Owkin uruchamia konsorcjum COVID-19 Open AI (COAI)

Po świeżej rundzie finansowania, Owkin niedawno uruchomił konsorcjum COVID-19 Open AI (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, które zostanie przeprowadzone 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 doskonale 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 uczenia maszynowego (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 prywatność pacjentów.”

Federated Learning

Aby zrozumieć model, który Owkin stosuje, trzeba w pełni zrozumieć nową technologię, czyli Federated Learning. Federated Learning oferuje ramy dla rozwoju sztucznej inteligencji, które umożliwiają przedsiębiorstwom szkolenie modeli uczenia maszynowego na danych, które są rozproszone w skali na wiele instytucji medycznych, bez centralizacji danych. Korzyści są podwójne: nie ma utraty prywatności, ponieważ dane nie są bezpośrednio powiązane z konkretnym pacjentem, a dane są przechowywane w instytucji opieki zdrowotnej, która je gromadzi.

Użycie Federated Learning umożliwia znacznie szerszy zakres danych niż ten, który posiada pojedyncza organizacja. Oznacza to, że dzięki Federated Learning badacze mają dostęp do tylu danych, ilu tylko jest dostępnych, a im więcej danych posiada system sztucznej inteligencji, tym bardziej jest dokładny.

Obecnie istnieją liczne krajowe wysiłki w wykorzystaniu sztucznej inteligencji do walki z COVID-19. Problemem wielu z tych 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 ekspozycja na elementy 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, zamierzają wykorzystać Federated Learning do:

“Pomóc im zrozumieć, dlaczego skuteczność leków różni się u pacjentów, poprawić proces rozwoju leków i zidentyfikować najlepszy lek dla odpowiedniego pacjenta w odpowiednim czasie, aby poprawić wyniki leczenia.”

Zrozumienie i leczenie problemów zdrowia serca będzie pierwszym wyzwaniem, które Owkin podejmie. Jak ważne są dane, tak samo ważne są wysiłki badaczy i osób, które 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 naukowe na Uniwersytecie w Oksfordzie oraz uzyskał tytuł magistra na Uniwersytecie w Cambridge. Sanjay ma doświadczenie w neuroobrazowaniu, epidemiologii i zdrowiu cyfrowym. Przed dołączeniem do Owkin jako menedżer ds. partnerstwa, był starszym współpracownikiem w Boston Consulting Group, gdzie koncentrował się na danych i technologiach w ochronie zdrowia. Zasiada w Komitecie Bezpieczeństwa Pacjentów w Królewskim Towarzystwie Medycznym i wcześniej był specjalnym doradcą w Komisji Jakości Opieki.

Kliknij tutaj, aby przeczytać wywiad z Sanjay.

Dr. Stephen Weng, Główny Badacz:

Stephen jest adiunktem epidemiologii i nauk o danych, który kieruje badaniami nad nauką o danych w Grupie Badań Medycyny Stratifikowanej w Opiece Pierwotnej.

Łączy tradycyjne metody epidemiologiczne i projektowanie badań z nowymi podejściami opartymi na informatyce, wykorzystując i badając “duże dane zdrowotne” z elektronicznych kart pacjentów w celu modelowania ryzyka, fenotypowania chorób przewlekłych, badań metod nauk o danych i translacji medycyny stratyfikowanej do opieki pierwotnej.

Kliknij tutaj, aby przeczytać wywiad z Stephen.

Folkert W. Asselbergs, Główny Badacz

Folkert jest profesorem medycyny precyzyjnej w chorobach sercowo-naczyniowych w Instytucie Nauk o Sercu, UCL, Dyrektorem Jednostki Badań Klinicznych w UCLH, profesorem genetyki sercowo-naczyniowej i konsultantem kardiologii w oddziale kardiologii, Uniwersyteckiego Centrum Medycznego w Utrechcie, oraz głównym oficerem naukowym Centrum Badań nad Sercem, Holenderskiego Instytutu Serca. Prof. Asselbergs opublikował ponad 275 prac naukowych i uzyskał finansowanie z fundacji leDucq, Brytyjskiej i Holenderskiej Fundacji Serca, Unii Europejskiej (FP7, ERA-CVD, IMI, BBMRI) oraz RO1 Narodowych Instytutów Zdrowia.

Kliknij tutaj, aby przeczytać wywiad z Folkert.

Nasza Nadzieja

Nadzieją Unite.AI jest to, że poprzez wykorzystanie obrazów biomedycznych, genomiki i danych klinicznych do odkrywania biomarkerów i mechanizmów związanych z chorobami i wynikami leczenia, można przyspieszyć rozwój następnej generacji leków do walki z COVID-19. Przyczyniamy się do tego ważnego projektu, prezentując osobowości zaangażowane w ten ważny globalny wysiłek.