Dr. Ofer Sharon, CEO OncoHost – Wywiad

Dr. Ofer Sharon to lekarz i przedsiębiorca z prawie 20-letnim doświadczeniem w klinicznej i komercyjnej rozwoju produktów dla startupów w branży health tech, biotech i urządzeń medycznych. Przed dołączeniem do OncoHost, pełnił wiele ról w globalnych firmach farmaceutycznych, w tym dyrektora medycznego dla AstraZeneca (AZN ) (Izrael), zwiadowcy nowych technologii dla Medimmune i dyrektora medycznego dla MSD (Izrael). Współzałożył kilka firm związanych z ochroną zdrowia, głównie skupiając się na platformach bioinformatycznych i machine learning do wykrywania klinicznego pogorszenia i wczesnej interwencji. Dr. Sharon jest majorem (rezerwy) w IDF i dowódcą kompanii medycznej z specjalistyczną wiedzą w zakresie pomocy w przypadku klęsk żywiołowych. Ukończył studia medyczne cum laude na Uniwersytecie w Tel Awiwie, Izrael.

Czy mógłbyś zacząć od wyjaśnienia, czym jest OncoHost?

OncoHost to firma startupowa zajmująca się precyzyjną onkologią, która łączy analizę proteomiczną z AI w celu przewidzenia odpowiedzi na immunoterapię i dostarczenia lekarzom potencjalnych strategii łączenia leków w celu pokonania oporności na leczenie.

Jaka jest historia powstania OncoHost?

Nasza główna naukowiec, prof. Yuval Shaked, obecnie kierownik zintegrowanego centrum badań nad rakiem w Izraelskim Instytucie Technologicznym, odkrył, że reakcja organizmu na leczenie przeciwnowotworowe może ułatwić i wspierać wzrost i rozprzestrzenianie się guza. Wydaje się to paradoksalną reakcją na leczenie, nasz własny organizm może tak naprawdę pomóc komórkom nowotworowym uniknąć skutku leczenia przeciwnowotworowego.

W ciągu ponad 15 lat badań Shaked odkrył, że reakcja organizmu jest zjawiskiem powszechnym, niezależnym od rodzaju leczenia (chemioterapia, leczenie celowane, immunoterapia, a nawet radioterapia i chirurgia). My w OncoHost pracujemy nad odczytaniem reakcji organizmu, aby zidentyfikować, u których pacjentów może być szkodliwa.

Tradycyjne metody leczenia raka skutecznie niszczą komórki nowotworowe, ale powodują również szereg niezamierzonych skutków w zdrowych tkankach. Czy mógłbyś omówić, jak duży to problem dla pacjentów i praktyków zdrowia?

Możemy ogólnie podzielić niepożądane skutki różnych leków przeciwnowotworowych na te, które możemy zidentyfikować jako lekarze i pacjenci, oraz te, których nie widzimy. Często myślę o tym jako o górach lodowych. Lekarze znają bardzo dobrze, czego mogą oczekiwać i jak zarządzać „widocznymi” niepożądanymi zdarzeniami na powierzchni. To, czego nie widzimy, to te, które ukrywają się pod powierzchnią – czyli reakcja organizmu. Koszty są znaczne, zarówno w sensie bezpośrednich kosztów, jak i w sensie dodatkowego psychicznego obciążenia, które dodaje się do fizycznego.

Czy możesz omówić, jak system OncoHost, PROphet, może identyfikować białka w osoczu krwi pacjenta, aby następnie wskazać leczenie, które najprawdopodobniej pomoże konkretnemu pacjentowi?

Nasze rozwiązanie łączy analizę setek różnych białek z kilkoma narzędziami bioinformatycznymi i machine learning. Pomysł polega na skupieniu się na białkach, które znacznie różnią się między pacjentami, aby utworzyć klasyfikator, który może wcześnie zidentyfikować nieodpowiadających i zapewnić lekarzom analizę biologicznych ścieżek i białek związanych z opornością na leczenie, a tym samym służyć jako potencjalne cele leków.

Jak testy predykcyjne redukują niepotrzebne toksyczności?

Potężne leki są związane z toksycznościami. Zarządzanie rakiem to chodzenie po cienkim lodzie między bezpieczeństwem a skutecznością. Uważam, że poprzez personalizację leczenia dla pacjenta, możemy zoptymalizować ten stosunek. Ponadto, staramy się przewidzieć związane z immunoterapią niepożądane zdarzenia i, jako taki, być przygotowanym do ich identyfikacji i leczenia jak najwcześniej.

Jakie typy raka OncoHost obecnie koncentruje się?

Rak płuca (nie drobnokomórkowy i drobnokomórkowy) oraz czerniak stadium IV.

Jak widzisz przyszłość medycyny personalizowanej?

Myślę, że zobaczymy głębokie „profilowanie” pacjentów do diagnozy przed i podczas leczenia, przy użyciu kilku modalności (AI-opartej wizualizacji, następnej generacji sekwencjonowania, analizy proteomicznej i analizy komórek pojedynczych) wszystko, aby lepiej zrozumieć naszych pacjentów i jak oni oraz guz ewoluują w czasie, aby dostosować i zmienić leczenie w czasie rzeczywistym.

Dziękuję za wspaniałe odpowiedzi, czytelnicy, którzy chcą dowiedzieć się więcej, powinni odwiedzić Oncohost.