Andrew Watson, Healx’de AI ve Ar-Ge Başkan Yardımcısı – Röportaj Serisi

Andrew Watson, Healx’de AI ve Ar-Ge Başkan Yardımcısıdır.

Healx, nadir hastalık hastalarına dünya çapında yaşamı iyileştiren tedavilere erişim sağlamaya adanmış, AI güdümlü, hasta ilhamlı bir teknoloji şirketidir. 7.000 bilinen nadir hastalık vardır ve bu hastalıklar 400 milyon kişiyi etkiler, ancak bu koşulların sadece %5’ine onaylanmış tedaviler vardır. Healx, mevcut bileşiklerden nadir hastalıklar için yeni tedavileri tanımlamak ve bunları ihtiyaç duyan hastalara ilerletmek için yapay zeka (AI) kullanır. Yenilikçi yaklaşımı, nadir hastalık tedavi geliştirme hızını, ölçeklendirmesini ve başarı şansını artırmasına olanak tanır.

Nasıl oldu da makine öğrenimi alanına ilk olarak çekildiniz?

Benim ilk makine öğrenimi deneyimim, Exeter Üniversitesi’ndeki ilk derece eğitimim sırasında “Evrim Algoritmaları” konulu bir ders sırasında oldu. Rastgele bir tekerlek ve bileşen koleksiyonundan başlayan, iki boyutlu oyuncak arabaları tasarlayan bir algoritma yazmayı öğrendik, sonra performanslarını değerlendirdik ve daha iyi performans gösteren sonraki nesilleri oluşturmak için yineledik. Yazılımın insan müdahalesi olmadan binlerce tasarım iterasyonu yapabildiğini görmek beni büyüledi ve o günden sonra her şeyi otomatikleştirmeye çalıştım! Bu evrimsel yaklaşım, NASA’nın ST5 antenini tasarlamak için kullandığı yaklaşımdı ve bu, bir insan uzmanın yaratabileceği her şeye benzemiyordu.

Her zaman zor sorunlara makine öğrenimi ve AI tekniklerini uygulamaya ilgi duyduğunuzu söylediniz, Healx’e katılmadan önce karşılaştığınız bazı zorluklar nelerdi?

Şanslıyım ki, makine öğrenimi ve AI’yi çeşitli bağlamlarda uygulayabildim, terörizmle mücadele etmekten, bilgisayar malware’yi tanımlamak ve azaltmaktan, Dyson’da evin etrafındaki ve ötesindeki zeki makineler oluşturmak için AI ile kullanıcı davranışı anlayışını birleştirmeye kadar.

AI’nin bir hileye dönüşmesi kolaydır, ancak benim hedefim her zaman anlamlı uygulamalar bulmaktı, bu da büyük miktarda bilginin anlamını çıkarmak veya karar destek sistemleri aracılığıyla bir kullanıcının bilişsel yükünü azaltmaktı. Healx’deki misyonumuz, AI ve insan biyolojisi arasındaki kesişme noktasında, yani nadir hastalıklarla çalışan en büyük zorluklardan birini ele almaktır.

Healx’deki güncel sorumluluklarınız nelerdir?

Ar-Ge ekibini denetliyorum, bu ekip esasen Healx’deki Preklinik ekibimize ilaç tahminleri sağlamaktan sorumludur. Bunu, üzerinde çalıştığımız hastalığın altındaki biyolojisini ve potansiyel ilaçların etki mekanizmasını anlayarak, tüm bunlar da bizim özel AI platformumuz Healnet üzerinde çalışıyor.

Healnet, biyomedikal araştırmalardan, bilimsel literatürden, hasta içgörülerinden ve Healx’in kendi küratörlü kaynaklarından ilaç ve hastalık verilerini analiz ederek nadir hastalık bilgi grafiği oluşturur. Sonra, bu grafiği madenlemek için AI ve NLP modellerini kullanıyoruz ve ilaç moleküllerini yeniden geliştirmek, birleştirmek veya güçlendirmek için yeni fırsatlar buluyoruz.

Healnet ilaç keşif platformunun nadir hastalıklar için mevcut ilaçlardan yeni tedavileri tanımlamak için kullandığı bazı makine öğrenimi teknolojilerini tartışabilir misiniz?

Elbette! Healx, en yüksek başarı olasılığına sahip, açık olmayan hastalık-bileşik ilişkilerini tanımlamak için bir dizi AI ve NLP yöntemini kullanıyor.

En yaygın yöntemlerimizden biri, Hastalık-Gen Ekspresyonu Eşleştirme veya DGEM olarak bilinen yöntemdir. Bu yöntem, belirli bir hastalık için gen ekspresyon profiline, Healx’in küratörlü ilaç veritabanındaki gen ekspresyon profillerini karşılaştırır, bu veritabanı binlerce ilaç imzasini içerir ve çeşitli farmakolojik sınıfları kapsar, onaylanmış ve araştırma ilaçlarından oluşan bir karışımı içerir. DGEM, en farklı olarak ifade edilen genlere dayanarak, muhtemelen etkili tedaviler olarak hangi ilaçların olacağını öngörür. Yöntem, bir ilaç mekanizmasının bir hastalık mekanizmasına karşıt bir mekanizmaya sahip olacağı ön görülürse, güçlü bir tedavi adayı olacağı ön görülür. Aslında, bu yöntemi, şu anda Fragile X sendromu üzerindeki IMPACT-FXS çalışması kapsamında araştırtığımız lead bileşikleri bulmak için kullandık – dünyanın önde gelen öğrenme güçlüğü nedenlerinden biri.

Diğer bir yöntem, Yeniden Kullanılan Gösterge Benzerliği ile Tahmin Edilen İndikasyonlar veya PRISM olarak bilinen yöntemdir. Bu, bir ilaç belirli bir hastalığı tedavi ediyorsa, benzer bir ilaç benzer bir hastalığı tedavi edebilir ilkesine dayanır. İlaçların benzerliğini belirlemek için PRISM, hedef proteinleri, yapısal benzerliği ve yan etkileri dikkate alır ve hastalıkların benzerliğini belirlemek için PRISM, hedef genleri, ontolojik yapıyı ve fenotipleri dikkate alır. Sonra, bir makine öğrenimi algoritması, bu benzerlikleri birleştirmek için kullanılır ve yeni tedavi uygulamaları öngörülür.

Şimdi, nadir koşullar için daha fazla yeni terapötik fırsat tanımlamak amacıyla 10’dan fazla monoterapi ve kombinasyon terapi tahmin modülü geliştirdik ve bu modeller, tek bir biyolojik hedefe (bu, geleneksel ilaç keşif yöntemlerinin bir sorunu) bağlı kalmadan yeni hastalık biyolojisi ve etki mekanizmaları keşfetmek üzere eğitilmiştir.

Bir ilaç, olası bir aday olarak tanımlandığında, sistem nasıl karar verir, klinik denemelere geçmek için?

AI algoritmalarımıza ve özel veri kaynaklarımıza teşekkürler, yaklaşık 15.000 olası ilacı, 100 veya daha az olası tedaviye indirgeyebiliriz.

Bu listeyi aldığımızda, bunu preklinik ekibimize – uzman farmakologlardan ve ilaç keşif uzmanlarından oluşan bir ekibe – geçiriyoruz, onlar da hastalığa ve ilaçlara ilişkin önemli bilimsel ve tıbbi bilgilerini kullanarak tahminleri gözden geçirir ve belirli bir hastalığı tedavi etmek için en olası ilaç adaylarını seçerler. Ayrıca, preklinik ekibine, neden bir bileşik ilk bakışta akla gelmeyebilir, ancak dikkat çekmeye değer olduğunu açıklayan AI tarafından üretilen gerekçeyi sağlarız.

Onlar listeyi tekrar 10-20 adaya daralttığında, bu bileşikler, hücre kültürlerinde ve modellerde test edildiği preklinik doğrulama aşamasına ilerler. Bu çalışmalar, bir ilacın muhtemelen etkili, güvenli olacağını ve hangi yan etkileri olabileceğini ortaya koyacaktır. Ayrıca, hangi ilaçların birleştirilebileceğini veya daha etkili bir tedavi için güçlendirilebileceğini de belirler.

Fragile X sendromu nedir ve bu durum için potansiyel ilaç adaylarını ortaya çıkarmadaki recent başarılardan bahseder misiniz?

Fragile X sendromu, bilişsel ve entelektüel bozukluklar da dahil olmak üzere bir dizi zihinsel ve bilişsel bozukluğa neden olan nadir bir nörogelişimsel durumdur. Yaklaşık 1/4000 erkek ve 1/8000 kadın etkilenir, ancak bu durum için şu anda etkili veya onaylanmış tedaviler yoktur.

Healx’in amacı, bu durumu değiştirmek ve önümüzdeki birkaç yıl içinde bu durum için en az bir yeni ve etkili kombinasyon tedavisini piyasaya sürmektir.

Bu hedefe ulaşma yolunda harika bir ilerleme kaydettik ve AI ve omik tabanlı ilaç eşleştirme yöntemlerimiz (daha önce bahsettiğim DGEM dahil) sayesinde bu durum için birden fazla aday bulduk. HLX-0201, ilk olarak nonsteroid anti-enflamatuar bir ilaç olarak onaylanan, en umut verici adayımızdır ve heyecan verici bir şekilde, ABD Gıda ve İlaç İdaresi’nden (FDA) HLX-0206 ile birlikte Phase 2a klinik çalışması için Araştırma İlaç Onayı (IND) aldık, HLX-0206, Healx’in özel kombinasyon tahmin yöntemleri kullanılarak potansiyel bir kombinasyon ortağı olarak tanımlanmıştır.

IMPACT-FXS çalışması, ABD’deki birkaç merkezde devam ediyor ve bunu yakında paylaşabileceğimizi umuyoruz!

Ayrıca, bu proje boyunca, Healx, Fragile X sendromu için önde gelen bir araştırma ve destek organizasyonu olan FRAXA Araştırma Vakfı ile yakın çalıştı ve diğer organizasyonlarla birlikte, durum hakkında daha fazla bilgi edinmek ve önklinik veri ve modellerine erişim sağlamak için işbirliği yaptı, bu da tahminlerimizi klinik çalışmaya hızla ilerletmemize olanak tanıdı.

Nadir hastalıkları hedef alan AI’nin geleceğini nasıl görüyorsunuz?

AI ve diğer ön teknolojilerin, zaman, maliyet ve risk etrafındaki geleneksel zorlukları aşmak için tüm ilaç keşif ve geliştirme pipeline’ında kullanılma potansiyeline sahip olduğunu düşünüyorum.

İlaç keşif alanındaki daha geniş alanda, AI’yi kullanarak hastalık verilerini analiz etmekten, biyobelirteçler oluşturmaya, protein sentezlemeye, yeni ilaçlar tasarlamaya, gerçek dünya kanıtlarını analiz etmeye ve “dijital ikiz” kontrol kollarıyla desteklenen klinik denemeleri yürütmeye kadar her şeyi yapan şirketlerin çoğalmasını zaten görüyoruz.

Bunların hepsi, ilgili hastalık bilgisi veya küçük hasta sayıları etrafındaki engeller nedeniyle nadir hastalıkların tedavisi keşfi için son derece faydalı olacağından eminim. NLP, güncel verileri birleştirerek boşlukları doldurabilirken, ML, mevcut tedavilerin yeniden geliştirilebileceğini ve nedenini öngörebilir. Belki de en heyecan verici olanı, AI’nin, tedavileri büyük ölçekte bulup geliştirmek için gereken otomasyonu sağlayabilmesidir. Ve hesaplama gücü ve AI’de ilerlemeler yapıldıkça, bunu hızla ölçeklendirme imkanına sahibiz.

Healx hakkında paylaşmak istediğiniz başka bir şey var mı?

Bu, bu alanda olmak için harika bir zaman ve bu kompleks sorunları çözmek için bu ön teknolojiyle çalışmak bir ayrıcalık. Misyonumuza tutkulu insanları ekibimize katılmaya davet ediyoruz ve ilgilenenlerin iş fırsatlarımıza bakmasını öneriyoruz.

Healx’de ayrıca gelişmeler ve projelerimiz var ve bunları web sitemiz üzerinden takip edebilirsiniz ve bunları yakında paylaşabileceğimizi umuyoruz.

Harika bir röportaj için teşekkür ederim, Healx’in ilerleyişini takip etmeye bakıyorum, bu şirketin birçok kişiye olumlu bir etki yapacağından eminim. Daha fazla bilgi edinmek isteyen okuyucular Healx‘i ziyaret etmelidir.