COVID-19 Open AI Consortium – Intervju med Dr. Stephen Weng, Principal Investigator

COVID-19 Open AI Consortium (COAI) har som mål å bringe gjennombrudd i medisinske oppdagelser og håndterbare funn i kampen mot COVID-19-pandemien.

COAI har som mål å øke samarbeidsforskning, å accelerere klinisk utvikling av effektive behandlinger for COVID-19 og å dele alle funn med den globale medisinske og vitenskapelige samfunnet. COAI vil samle sammen akademiske institusjoner, forskere, dataeksperter og industrielle partnere for å bekjempe COVID-19-pandemien.

Dette er den andre av tre intervjuer med ledere bak COAI. Det første intervjuet var med Owkin’s Sanjay Budhdeo, MD, Business Development.

Stephen Weng er en assistentprofessor i integrert epidemiologi og datavitenskap som leder datavitenskapsforskningen innen Primary Care Stratified Medicine Research Group.

Han kombinerer tradisjonelle epidemiologiske metoder og studie-design med nye informasjonsbaserte tilnærminger, og utnytter og undersøker “stor helsevesendata” fra elektroniske medisinske journaler for å kunne forutsi risiko, karakterisere kroniske sykdommer, forskning på datavitenskapsmetoder og oversette stratifisert medisin til primærhelsetjenesten.

Du har nylig sluttet deg til COVID-19 Open AI Consortium (COAI) som en ledende principal investigator. Kan du diskutere hva som motiverte deg til å slutte deg til dette prosjektet?

Jeg har samarbeidet med Owkin og europeiske partnere i prosjekter som har som mål å forbedre sekundærforebygging av akutt koronarsyndrom i det siste året. Når Owkin lanserte COVID-19 Open AI Consortium for å utnytte deres teknologi, ekspertise og vår infrastruktur for å bidra til den globale kampen mot COVID-19, var dette et naturlig valg og en naturlig passende mulighet til å slutte meg til konsortiet. Vi har utmerkede partnere som er ledende kardiologer i Europa blant vår gruppe av undersøkere fra våre tidligere konsortier. Ved å bruke disse ressursene og ekspertisen, kunne vi flytte raskt og i en god fart for å lansere dette konsortiet innen noen uker og til slutt forbedre vår forståelse av sykdomsforløp, underliggende årsaker og risikofaktorer i våre populasjoner.

En prosentdel av befolkningen som er rammet av COVID-19 viser tegn på hjerteskade. Hva slags hjerte-relaterte problemer ser man?

Det er bevis som viser at kardiovaskulære risikofaktorer og kardiovaskulær sykdom er en stor bidragsyter til sykdommens alvorlighet. En nylig analyse av 17000 COVID-19-tilfeller som krevde innleggelse på sykehus i Storbritannia, viste at hjertesykdom var til stede i 29% av alle innlagte tilfeller. Underliggende kardiovaskulære risikofaktorer, inkludert økende alder, høyt blodtrykk, fedme, hypertensjon og type 2-diabetes, bidrar betydelig til sykdommens alvorlighet.

Tror du at vi for tiden har noen forståelse av hvorfor COVID-19 forårsaker denne typen hjerteskade?

Det er fortsatt mange spørsmål som må besvares om epidemiologien rundt sykdomsforløpet og alvorlighetsgraden av COVID-19, spesielt når det gjelder pasienter med hjertesykdom. Pasienter med hjertesykdom er i økt risiko for å oppleve alvorlig sykdom som kan kreve cardiorespiratorisk støtte på en intensivavdeling. Alvorlighetsgraden av COVID-19 og utviklingen mot alvorlige utfall er sannsynligvis drevet av en direkte skade på kardiovaskulærsystemet, som kan være akutt. Den eksakte typen kardial skade hos COVID-19-pasienter krever videre undersøkelser.

Hva vil din rolle være i COAI?

Jeg er en epidemiolog og dataekspert med fokus på prognose av kardiovaskulære utfall. Mye av min forskning er en dybdeundersøkelse av svært store datamengder for å besvare disse kliniske spørsmålene. I min rolle, samt å forsøke å besvare noen av disse viktige forskningsspørsmålene ved å utnytte min evne til å få tilgang til store populasjonsdatamengder, prøver jeg også å fasilitere andre akademikere og kolleger til å bidra til vårt konsortium.

Hva slags mennesker trenger vi for å slutte seg til COAI-prosjektet for å maksimere dets effektivitet?

Ikke bare er det viktig å få flere forskere og kliniske kolleger til å bidra med data, men vi trenger også å øke mangfoldet av våre dataressurser. Vi vet at COVID-19 har et bredt spekter av alvorlighetsgrader, fra asymptomatiske individer til svært alvorlig sykdom som kan føre til død. Forskellige typer data over hele spekteret av helsevesen, fra primær til sekundær helsetjeneste, er nødvendig for å besvare disse spørsmålene om sykdomsforløp og alvorlighetsgrad.

Du er for tiden en assistentprofessor i integrert epidemiologi og datavitenskap som leder datavitenskapsforskningen innen University of Nottingham’s Primary Care Stratified Medicine Research Group. Kan du diskutere mulige måter store datamengder kan brukes for å bekjempe COVID-19 med den informasjonen vi har?

Vi har noen store datamengder vi kan utnytte. De største seierne har vært nylige investeringer i datakoblinger som har blitt satt i verk, og vi begynner nå å se disse initiativene bære frukter. Faktisk er vi i ferd med å få tilgang til store populasjonskohorter som nå er koblet til primærhelsetjeneste, sykehusjournaler, dødsregister og COVID-19-testdata. I tillegg har disse dataene muligheter til å undersøke genetiske påvirkninger på COVID-19-utfall. Disse koblingene er bare mulig takket være den økende bruken av store datamengder og store populasjonsbiobanker. På grunn av mengden data og variabler som er samlet inn, er AI-modellene som Owkin har utviklet og perfeksjonert svært nyttige for å analysere data på en effektiv måte og å kunne trekke meningfulle slutsatser.

Hva slags informasjon trenger vi å samle inn for å gjøre presisjonsmedisin til en effektiv verktøy i behandling av COVID-19-pasienter?

En mer mangfoldig rekke av datatyper, inkludert bilde, genetiske markører, biomarkører samt kliniske egenskaper og pasientdemografi.

I en ideell verden, hva slags data bør vi samle inn fra COVID-19-pasienter?

I en så ny sykdom som COVID-19, tror jeg ikke det finnes en maksimal grense for hvor mye data vi trenger. Det finnes en frase som sier “vi vet ikke hva vi ikke vet ennå”, så jo mer data og informasjon vi kan samle inn nå, kan være nyttig i fremtiden. For eksempel, hvor mange genetiske fremganger har vi opplevd fordi vi har kunnet sekvensere data og holde det tilgjengelig for forskere i biobanker? Jeg ser for meg at dette skjer med COVID-19. Hvis vi skaper en stor og mangfoldig dataressurs nå, har jeg ingen tvil på at det vil komme nye funn som kan hjelpe vår forståelse i fremtiden.

Bør vi også samle inn data fra den delen av befolkningen som er immun mot COVID-19, for å bedre forstå hva som gjør dem immune?

I epidemiologi er valget av sammenligningsgruppe ekstremt viktig. Risiko er ofte relativ. Hvis vår basis starter med innleggelse på sykehus, så forstår vi bare sykdomsårsaken hos de som viser mer alvorlige symptomer. Jeg tror at en bedre forståelse av asymptomatiske individer og hva som gjør dem asymptomatiske overfor COVID-19, er absolutt nødvendig. Hvor mange terapier er utviklet takket være undersøkelser av gain-of-funksjons-mutasjoner eller tap-of-funksjons-mutasjoner som naturlig forekommer i populasjoner.

Takk for det fantastiske intervjuet. Lesere som ønsker å lære mer, kan lese vår artikkel som beskriver COAI-prosjektet.

Det første intervjuet i denne serien var med Owkin’s Sanjay Budhdeo, MD, Business Development.

Det tredje intervjuet i denne serien var med Folkert W. Asselbergs, Principal Investigator

Du kan også besøke COVID-19 Open AI Consortiums nettsted.