Owkin Uruchamia Konsorcjum Otwartego AI COVID-19 (COAI)

Po świeżej rundzie finansowania, Owkin niedawno uruchomił Konsorcjum Otwartego AI COVID-19 (COAI). To konsorcjum umożliwi zaawansowane badania współpracy i przyspieszy rozwój kliniczny skutecznych leków dla pacjentów zakażonych COVID-19.

Pierwszym etapem projektu jest pełne zrozumienie i leczenie powikłań sercowo-naczyniowych u pacjentów z COVID-19, co zostanie wykonane we współpracy z CAPACITY, międzynarodowym rejestrem współpracującym z ponad 50 ośrodkami na całym świecie. Inne obszary badań obejmą wyniki leczenia pacjentów i triage, oraz przewidywanie i charakterystykę odpowiedzi immunologicznej.

Manifest Owkin idealnie odzwierciedla wizję firmy:

“Jesteśmy w pełni zaangażowani w tym nowym przedsięwzięciu z celem poprawy rozwoju leków i wyników leczenia pacjentów. Założona w 2016 roku, Owkin szybko wyłoniła się jako lider w wprowadzaniu technologii Sztucznej Inteligencji (AI) i Machine Learning (ML) do branży opieki zdrowotnej. Nasze rozwiązania poprawiają tradycyjny model badań medycznych, zmieniając wcześniej rozproszony i niezwiązany system w innowacyjny i współpracujący, który przede wszystkim stawia na pierwszym miejscu prywatność pacjentów.”

Federated Learning

Aby zrozumieć model, który stosuje Owkin, należy w pełni zrozumieć nową technologię zwaną Federated Learning. Federated Learning oferuje ramy dla rozwoju AI, które umożliwiają przedsiębiorstwom szkolenie modeli Machine Learning na danych rozproszonych w skali na wielu instytucjach medycznych bez centralizacji danych. Korzyści z tego są dwukierunkowe, nie ma utraty prywatności, ponieważ dane nie są bezpośrednio powiązane z konkretnym pacjentem, a dane są utrzymywane w instytucji opieki zdrowotnej, która je zbiera.

Użycie Federated Learning umożliwia znacznie szerszy zakres danych niż ten, jaki posiada pojedyncza organizacja. Oznacza to, że dzięki Federated Learning badacze mają dostęp do tak wielu danych, jak tylko jest to możliwe, a im więcej danych posiada system Machine Learning, tym bardziej jest on dokładny.

Istnieją obecnie wiele narodowych wysiłków w wykorzystaniu AI do walki z COVID-19. Problemem wielu z tych rozproszonych wysiłków jest to, że dane są specyficzne dla jednego kraju. Zebranie danych z jednego regionu może nie ujawnić ważnych informacji, które umożliwiłyby badaczom pełne zrozumienie, jak narażenie na czynniki środowiskowe, skład etniczny, genetyka, wiek i płeć mogą odgrywać ważne role w zrozumieniu tej choroby. Dlatego współpraca jest tak ważna, a zebranie danych z wielu jurysdykcji jest jeszcze ważniejsze.

Jak opisuje to Owkin, mają na celu wykorzystanie Federated Learning do:

“Pomocy w zrozumieniu, dlaczego skuteczność leków różni się od pacjenta do pacjenta, poprawy procesu rozwoju leków i identyfikacji najlepszego leku dla odpowiedniego pacjenta we właściwym czasie, w celu poprawy wyników leczenia.”

Zrozumienie i leczenie problemów zdrowia serca będzie pierwszym wyzwaniem podjętym przez Owkin. Tak ważne, jak dane, są wysiłki badaczy i współpracowników, którzy przewodzą tym wysiłkom. Dlatego Unite.AI opublikuje trzy wywiady z badaczami, którzy przyczyniają się do projektu COAI.

Wywiady

Sanjay Budhdeo, MD, Rozwój Biznesu:

Sanjay jest praktykującym lekarzem. Ukończył studia medyczne i medyczne na Uniwersytecie w Oksfordzie oraz studia magisterskie na Uniwersytecie w Cambridge. Sanjay ma doświadczenie w neuroobrazowaniu, epidemiologii i zdrowiu cyfrowym. Przed dołączeniem do Owkin jako menedżer ds. partnerstwa, był starszym associate w Boston Consulting Group, gdzie skupił się na danych i cyfryzacji w ochronie zdrowia. Zasiada w Komitecie Bezpieczeństwa Pacjentów w Royal Society of Medicine i był wcześniej specjalistycznym doradcą w Care Quality Commission.

Kliknij tutaj, aby przeczytać wywiad z Sanjay.

Dr Stephen Weng, Główny Badacz:

Stephen jest adiunktem w dziedzinie epidemiologii zintegrowanej i nauki o danych, który kieruje badaniami nad nauką o danych w ramach Primary Care Stratified Medicine Research Group.

On łączy tradycyjne metody epidemiologiczne i projektowanie badań z nowymi podejściami opartymi na informatyce, wykorzystując i badając “duże dane opieki zdrowotnej” z elektronicznych kart medycznych w celu modelowania predykcyjnego ryzyka, fenotypowania chorób przewlekłych, badań metod nauki o danych i tłumaczenia medycyny stratyfikowanej w opiece podstawowej.

Kliknij tutaj, aby przeczytać wywiad z Stephenem

Folkert W. Asselbergs, Główny Badacz

Folkert jest profesorem medycyny precyzyjnej w chorobach sercowo-naczyniowych w Institute of Cardiovascular Science, UCL, Dyrektorem NIHR BRC Clinical Research Informatics Unit w UCLH, profesorem genetyki sercowo-naczyniowej i konsultantem kardiologii w departamencie kardiologii, University Medical Center Utrecht, oraz głównym naukowcem w Durrer Center for Cardiovascular Research, Netherlands Heart Institute. Prof. Asselbergs opublikował ponad 275 prac naukowych i uzyskał finansowanie z leDucq foundation, British i Dutch Heart Foundation, EU (FP7, ERA-CVD, IMI, BBMRI) oraz RO1 National Institutes of Health.

Kliknij tutaj, aby przeczytać wywiad z Folkertem

Nasza Nadzieja

Nadzieją Unite.AI jest, że poprzez wykorzystanie obrazów biomedycznych, genomiki i danych klinicznych do odkrywania biomarkerów i mechanizmów związanych z chorobami i wynikami leczenia, przyspieszy to następną generację leczenia w walce z COVID-19. Przyczyniamy się do tego ważnego projektu, prezentując osobowości stojące za tym ważnym globalnym wysiłkiem.