tot precisie-oncologie uit te breiden en de kritieke vertaalgap tussen preklinische studies en klinische trials aan te pakken.

Kunt u het bredere probleem in oncologie-onderzoek beschrijven dat de CertisOI Assistant aanpakt?

De mislukkingsgraad van oncologie-onderzoeksdrugkandidaten is hoog. Het werd onlangs gemeld dat in 2023 90% van de oncologieprogramma’s uiteindelijk faalden. Dat cijfer is een opmerkelijke verbetering ten opzichte van de historische trend, die rond de 96% schommelde tot 2022. Gezien de kosten van het ontwikkelen van drugs, is een mislukkingsgraad van 90% niet duurzaam. Stel u voor hoe patiënten zouden profiteren als het succespercentage zelfs maar 50% was.

CertisOI Assistant lost twee belangrijke problemen op die bijdragen aan deze mislukkingsgraad:

• Verbeterde selectie van preklinische modellen: Veel verbindingen laten veelbelovende resultaten zien in preklinische studies, maar falen om een voldoende therapeutisch effect in mensen te demonstreren. De meeste leden van de wetenschappelijke gemeenschap wijzen naar preklinische modellen als onderdeel van het probleem. Het kiezen van preklinische modellen met de juiste genexpressiesignatuur (en het gebruik van orthotopische implantaten voor cruciale studies) kan de “vertaling” naar de kliniek verbeteren.
• Vroegere, betere biomerkersidentificatie: Het vertrouwen op biomerkers die de therapeutische respons niet nauwkeurig voorspellen, kan resulteren in mislukte klinische trials. CertisOI Assistant is geïntegreerd met CertisAI, onze patent-aangevraagde predictieve AI/ML-platform, waardoor de identificatie van predictieve biomerkers vroeg in het proces van geneesmiddelenontwikkeling mogelijk wordt.

Hoe gebruikt de CertisOI Assistant AI om de toegang tot oncologiegegevens te verbeteren, en wat onderscheidt het van andere AI-hulpmiddelen in het veld?

De CertisOI Assistant biedt geavanceerde gegevensanalyse- en predictiemogelijkheden via een eenvoudig te gebruiken, natuurlijke taalinterface. Het onderscheidt zich op verschillende manieren:

• Uitgebreide gegevensintegratie: De assistant integreert een breed scala aan oncologiegegevens, waaronder patiëntinformatie, tumorkarakteristieken, genetische profielen en voorspellingen van geneesmiddelenrespons. Deze holistische benadering maakt een meer uitgebreide analyse mogelijk dan hulpmiddelen die zich richten op geïsoleerde gegevenstypen.
• AI-gebaseerde voorspellingen: De assistant gebruikt AI-algoritmen om geneesmiddelenrespons en -resistentie te voorspellen, waardoor inzicht wordt verkregen in welke behandelingen waarschijnlijk effectief zullen zijn voor specifieke kankermodellen. Deze predictieve capaciteit is cruciaal voor persoonlijke geneeskunde en onderscheidt het van hulpmiddelen die uitsluitend vertrouwen op historische gegevens.
• Gebruiksvriendelijke interface: Door een intuïtieve interface te bieden voor het opvragen en analyseren van complexe datasets, maakt de assistant het voor onderzoekers gemakkelijker om toegang te krijgen tot en de oncologiegegevens te interpreteren zonder geavanceerde technische vaardigheden te hoeven hebben.
• Focussen op preklinische modellen: De assistant specialiseert zich in preklinisch oncologieonderzoek, met name PDX- en celmodelonderzoek, en biedt unieke inzichten in vroeg stadium geneesmiddelenontwikkeling en tumorbioologie.
• Interactieve visualisaties: De assistant ondersteunt interactieve visualisaties, zoals farmacologie- en tumorgroei-studies, waardoor onderzoekers gegevens op een meer aantrekkelijke en informatieve manier kunnen verkennen.

Hoe transformeert het hulpmiddel complexe gegevens in actiegerichte inzichten, vooral voor onderzoekers die werken aan gegevens over geneesmiddelengevoeligheid of genomics?

CertisOI Assistant maakt gebruik van een gestructureerde workflow om ruwe gegevens om te zetten in betekenisvolle inzichten. Het omvat het opvragen van een uitgebreid oncologiegegevensbestand, het analyseren van de gegevens en het presenteren van de resultaten in een duidelijk en interpreteerbaar formaat. Hieronder volgt hoe het werkt:

• Gegevensopvragen: CertisOI Assistant kan toegang krijgen tot een relationeel databasebeheersysteem met gedetailleerde informatie over oncologiemodellen, waaronder patiëntgegevens, tumorkarakteristieken, genetische gegevens en voorspellingen van geneesmiddelenrespons. Het gebruikt SQL-achtige queries om relevante gegevens op te halen op basis van de specifieke behoeften van de onderzoeker.
• Gegevensanalyse: Zodra de gegevens zijn opgehaald, kan CertisOI Assistant verschillende analyses uitvoeren, zoals het identificeren van veelvoorkomende mutaties, het correleren van genexpressie met geneesmiddelengevoeligheid of het evalueren van farmacologiestudieresultaten. Het kan ook gegevens rangschikken en filteren om de meest significante bevindingen te benadrukken.
• Visualisatie: De assistant kan gegevens weergeven in tabelvorm, interactieve grafieken genereren voor farmacologie- en tumorgroei-studies en histologiebeelden weergeven. Deze visualisatie helpt onderzoekers om complexe gegevenspatronen en -relaties snel te begrijpen.
• Interpretatie en inzichten: Door een duidelijke interpretatie van de gegevens te bieden, waaronder voorspellingen voor geneesmiddelengevoeligheid of -resistentie, helpt CertisOI Assistant onderzoekers om geïnformeerde beslissingen te nemen over potentiële therapeutische strategieën of verdere experimentele richtingen.
• Aanpasbaarheid en flexibiliteit: Onderzoekers kunnen hun queries aanpassen om zich te richten op specifieke kankertypen, genetische markers of behandelingresponsen, waardoor een hoge mate van aanpasbaarheid mogelijk wordt, afgestemd op hun onderzoeksdoelstellingen.

Hoe verhoogt de CertisOI Assistant de mogelijkheden van onderzoekers om kankermodellen te selecteren, biomerkersstrategieën te ontwikkelen of in silico-validaties uit te voeren?

I heb de eerste twee gebieden – het kankermodelgedeelte en de ontwikkeling van biomerkersstrategieën – aan het begin van dit interview behandeld, dus ik zal me richten op het uitvoeren van in silico-validaties. CertisOI Assistant biedt een virtuele omgeving om hypotheses te testen en te valideren met betrekking tot geneesmiddelenefficiëntie, doelbinding en biomerkersontdekking zonder de noodzaak van onmiddellijke laboratoriumexperimenten. Dit stelt hen in staat om snel hun hypotheses te verfijnen en experimentele inspanningen te richten op de meest veelbelovende wegen.

Hier zijn een paar voorbeelden:

• Geneesmiddelengevoeligheidsvoorspellingen: Gebruik AI-gebaseerde voorspellingen voor geneesmiddelenrespons en -resistentie om te beoordelen hoe verschillende modellen waarschijnlijk zullen reageren op specifieke geneesmiddelen. Dit kan helpen om de potentiële efficiëntie van een geneesmiddel in silico te valideren voordat men overgaat tot in vitro- of in vivo-studies.
• Genomische en moleculaire profilering: Analyseer genoomgegevens, waaronder mutaties, genexpressie en kopieerniveaus, om potentiële doelen te identificeren en hun relevantie voor de werking van het geneesmiddel te valideren. Dit kan helpen om de moleculaire basis van geneesmiddelengevoeligheid of -resistentie te begrijpen.
• Biomerkersontdekking: Correleer moleculaire kenmerken met geneesmiddelenresponsvoorspellingen om potentiële predictieve biomerkers te identificeren. Dit kan de selectie van patiëntpopulaties die waarschijnlijk baat hebben bij een bepaalde therapie, ondersteunen.
• Combinatietherapie-exploratie: Onderzoek geneesmiddelensynergieveorspellingen om veelbelovende geneesmiddelencombinaties te identificeren die de therapeutische resultaten kunnen verbeteren. Dit kan inzicht bieden in potentiële combinatiestrategieën die verder experimenteel kunnen worden gevalideerd.
• Histologische analyse: Gebruik histologiebeelden om de morfologische effecten van geneesmiddelen op tumorgeweef te valideren, waardoor aanvullend bewijs wordt verkregen voor de werking van het geneesmiddel en de potentiële efficiëntie.
• Modelvergelijkingen: Vergelijk verschillende modellen om te begrijpen hoe verschillende genetische achtergronden de geneesmiddelenrespons beïnvloeden, waardoor hypotheses over de rol van specifieke genen of paden in silico kunnen worden gevalideerd.
• Virtuele screening: Voer virtuele screening van geneesmiddelen uit tegen een breed scala aan modellen om kandidaten voor verdere experimentele validatie te prioriteren.

Kunt u voorbeelden delen van hoe onderzoekers deze tool verwachten te gebruiken om hun workflows te verbeteren of doorbraken te behalen?

Het eenvoudigste voorbeeld is de selectie van preklinische modellen. Elk preklinisch onderzoek begint met de selectie van tumormodellen. CertisOI Assistant neemt de handmatige inspanning uit dit proces en brengt grote precisie in de selectie van de optimale modellen voor elke studie.

Een ander voorbeeld is de ontwikkeling van een biomerkersstrategie. De traditionele aanpak is om te hypothetiseren welke biomerkers of biomerkers in verband staan met de werking van het geneesmiddel en vervolgens deze hypotheses te testen in preklinische studies, wat meestal een iteratief proces is. Als preklinische gegevens veelbelovend zijn, moeten onderzoekers predictieve biomerkers in humane klinische trials valideren — en zoals eerder besproken, is de mislukkingsgraad hoog.

CertisOI Assistant helpt onderzoekers om meer precieze, predictieve genexpressiebiomerkers te identificeren en te valideren vroeg in het ontwikkelingsproces en met minder iteraties dan de traditionele workflow — tijd, geld en kansen voor commercieel succes besparend.

Welke soorten kankermodellen of datasets ondersteunt het hulpmiddel, en hoe profiteert de onderzoekscommunity van deze breedte?

De huidige versie van CertisOI geeft onderzoekers toegang tot Certis’ snel groeiende bibliotheek van PDX- en PDX-afgeleide tumormodellen en het gehele Cancer Cell Line Encyclopedia (CCLE) van modellen. De algoritmen van het platform putten ook uit gegevens van Genomics of Drug Sensitivity in Cancer (GDSC), International Cancer Genome Consortium (ICGC), CI ALMANAC, O’Neil en andere datasets. Deze holistische benadering van gegevensintegratie maakt een meer uitgebreide analyse mogelijk dan hulpmiddelen die zich richten op geïsoleerde gegevenstypen.

De CertisOI Assistant is ontworpen om gebruikersvriendelijk te zijn. Hoe garandeert u dat het toegankelijk is voor onderzoekers die mogelijk geen uitgebreide technische expertise hebben?

Een aantal functies maken CertisOI Assistant toegankelijk voor onderzoekers op alle niveaus:

• Intuïtieve interface: De interface is ontworpen om intuïtief en gemakkelijk te navigeren, waardoor gebruikers complexe queries en analyses kunnen uitvoeren zonder de onderliggende technische details te hoeven begrijpen.
• Begeleide workflows: De assistant biedt begeleide workflows voor veelvoorkomende onderzoektaken, zoals het opvragen van geneesmiddelenresponsvoorspellingen, het analyseren van genoomgegevens en het onderzoeken van farmacologiestudies. Dit helpt gebruikers om zich te richten op hun onderzoeksvragen zonder in technische complexiteiten te verzanden.
• Natuurlijke taalverwerking: Gebruikers kunnen met de assistant communiceren met behulp van natuurlijke taalqueries, waardoor het voor hen gemakkelijker wordt om toegang te krijgen tot de informatie die ze nodig hebben, zelfs voor diegenen zonder technische expertise. De assistant interpreteert de queries en vertaalt ze in de juiste databasequeries.
• Uitgebreide documentatie: Gedetailleerde documentatie en tutorials helpen gebruikers om de assistant effectief te gebruiken. Dit omvat stap-voor-stap-gidsen, voorbeelden en uitleg van belangrijke concepten.
• Interactieve visualisaties: De assistant biedt interactieve visualisaties voor gegevensanalyse, zoals grafieken en histologiebeelden, waardoor gebruikers gegevens visueel kunnen verkennen en interpreteren zonder code te hoeven schrijven.
• Responsief ondersteuningsysteem: Gebruikers kunnen toegang krijgen tot responsief ondersteuningsysteem om te helpen met eventuele vragen of problemen. Dit zorgt ervoor dat ze snel hulp kunnen krijgen en hun onderzoek zonder onnodige vertragingen kunnen voortzetten.
• Aanpasbare queries: Terwijl de assistant standaardworkflows biedt, staat het ook aanpasbaarheid toe, waardoor gebruikers queries kunnen aanpassen aan hun specifieke onderzoeksbehoeften zonder diepe technische kennis te hoeven hebben.

Samenwerking is een cruciaal aspect van onderzoek. Hoe faciliteert de CertisOI Assistant teamwork onder onderzoekers of instellingen?

Met CertisOI Assistant kunnen onderzoekers van verschillende teams of instellingen toegang krijgen tot dezelfde dataset en tools, waardoor ze samen kunnen werken aan gedeelde projecten of onderzoeksvoorstellen. Het platform maakt het ook gemakkelijk om gegevensqueries, resultaten en inzichten te downloaden en te delen onder teamleden, zodat iedereen die betrokken is bij een project effectief kan bijdragen.

Wat zijn de grootste uitdagingen bij het opschalen van AI-adoptie in kankeronderzoek, en hoe kunnen deze worden aangepakt?

Belangrijke uitdagingen zijn gegevensbeveiliging, gegevensintegratie en vertrouwen in AI-gebaseerde resultaatvoorspellingen. Ik ben geen expert op het gebied van gegevensbeveiliging of gegevensintegratie, maar grote geesten werken aan het oplossen van deze uitdagingen. Met betrekking tot het vertrouwen in AI-gegenereerde voorspellingen, hebben we efficiënte en geloofwaardige manieren nodig om deze voorspellingen te valideren.

Certis heeft een tweeledige aanpak voor dit probleem: in silico-validatie via interne, cross-validatiestudies en in vivo-validatie — het uitvoeren van studies in klinisch relevante muismodellen om de nauwkeurigheid van onze platformvoorspellingen te evalueren. Na verloop van tijd zullen deze tools ook klinisch worden gevalideerd bij menselijke patiënten — maar dat zal veel tijd, geld en de bereidheid kosten om het huidige kankerbegripsparadigma te veranderen. De medische en regelgevende gemeenschap zal moeten stoppen met het vertrouwen op hoe dingen altijd zijn gedaan en de kracht van computationele analyses om beslissingen te informeren.

Hoe ziet u tools als de CertisOI Assistant de toekomst van kankerbehandeling en precisiegeneeskunde vormgeven?

De moderne geneeskunde heeft nog geen goede manier om patiënten aan de ideale behandelingen te koppelen. Al met al ervaart slechts 10% van de kankerpatiënten een klinisch voordeel van behandelingen die zijn afgestemd op tumor-DNA-mutaties. Dat niet alleen schaadt de gezondheid van patiënten, maar het schaadt hen ook financieel. Geschat wordt dat 2,5 miljard dollar — met een B — wordt verspild aan ineffectieve therapieën. Het is een zeer trieste feit dat 42% van de kankerpatiënten hun volledige activa uitputten binnen het tweede jaar na hun diagnose.

Tools als CertisOI Assistant en CertisAI zulhelft ons om de belofte van precisiegeneeskunde te realiseren — mensen de optimale behandeling voor hun unieke vorm van kanker te geven, de eerste keer, elke keer…. En om toegang tot meer effectieve, persoonlijke zorg te democratiseren.

Bedankt voor het geweldige interview, lezers die meer willen leren, kunnen Certis Oncology Solutions bezoeken.