Covid-19 Open AI Consortium – Intervju med Dr. Stephen Weng, huvudutredare

Covid-19 Open AI Consortium (COAI) avser att föra med sig banbrytande medicinska upptäckter och handlingsbara resultat i kampen mot Covid-19-pandemin.

COAI siktar på att öka samarbetsforskning, för att påskynda den kliniska utvecklingen av effektiva behandlingar för Covid-19, och att dela alla dess resultat med det globala medicinska och vetenskapliga samfundet. COAI kommer att förena samarbetspartners: akademiska institutioner, forskare, datavetare och industriella partners, för att bekämpa covid-19-pandemin.

Detta är den 2:a av tre intervjuer med huvudledarna bakom COAI. Första intervjun var med Owkins Sanjay Budhdeo, MD, affärsutveckling.

Stephen Weng är en biträdande professor i integrerad epidemiologi och datavetenskap som leder den datavetenskapliga forskningen inom Primary Care Stratified Medicine Research Group.

Han integrerar traditionella epidemiologiska metoder och studiedesign med nya informatikbaserade tillvägagångssätt, utnyttjar och förhör "stora hälsovårdsdata" från elektroniska journaler i syfte att modellera riskförutsägelser, fenotypning av kroniska sjukdomar, forskning om datavetenskapliga metoder och översättning av stratifierad medicin in i primärvården.

Du gick nyligen med i Covid-19 Open AI Consortium (COAI) som ledande utredare. Kan du diskutera vad som fick dig att gå med i det här projektet?

Jag har samarbetat med Owkin och europeiska partners i projekt som syftar till att förbättra sekundärprevention för akut koronarsyndrom under det senaste året. När Owkin lanserade Covid-19 Open AI Consortium utnyttjade sin teknologi, expertis och vår infrastruktur för att bidra till den globala kampen mot Covid-19, var detta ett självklart val och en naturlig passform för att gå med i konsortiet. Vi har utmärkta partners som är ledande kardiologer över hela Europa bland vår utredargrupp från våra tidigare konsortier. Med hjälp av dessa resurser och expertis skulle vi kunna gå mycket snabbt och i en takt för att lansera dessa konsortier inom några veckor och i slutändan förbättra vår förståelse av sjukdomsprogression, den underliggande etiologin och riskfaktorer i våra populationer.

En andel av befolkningen som är drabbad av covid-19 visar tecken på kardiovaskulär skada. Vilken typ av hjärtrelaterade problem ser man?

Det finns bevis på att kardiovaskulära riskfaktorer och kardiovaskulära sjukdomar är en stor bidragande orsak till sjukdomens svårighetsgrad. En nyligen genomförd analys av 17000 19 fall av covid-29 som krävde sjukhusvistelser i Storbritannien identifierade att hjärtsjukdom förekom i 2 % av alla sjukhusinlagda fall. Underliggande kardiovaskulära riskfaktorer, inklusive stigande ålder, högt blodtryck, fetma, högt blodtryck och typ XNUMX-diabetes bidrar väsentligt till sjukdomens svårighetsgrad.

Tror du att vi för närvarande har någon form av förståelse för varför COVID-19 orsakar denna typ av hjärtskador?

Det finns fortfarande många frågor som behöver besvaras kring epidemiologi kring utvecklingen och svårighetsgraden av covid-19, särskilt när det gäller patienter med hjärtsjukdom. Patienter med hjärtsjukdomar löper ökad risk att drabbas av allvarlig sjukdom som kan kräva hjärt- och andningsstöd på en intensivvårdsavdelning. Allvarligheten av covid-19 och utvecklingen mot allvarliga utfall beror sannolikt på någon direkt skada på det kardiovaskulära systemet, som kan vara akut. Den exakta typen av hjärtskada hos COVID-19-patienter kräver ytterligare utredning.

Vad blir din roll med COAI?

Jag är epidemiolog och datavetare med forskningsinriktning på prognos för kardiovaskulära utfall. Mycket av mitt arbete är en djupdykning i mycket stora datamängder för att svara på dessa kliniska frågor. I min roll, förutom att direkt försöka svara på några av dessa viktiga forskningsfrågor genom att utnyttja min förmåga att komma åt stora populationsdatauppsättningar, försöker jag också underlätta för andra akademiker och kollegor att bidra till våra konsortier.

Vilken typ av människor behöver vi för att gå med i COAI-projektet för att maximera dess effektivitet?

Det är inte bara viktigt att få större antal från fler forskare och kliniska kollegor som bidrar med data, utan vi måste också öka mångfalden av våra dataresurser. Vi vet att covid-19 har ett brett spektrum av svårighetsgrad från asymtomatiska individer till mycket allvarlig sjukdom som leder till döden. Olika typer av data över hela spektrumet av hälsovårdsmiljöer från primärvård till sekundärvård behövs för att besvara dessa frågor om sjukdomsprogression och svårighetsgrad.

Du är för närvarande biträdande professor i integrerad epidemiologi och datavetenskap som leder den datavetenskapliga forskningen inom University of Nottinghams Primary Care Stratified Medicine Research Group. Kan du diskutera möjliga sätt som big data kan användas för att rikta in sig på COVID-19 med den aktuella informationen vi har?

Vi har några stora stora datamängder som vi kan utnyttja. De största vinsterna har varit de senaste investeringarna i datalänkning har verkligen satts i verket och vi börjar se dessa initiativ bära stor frukt. Faktum är att vi börjar få tillgång till stora befolkningskohorter som nu har kopplats till primärvård, sjukhusjournaler, dödsregister och covid-19-testdata. Dessutom har dessa data möjligheter att undersöka genetisk påverkan på covid-19-utfall. Dessa länkar är bara möjliga med uppkomsten av big data-kopplingar och stora befolkningsbiobanker. På grund av mängden data och variabler som sammanställs är AI-modellerna som Owkin har utvecklat och fulländat verkligen mycket användbara för att effektivitetsanalysera data i snabb takt för att få meningsfull insikt.

Vilken information behöver vi samla in för att göra precisionsmedicin till ett effektivt verktyg för att behandla COVID-19-patienter?

Fler olika typer av data, inklusive avbildning, genetiska, biomarkörer tillsammans med kliniska egenskaper och patientdemografi.

I en perfekt värld, vilken typ av data ska samlas in från COVID-19-patienter?

I en sådan ny sjukdom som COVID-19 tror jag inte att det finns och borde finnas ett maximalt tak för data som behövs. Det finns en term "vi vet inte vad vi inte vet ännu", så ju fler typer av data och information vi kan sammanställa nu kan vara användbara i framtiden. Till exempel, hur många genomiska framsteg kunskap har vi upplevt eftersom vi kunde sekvensera data och hålla den tillgänglig för forskare i biobanker? Jag ser att detta inträffar COVID-19. Om vi ​​skapar en mångsidig och stor dataresurs nu, tvivlar jag inte på att det kommer att dyka upp nya rön för att hjälpa vår förståelse i framtiden.

Bör vi också samla in data från den del av befolkningen som är immun mot covid-19, för att bättre förstå vad som gör dem immuna?

Inom epidemiologi är valet av jämförelsegruppen oerhört viktigt. Risk är i många avseenden relativ. Om vår baslinje börjar med inlagd på sjukhus, så förstår vi också bara sjukdomsetiologin hos dem som uppvisar svårare symtom. Jag tror att en bättre förståelse för asymtomatiska individer och vad som gör dem asymtomatiska mot COVID-19 är absolut nödvändig. Hur många terapeutika utvecklas på grund av att undersöka vinst av funktionsmutationer eller förlust av funktionsmutationer som naturligt förekommer i populationer.

Tack för den fantastiska intervjun. Läsare som vill lära sig mer, kan läsa vår artikel som beskriver COAI-projektet.

Den första intervjun i denna serie var med Owkins Sanjay Budhdeo, MD, affärsutveckling.

Den tredje intervjun i denna serie var med Folkert W. Asselbergs, forskningschef

Du kan också besöka webbplatsen för Covid-19 Open AI Consortium.