Andrew Watson, Vice President för AI och R & D på Healx – Intervju-serie

Andrew Watson är Vice President för AI och R & D på Healx.

Healx är ett AI-drivet, patientinspirerat teknikföretag, som är dedikerat till att hjälpa patienter med sällsynta sjukdomar runt om i världen att få tillgång till livsförbättrande behandlingar. Det finns 7 000 kända sällsynta sjukdomar som påverkar 400 miljoner människor över hela världen, men endast 5 % av dessa tillstånd har godkända behandlingar. Healx använder artificiell intelligens (AI) för att identifiera nya behandlingar för sällsynta sjukdomar från befintliga ämnen och för att främja dem till patienter som behöver dem. Deras innovativa tillvägagångssätt innebär att de kan påskynda takten, öka omfattningen och förbättra chansen till framgång för utvecklingen av behandlingar för sällsynta sjukdomar.

Vad var det som initialt drog dig till området maskinlärning?

Mitt första möte med maskinlärning var under en föreläsning om “Evolutionära algoritmer” under min första examen vid University of Exeter. Vi lärde oss att programmera en algoritm som utformade tvådimensionella leksaksbilar, som började med en slumpmässig samling av hjul och komponenter, innan de utvärderades och itererades för att skapa efterföljande generationer som presterade bättre och bättre mot en måttstock som vi definierade. Jag var fascinerad av att programvaran kunde utföra tusentals designiterationer utan något mänskligt ingripande och från och med då överdrev jag det, genom att försöka automatisera allt! Detta evolutionära tillvägagångssätt var detsamma som NASA använde för att utforma sin ST5-antenn som ser ut som ingenting som en mänsklig expert skulle ha skapat.

Du har alltid varit fascinerad av att tillämpa maskinlärning och AI-tekniker på svåra problem, vilka var några av dessa utmaningar som du stött på innan du gick med i Healx?

Jag har varit lycklig att ha möjligheten att tillämpa maskinlärning och AI i en mängd olika sammanhang, från att störa terrorister till att identifiera och mildra datorvirus, till, strax innan Healx, att kombinera AI med en djup förståelse av användarbeteende för att skapa intelligenta maskiner för användning i hemmet och bortom på Dyson.

Det är lätt för AI att bli en gimmick, men mitt mål har alltid varit att hitta meningsfulla tillämpningar, antingen genom att härleda mening från stora mängder information eller genom att minska en användares kognitiva belastning genom beslutsstödssystem. Vår mission på Healx är att arbeta med en av de ultimata utmaningarna, rakt på överlappningen mellan AI och mänsklig biologi, för att hjälpa några av de människor som behöver det mest: de med sällsynta sjukdomar.

Vad är några av dina nuvarande ansvarsområden på Healx?

Jag övervakar R & D-teamet, som slutligen är ansvarigt för att tillhandahålla läkemedelsförutsägelser till våra kollegor i prekliniska teamet på Healx. Vi gör detta genom att förstå både den underliggande biologin i en sjukdom som vi arbetar med och verkningsmekanismen för potentiella läkemedel som kan hjälpa till att behandla det, allt som körs på vår egen AI-plattform, Healnet.

Healnet analyserar befintliga läkemedels- och sjukdomsdata från biomedicinsk forskning, vetenskaplig litteratur, patientinsikter och Healx egna kuraterade källor för att bilda en sällsynt sjukdomskunskapsgraf. Vi använder sedan banbrytande AI- och NLP-modeller för att utvinna denna graf för att hitta nya möjligheter att omutveckla, kombinera och till och med förbättra läkemedelsmolekyler för att behandla ett tillstånd.

Kunde du diskutera några av de maskinlärningstekniker som används av Healnet-läkemedelsupptäcktsplattformen för att identifiera nya terapier för sällsynta sjukdomar från läkemedel som redan finns?

Självklart! Healx använder en uppsättning AI- och NLP-metoder för att upptäcka icke-uppenbara sjukdoms-ämnesrelationer med den högsta sannolikheten för framgång.

En av våra vanligaste metoder kallas Sjukdoms-gensuttrycks-matchning, eller DGEM. Denna metod jämför genuttrycksprofilen för en specifik sjukdom med genuttrycksprofiler från Healx kuraterade läkemedelsdatabas, som innehåller tusentals läkemedelssignaturer från offentliga och privata källor och täcker ett brett spektrum av farmakologiska klasser, inklusive en blandning av godkända och utredningsläkemedel. DGEM förutsäger sedan vilka läkemedel som sannolikt kommer att vara effektiva terapier baserat på de mest differentiellt uttryckta generna i genuttrycksprofilerna. Metoden bygger på antagandet att ett läkemedelsmekanism med den motsatta mekanismen för en sjukdom skulle vara en stark kandidat för en effektiv behandling. Vi använde faktiskt denna metod för att hitta de ledande ämnena som vi nu undersöker som en del av vår IMPACT-FXS-studie på Fragile X-syndrom – världens ledande genetiska orsak till inlärningssvårigheter.

En annan metod är Förutsägelse av återanvända indikationer med likhetsmatriser (PRISM), som använder principen att om ett läkemedel behandlar en specifik sjukdom, då ett liknande läkemedel kan behandla en liknande sjukdom. För att bestämma likheten mellan läkemedel tar PRISM hänsyn till målproteiner, strukturell likhet och biverkningar, och för att bestämma likheten mellan sjukdomar tar PRISM hänsyn till målgener, ontologisk struktur och fenotyper. En maskinlärningsalgoritm används sedan för att kombinera dessa likheter för att förutsäga nya behandlingsapplikationer.

Vi har nu utvecklat över 10 monoterapi- och kombinationsbehandlingsförutsägelsemoduler för att identifiera fler nya terapeutiska möjligheter för sällsynta tillstånd och, kritiskt, är dessa modeller utbildade för att upptäcka ny sjukdomsbiologi och verkningsmekanismer, utan att begränsas till en enda biologisk mål (vilket är ett problem med traditionella läkemedelsupptäcktsmetoder).

När ett läkemedel har identifierats som en möjlig kandidat, hur bestämmer systemet sedan om det ska fortsätta till kliniska prövningar?

Tack vare våra AI-algoritmer och våra egna datakällor kan vi minska en lista med cirka 15 000 möjliga läkemedel till 100 eller så lika sannolika behandlingskandidater.

När vi har denna lista överlämnar vi den till vårt prekliniska team – som består av experter inom farmakologi och läkemedelsupptäckt – som använder sin betydande vetenskapliga och medicinska kunskap om sjukdomen och läkemedlen för att granska förutsägelserna och välja de mest sannolika läkemedelskandidaterna för att behandla ett specifikt tillstånd. Vi tillhandahåller också det prekliniska teamet med AI-genererad motivering som stöder förutsägelserna, som förklarar varför ett ämne som kan verka ologiskt vid första anblicken är värt deras uppmärksamhet.

När de har begränsat listan igen till cirka 10-20 kandidater, förs dessa ämnen vidare till preklinisk validering, som innebär att testa ett läkemedel i cellkulturer och modeller innan det testas på människor under den kliniska prövningsfasen. Dessa studier kommer att avslöja om ett ämne sannolikt kommer att vara effektivt, säkert och upptäcka eventuella biverkningar som det kan ha. De bestämmer också vilka läkemedel som kan kombineras eller förbättras för en mer effektiv behandling.

Kunde du förklara vad Fragile X-syndrom är och några av de senaste framgångarna i att avslöja potentiella läkemedelskandidater?

Fragile X-syndrom är en sällsynt neurodevelopmental tillstånd som orsakar en mängd olika intellektuella och kognitiva funktionshinder. Det påverkar cirka 1 av 4 000 män och 1 av 8 000 kvinnor – men det finns för närvarande inga effektiva eller godkända behandlingar för tillståndet tillgängliga.

Healx mål är att ändra på detta, genom att försöka ta fram minst en ny och effektiv kombinationsbehandling för tillståndet på marknaden inom de närmaste åren.

Vi har gjort fantastiska framsteg i detta syfte hittills, och har avslöjat flera kandidater för tillståndet genom våra AI- och omiksbaserade läkemedelsmatchningsmetoder (inklusive DGEM, som jag nämnde tidigare). HLX-0201, som ursprungligen godkändes som ett icke-steroidalt antiinflammatoriskt läkemedel, är vår mest lovande kandidat, och spännande nog har vi nu fått godkännande för en ny läkemedelsansökan (IND) från den amerikanska livsmedels- och läkemedelsmyndigheten (FDA) för den kliniska studien av ämnet i kombination med HLX-0206, som identifierades som en potentiell kombinationspartner med hjälp av Healx egna kombinationsförutsägelsemetoder.

IMPACT-FXS-studien är nu på gång på flera platser i USA, vilket är riktigt spännande, och vi hoppas att ha mer att dela om det snart!

Det är värt att nämna också att, under hela detta projekt, har Healx samarbetat nära med FRAXA Research Foundation, en ledande forsknings- och stödorganisation för Fragile X i USA, och andra organisationer för att hjälpa oss att förstå mer om tillståndet och få tillgång till prekliniska data och modeller som har möjliggjort att vi snabbt kan fortsätta våra förutsägelser till kliniska studier.

Vad ser du som framtiden för AI i att rikta sig mot sällsynta sjukdomar?

Jag tror att det finns en potential att se AI och andra banbrytande teknologier användas över hela läkemedelsupptäckts- och utvecklingsprocessen, för att övervinna några av de traditionella utmaningarna kring tid, kostnad och risk.

Vi ser redan en spridning av företag inom det bredare läkemedelsupptäcktsområdet som använder AI för att göra allt från att analysera sjukdomsdata och etablera biomarkörer, till att syntetisera proteiner och utforma nya läkemedel, hela vägen upp till att analysera realvärldsevidens och köra kliniska prövningar som stöds av “digitala tvilling”-kontrollarmar.

Allt detta kommer att vara enormt fördelaktigt för upptäckten av behandlingar för sällsynta sjukdomar, där det finns hinder kring brist på relevant sjukdomskunskap eller små patientgrupper. NLP kan hjälpa till att fylla luckorna i förståelsen genom att samla in uppdaterad data, medan ML kan förutsäga vilka befintliga behandlingar som kan omutvecklas och varför. Kanske mest spännande är att AI kan ge oss den automatisering som behövs för att hitta och utveckla behandlingar i stor skala. Och när datorkraften och framstegen inom AI ökar, kan vi snabbt skala upp det.

Finns det något annat som du vill dela om Healx?

Detta är en riktigt bra tid att vara i branschen, och det är en verklig privilegium att arbeta med dessa banbrytande teknologier för att lösa några av de mest komplexa problemen som finns. Vi är alltid på jakt efter människor som är passionerade om vår mission att gå med i teamet, och jag rekommenderar starkt de som är intresserade att kolla in våra lediga platser.

Vi har också några spännande utvecklingar och projekt i pipelinen på Healx, som du kan hålla dig uppdaterad om via vår webbplats, och vi hoppas att kunna dela några av dem med dig snart.

Tack för den underbara intervjun, jag ser fram emot att följa framstegen för Healx, ett företag som utan tvekan kommer att ha en positiv inverkan på många. Läsare som vill lära sig mer bör besöka Healx.