เชื่อมต่อกับเรา

บทสัมภาษณ์

Niven Narain ซีอีโอและประธาน BERG Health – ซีรี่ส์สัมภาษณ์

mm

การตีพิมพ์

 on

Niven Narain เป็น CEO และประธานของ แบร์กสุขภาพขั้นตอนทางคลินิก, บริษัทเทคโนโลยีชีวภาพที่ขับเคลื่อนด้วย AI ดำเนินการ 'Back to Biology' อย่างกล้าหาญ™' แนวทางการดูแลสุขภาพ โดยใช้ประโยชน์จากแพลตฟอร์มข่าวกรองที่เป็นกรรมสิทธิ์ - Interrogative Biology®เป้าหมายคือการทำแผนที่โรคและปฏิวัติการรักษาสำหรับผู้ป่วยทั่วโลก

คุณเป็นหนึ่งในผู้ร่วมก่อตั้ง BERG Health อะไรเป็นแรงบันดาลใจให้เปิดตัวสตาร์ทอัพที่ผสมผสาน AI เข้ากับเทคโนโลยีชีวภาพ

ตามจริงแล้ว แรงบันดาลใจและวิสัยทัศน์ของฉันมาจากความผิดหวังของกระบวนการพัฒนายาที่มีระเบียบแบบแผน คาดการณ์ได้ และใช้เวลานานและมีค่าใช้จ่ายสูง ซึ่งใช้เวลา 12-14 ปีและมากกว่า 2.6 พันล้านดอลลาร์ในการพัฒนายาเพื่อออกสู่ตลาด นอกจากนี้ เบิร์กยังกระตือรือร้นที่จะขจัดอคติออกจากกระบวนการ และต้องการกำหนดเส้นทางที่ยึดผู้ป่วยเป็นศูนย์กลาง แนวทางของเราผสมผสานข้อมูลของผู้ป่วยเอง ซึ่งได้รับการคัดกรองอย่างลึกซึ้งสำหรับชั้นของชีววิทยาทั้งหมด ด้วยระบบ AI แบบเบย์แบบแบ็คเอนด์เพื่อรวบรวมข้อมูลผู้ป่วยทั้งหมด และขับเคลื่อนสมมติฐานในที่สุด

มีโรคหรือมะเร็งอะไรบ้างที่เป็นเป้าหมาย?

ขณะนี้เรากำลังกำหนดเป้าหมายโรคต่างๆ ทั่วทั้งเนื้องอกวิทยา ประสาทวิทยา และโรคหายาก ได้แก่:

  • ภูมิคุ้มกันวิทยา/โรคอักเสบ (LUPUS)
  • โรคหลอดเลือดหัวใจและเมตาบอลิซึม (เบาหวาน, NASH/NAFLD)
  • โรคทางระบบประสาท (โรคพาร์กินสัน โรคอัลไซเมอร์ และความผิดปกติของออทิสติกสเปกตรัม)
  • โรคหายาก (Epidermolysis Bullosa)
  • มะเร็งหลายชนิด (Glioblastoma, ตับอ่อน, เต้านม, มะเร็งต่อมลูกหมาก และมะเร็งที่ลุกลามรุนแรงอื่นๆ)

BERG Health ใช้แพลตฟอร์มที่เป็นกรรมสิทธิ์ของตน ชีววิทยาปุจฉา® เพื่อกำหนดโรคและตัวเลือกการรักษา คุณช่วยอธิบายอย่างละเอียดว่า Interrogative Biology® คืออะไร?

แพลตฟอร์มดังกล่าวครอบคลุมกระบวนการที่สร้างแบบจำลองเฉพาะโรคจากตัวอย่างชีวภาพที่ได้จากมนุษย์ (ทำให้เกี่ยวข้องกับโรคในมนุษย์มากกว่าแบบจำลองสัตว์แทน) แบบจำลองโรคอยู่ภายใต้การทำโปรไฟล์โมเลกุลที่ครอบคลุม (การจัดเรียงข้อมูลแบบหลายโอมิก – จีโนม, การถอดเสียง, โปรตีโอมิกส์, ลิพิโดมิกส์, เมแทบอโลมิกส์) เพื่อสร้างจุดข้อมูลระดับโมเลกุลหลายล้านล้านจุด ข้อมูลนี้รวมเข้ากับข้อมูลผู้ป่วยแต่ละราย (ข้อมูลทางคลินิกและข้อมูลในโลกแห่งความเป็นจริง) โดยใช้อัลกอริธึม Bayesian Artificial Intelligence (AI) ที่เป็นเอกสิทธิ์เฉพาะของ BERG เพื่อสร้างแผนที่ระดับโมเลกุลของโรคที่เปรียบเทียบกับการควบคุมที่ไม่เกี่ยวกับโรค เพื่อระบุชีววิทยาใหม่ที่เป็นต้นเหตุของโรค จากนั้น ผลลัพธ์จะขึ้นอยู่กับเทคนิคการตรวจสอบความถูกต้องของห้องปฏิบัติการเปียกที่เข้มงวดสำหรับแบบจำลองการทำงานที่เกี่ยวข้องกับโรคและ CRISPR

คุณช่วยอธิบายได้ไหมว่า BERG Health สร้างนวัตกรรมจากฝูงชนได้อย่างไร

BERG ร่วมมือกับสถาบันการศึกษาและคลินิก/การแพทย์เพื่อสร้างธนาคารชีวภาพของตัวอย่างชีวภาพคุณภาพสูงที่มีคำอธิบายประกอบทางคลินิกสำหรับโปรแกรมเฉพาะโรค BERG ได้สร้างทีมผู้เชี่ยวชาญภายในองค์กรที่เชี่ยวชาญในความสามารถหลายด้านของโอมิก ทีมยังทำงานร่วมกับกลุ่มที่มีความเชี่ยวชาญเฉพาะสำหรับโปรไฟล์ข้อมูลเพิ่มเติม เช่น โปรไฟล์จีโนมและทรานสคริปโตมิกซึ่งสร้างขึ้นโดยผู้ทำงานร่วมกัน เราร่วมมือกับสถาบันทางคลินิก/การแพทย์ชั้นนำ และหน่วยงานของรัฐ/รัฐบาลกลาง รวมถึงกระทรวงกลาโหมสหรัฐฯ และ Oak Ridge National Lab (ORNL) ที่ได้รับทุนสนับสนุนจากกระทรวงพลังงาน และอื่นๆ เราได้เห็นโดยตรงถึงความสำคัญของการทำงานร่วมกันและบทบาทของมันในการสร้างข้อมูลที่มีความเที่ยงตรงสูงซึ่งได้รับการสนับสนุนโดยประวัติทางการแพทย์ของผู้ป่วยและข้อมูลในโลกแห่งความเป็นจริง ซึ่งเป็นขั้นตอนสำคัญสำหรับการรวมเข้ากับแบบจำลองทางชีววิทยา ความร่วมมือทางวิชาการมีความสำคัญต่อการตรวจสอบความถูกต้องของห้องปฏิบัติการแบบเปียกของผลลัพธ์ในซิลิโก เพื่อสร้างรากฐานทางวิทยาศาสตร์ที่แปลกใหม่ของข้อมูลเชิงลึกระดับโมเลกุลเฉพาะที่อธิบายโดยแพลตฟอร์ม Berg ยังมีส่วนร่วมกับข้อมูลเชิงลึกและข้อเสนอแนะจาก KOL เมื่อเริ่มต้นสร้างแบบจำลอง AI และใช้ความร่วมมือเหล่านี้ในการตรวจสอบความถูกต้องของเอาต์พุตของแพลตฟอร์มโดยอิสระ

คุณช่วยอธิบายวิธีที่ AI ใช้ในการค้นหาองค์ประกอบที่ก่อให้เกิดโรคหรือมะเร็งได้ไหม

Bayesian AI ของ BERG ใช้ข้อมูลที่สร้างขึ้น/จัดการภายในสำหรับการค้นพบสิ่งกระตุ้นเฉพาะของโรค โดยระบุเป้าหมายสำหรับการรักษา ตัวบ่งชี้ทางชีวภาพสำหรับการวินิจฉัย การจัดระยะ/การแบ่งชั้น การวินิจฉัยร่วมสำหรับการตอบสนอง/ผลลัพธ์ และการทำแผนที่โมเลกุลตามยาวเพื่อสร้างรอยนิ้วมือของการตอบสนองและเหตุการณ์ไม่พึงประสงค์ AI เปรียบเทียบแบบจำลองของโรคกับประชากรที่ไม่เป็นโรค และเครือข่าย "เดลต้า" จะสรุปจุดกระตุ้นของโรค

มีวิธีใดบ้างที่ AI ช่วยในการระบุตำแหน่งตัวบ่งชี้ทางชีวภาพในผู้ป่วยที่ไม่ตอบสนองต่อการรักษาหรือวัคซีนบางอย่าง

ด้วยการบันทึกการบรรยายเต็มรูปแบบของชีววิทยาของผู้ป่วยผ่านการวิเคราะห์แบบหลายโอมิกและใช้การอนุมานเชิงสาเหตุแบบเบย์จากตัวอย่างผู้ป่วยตามยาว ทำให้ BERG สามารถระบุสัญญาณเชิงสาเหตุของการตอบสนองต่อการรักษาที่ทราบ การหาโอกาสใหม่และลายเซ็นของเอนทิตีระดับโมเลกุลที่ส่งผลต่อ titer ของไวรัสและความทนทานของการตอบสนอง ของวัคซีน มัลติโอมิกส์ทำงานได้ดีกว่าจีโนมและช่วยให้คุณระบุปัจจัยหมุนเวียนที่ส่งผลต่อผลลัพธ์ด้านสุขภาพ

ยาปัจจุบันในท่อส่งของคุณมีอะไรบ้าง?

BERG มีโปรแกรมหลายโปรแกรมในการพัฒนาทางคลินิกและพรีคลินิกด้วยสินทรัพย์ที่เติบโตเต็มที่ในด้านเนื้องอกวิทยาและโรคทางระบบประสาท

  • ในด้านเนื้องอกวิทยา BPM 31510-IV เป็นโมเลกุลขนาดเล็กแบบใหม่ที่กำหนดเป้าหมายการเผาผลาญของเซลล์มะเร็ง ซึ่งประสบความสำเร็จในขั้นที่ 1 (ความปลอดภัย/ความทนทาน) ในก้อนเนื้องอกและมะเร็งสมอง (GBM) BPM 31510-IV ระยะที่ 2 (ประสิทธิภาพ, มะเร็งตับอ่อน) ขณะนี้อยู่ระหว่างการพัฒนาทางคลินิกสำหรับ GBM (Ph2/3) และ Ph3 มะเร็งตับอ่อน
  • BPM 31510-เฉพาะที่ – สำเร็จ Ph1 ใน Epidermolysis Bullosa (โรคหายาก/การกำหนดเด็กกำพร้า) การวางแผนการพัฒนาทางคลินิก Ph2/3
  • BPM 31510-Oral – ประสบความสำเร็จในการทำ Ph1 oral ในอาสาสมัครด้านสุขภาพ ในขั้นตอนการวางแผนระยะแรกของการพัฒนาทางคลินิก Ph2 สำหรับตัวบ่งชี้ด้านเนื้องอกวิทยา/ไม่ใช่มะเร็ง
  • BPM 31543 เป็นโมเลกุลขนาดเล็กสำหรับป้องกันผมร่วงที่เกิดจากเคมีบำบัด ความปลอดภัย & ความทนทานพร้อมสัญญาณเริ่มต้นของประสิทธิภาพได้รับการจัดตั้งขึ้นในการทดลองทางคลินิกระยะที่ 1 ขณะนี้สินทรัพย์นี้อยู่ในการวางแผนสำหรับการพัฒนาทางคลินิก Ph2/3
  • BPM 42522 – โมเลกุลขนาดเล็กอันดับ 1 ในชั้นเรียนที่กำหนดเป้าหมายแพลตฟอร์ม BERG แบบใหม่ที่ระบุเป้าหมายใน Ubiquitin Proteosome Pathway ใน IND ทำให้สามารถศึกษาสำหรับการศึกษา FIH ในด้านเนื้องอกวิทยา ไตรมาสที่ 1 ปีงบประมาณ 2021
  • เป้าหมายใหม่ที่ระบุสำหรับโรคพาร์กินสันกำลังอยู่ในความพยายามในการค้นหายา

BERG Health มี เพิ่งร่วมมือกับ Oak Ridge National Lab ของ Department of Energy. คุณช่วยบอกรายละเอียดเกี่ยวกับความเป็นหุ้นส่วนนี้ให้เราทราบหน่อยได้ไหม?

แพลตฟอร์มของ BERG มีความสามารถในการสร้างรายการเป้าหมายที่เป็นไปได้หลายประการสำหรับการแทรกแซงโรค ซูเปอร์คอมพิวเตอร์ Summit ที่ ORNL มีความสามารถในการวิเคราะห์โครงสร้างโมเลกุลที่ครอบคลุมของเป้าหมายเหล่านี้ และระบุโมเลกุลคล้ายยาขนาดเล็กที่สามารถใช้ในการตรวจสอบความถูกต้องของเป้าหมายได้อย่างรวดเร็ว ส่งผลให้เวลาในการพัฒนาการตรวจสอบเป้าหมาย/การค้นพบยาสำหรับการรักษาแบบใหม่สั้นลง พลังของความสามารถในการคำนวณของ Summit ช่วยลดกระบวนการค้นพบยาจากหลายเดือน/ปีเหลือไม่กี่ชั่วโมง/วัน เพื่อสร้าง "การชน" โมเลกุลที่คล้ายยาคุณภาพสูงในขั้นต้น ความร่วมมือของ BERG-ORNL เป็นรากฐานของการระบุเป้าหมายเฉพาะของโรคใหม่ๆ และกระบวนการค้นพบยาที่เกี่ยวข้องได้อย่างรวดเร็ว นอกจากนี้ยังช่วยให้สามารถสร้างท่อส่งผลิตภัณฑ์เฉพาะโรคที่ไร้รอยต่อซึ่งเตรียมไว้สำหรับการพัฒนาทางคลินิก ผลกระทบที่สำคัญของความร่วมมือนี้อยู่ที่เวลา/ค่าใช้จ่ายในการค้นพบและพัฒนายาใหม่

เห็นได้ชัดว่า COVID-19 อยู่ในใจของทุกคน BERG Health ให้ความช่วยเหลือในความพยายามนี้อย่างไร?

แพลตฟอร์ม Interrogative Biology ที่เปิดใช้งานด้วย AI ของ BERG ได้รับการยกระดับเพื่อสร้างแบบจำลองเฉพาะของ COVID-19 ซึ่งส่งผลให้สามารถระบุเป้าหมายที่รู้จักและแปลกใหม่ได้หลายเป้าหมายซึ่งอาจส่งผลกระทบต่อระยะเวลาของการติดเชื้อ และอาจนำยาที่ได้รับอนุมัติกลับมาใช้ใหม่เพื่อลด/บรรเทาผลลัพธ์ทางคลินิก . ด้วยความร่วมมืออย่างแข็งขันกับ ORNL ปัจจุบันเรามีส่วนร่วมในการค้นพบและพัฒนาโมเลกุลขนาดเล็กเทียบกับเป้าหมายใหม่สำหรับการรักษาที่มีศักยภาพของ COVID-19

ขอบคุณสำหรับบทสัมภาษณ์ ผู้อ่านที่ต้องการเรียนรู้เพิ่มเติมควรเยี่ยมชม BERG สุขภาพ.

ผู้ร่วมก่อตั้ง unite.AI และเป็นสมาชิกของ สภาเทคโนโลยี Forbes อองตวนเป็นอ ผู้เป็นเจ้ายังมาไม่ถึง ผู้หลงใหลเกี่ยวกับอนาคตของ AI และหุ่นยนต์

เขายังเป็นผู้ก่อตั้ง หลักทรัพย์.ioซึ่งเป็นเว็บไซต์ที่เน้นการลงทุนด้านเทคโนโลยีก่อกวน