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

Andrew Watson, Healx‘te AI ve Ar-Ge Başkan Yardımcısıdır.

Healx, nadir hastalık hastalarına dünya çapında yaşamı iyileştiren tedavilere erişim sağlamak için kendini adamış, AI güçlendirilmiş, hasta esinlenen bir teknoloji şirketidir. 7.000 bilinen nadir hastalık vardır ve bu hastalıklar dünya çapında 400 milyon kişiyi etkiler, ancak bu koşulların sadece %5’ine onaylı tedavileri vardır. Healx, mevcut bileşiklerden nadir hastalıklar için yeni tedavileri tanımlamak için yapay zeka (AI) kullanır ve bunları ihtiyaç duyan hastalara doğru ilerletir. Yenilikçi yaklaşımı, nadir hastalık tedavi geliştirme hızını, ölçeklendirmesini ve başarısızlık şansını artırabilir.

Nasıl oldu da makine öğrenimi alanına ilk olarak çekildiniz?

Makine öğrenimiyle ilk karşılaşmam, Exeter Üniversitesi’ndeki birinci derece eğitimim sırasında ‘Evolutionary Algorithms’ konulu bir konferanstı. Bir algoritma programlayarak, iki boyutlu oyuncak arabaları, rastgele tekerlek ve bileşenlerden oluşan bir koleksiyondan başlayarak, performanslarını değerlendirdik ve daha da iyi performans gösteren sonraki nesilleri yaratmak için yineledik. Yazılımın, hiçbir insan müdahalesi olmadan binlerce tasarım iterasyonu yapabildiğini görünce çok etkilenmiştim ve o günden sonra her şeyi otomatikleştirmeye çalıştım! Bu evrimsel yaklaşım, aynı zamanda NASA’nın ST5 anten‘ini tasarlamak için kullandığı yaklaşımdı ve bu, hiçbir insan uzmanın yaratabileceği bir şey gibi görünmüyordu.

Sürekli olarak zor problemlere makine öğrenimi ve AI tekniklerini uygulamaya ilgi duyuyorsunuz, Healx’e katılmadan önce karşılaştığınız bazı zorluklar nelerdi?.

Makine öğrenimi ve AI’yi çeşitli bağlamlarda uygulamaya şansım oldu, teröristleri bozmaktan, bilgisayar malware’lerini tanımlamaya ve azaltmaya, Dyson’da evin etrafındaki ve ötesindeki zeki makineler yaratmak için AI ile kullanıcı davranışı anlayışını birleştirmeye kadar.

AI, bir hile haline gelebilir, ancak benim hedefim her zaman anlamlı uygulamalar bulmaktı, bu da büyük miktarda bilgiyi anlamlandırmak veya karar destek sistemleri aracılığıyla bir kullanıcının bilişsel yükünü azaltmaktı. Healx’deki misyonumuz, insan biyolojisi ile AI arasındaki kesişme noktasında, yani nadir hastalıkları tedavi etmeye çalışarak, en çok ihtiyacı olan insanlara – nadir hastalıkları olanlara – yardım etmeye çalışıyor.

Healx’deki şu anki sorumluluklarınız nelerdir?.

R&D ekibini denetliyorum, bu ekip esasen Healx’deki Preklinik ekibimize ilaç tahminleri sağlamaktan sorumludur. Bunu, üzerinde çalıştığımız bir hastalığın temel biyolojisini ve potansiyel ilaçların modus operandısını anlamak suretiyle, tüm bunlar da nossa özel AI platformu Healnet üzerinde çalışıyor.

Healnet, biyomedikal araştırmalardan, bilimsel literatürden, hasta içgörülerinden ve Healx’in kendi küratörlü kaynaklarından önceden var olan ilaç ve hastalık verilerini analiz ederek nadir hastalık bilgi grafiği oluşturur. Ardından, bu grafiği madencilik yapmak için AI ve NLP modellerini kullanıyoruz ve bu sayede ilaç moleküllerini yeniden geliştirmek, birleştirmek veya hatta iyileştirmek için yeni fırsatlar buluyoruz.

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

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

En yaygın yöntemlerimizden biri, Hastalık-Gen Ekspresyon Eşleştirme veya DGEM olarak bilinen yöntemdir. Bu yöntem, belirli bir hastalık için gen ekspresyon profilini, Healx’in küratörlü ilaç veritabanındaki gen ekspresyon profilleriyle karşılaştırır ve bu veritabanı, kamu ve özel kaynaklardan binlerce ilaç imzasini içerir ve çeşitli farmakolojik sınıfları kapsar, onaylanmış ve araştırma ilaçlarının bir karışımını içerir. DGEM, gen ekspresyon profillerindeki en farklı olarak ifade edilen genlere dayanarak, muhtemelen etkili tedaviler olacak ilaçları öngörür. Bu yöntem, bir ilaç mekanizmasının, bir hastalığın tersi mekanizma profiline sahip olacağı varsayımına dayanır. Aslında, bu yöntemi, şu anda devam eden IMPACT-FXS çalışması kapsamında araştırdığımız lead bileşikleri bulmak için kullandık – öğrenme güçlüğü olanların dünya çapındaki lider genetik nedeni olan Fragile X sendromu.

Başka bir yöntem, Yeniden Kullanılan Gösterge Tahmini ile Benzerlik Matrisleri (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. Bir makine öğrenimi algoritması, bu benzerlikleri birleştirmek için kullanılır ve yeni tedavi uygulamaları öngörülür.

Şimdi, nadir koşullar için daha fazla yeni terapötik fırsat tanımlamak için 10’dan fazla monoterapi ve kombinasyon terapisi tahmin modülü geliştirdik ve bu modeller, tek bir biyolojik hedefle (bu, geleneksel ilaç keşif yöntemlerinin bir sorunu) sınırlı olmaksızın yeni hastalık biyolojisi ve modus operandısını keşfetmek için eğitilir.

Bir ilaç, olası bir aday olarak tanımlandığında, sistem nasıl karar verir, klinik denemelere devam edip etmemek için?.

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

Bu listeyi aldığımızda, bunu preklinik ekibimize – uzman farmakologlardan ve ilaç keşif uzmanlarından oluşan bir ekibe – geçiriyoruz, onlar da hastalık ve ilaçlar hakkında önemli bilimsel ve tıbbi bilgilerini kullanarak tahminleri gözden geçirir ve belirli bir hastalığı tedavi etmek için en olası ilaç adaylarını seçerler. Ayrıca, preklinik ekibine, AI tarafından üretilen tahminleri destekleyen nedenleri de sağlıyoruz, bu da, ilk bakışta mantıksız görünen bir bileşiğin neden dikkat çekmesi gerektiğini açıklar.

Onlar da listeyi yaklaşık 10-20 adaya daralttıktan sonra, bu bileşikler preklinik validasyona ilerler, bu da bir ilacın hücre kültürlerinde ve modellerde test edilmesini ve daha sonra klinik deneme aşamasında insanlarda test edilmesini içerir. Bu çalışmalar, bir bileşiğin muhtemelen etkili, güvenli olup olmadığını ve hangi yan etkileri olabileceğini ortaya çıkaracaktır. Ayrıca, hangi ilaçların birleştirilebileceğini veya daha etkili bir tedavi için güçlendirilebileceğini de belirlerler.

Fragile X sendromunun ne olduğunu ve bu durum için potansiyel ilaç adaylarını ortaya çıkarmadaki recent başarıları hakkında konuşabilir misiniz?.

Fragile X sendromu, bilişsel ve entelektüel bozukluklar da dahil olmak üzere bir dizi bozukluğa neden olan nadir bir nörogelişimsel durumdur. Yaklaşık 1/4.000 erkek ve 1/8.000 kadını etkiler – ancak şu anda bu durum için etkili veya onaylı tedaviler mevcut değildir.

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

Bu hedefimize ulaşma yolunda mükemmel bir ilerleme kaydettik ve AI ve omik tabanlı ilaç eşleştirme yöntemlerimizi (önceki gibi DGEM) kullanarak bu durum için birden fazla aday bulduk. HLX-0201, aslen bir nonsteroid anti-inflamatuar ilaç olarak onaylanan, en umut verici adayımızdır ve heyecan verici bir şekilde, HLX-0206 ile birlikte, Healx’in özel kombinasyon tahmin yöntemlerini kullanarak tanımlanan bir potansiyel kombinasyon ortağı ile birlikte, ABD Gıda ve İlaç İdaresi’nden (FDA) HLX-0201 için Faz 2a klinik çalışması için İlaç Deneme İzni (IND) aldık.

IMPACT-FXS çalışması, ABD’deki birkaç merkezde devam ediyor ve bu konuda yakın zamanda daha fazla bilgi paylaşmayı umuyoruz!

Ayrıca, bu proje boyunca, Healx, Fragile X sendromu konusunda ABD’deki önde gelen araştırma ve destek organizasyonlarından biri olan FRAXA Research Foundation ile yakın işbirliği içinde çalıştı ve diğer organizasyonlarla birlikte, bu durum hakkında daha fazla bilgi edinmemize ve önklinik veri ve modellere erişimimizi sağlayarak tahminlerimizi klinik çalışmaya hızla ilerletebilmemize yardımcı oldu.

Nadir hastalıkları hedef alan AI’nin geleceğini nasıl görüyorsunuz?.

AI ve diğer sınır teknolojilerin, tüm ilaç keşif ve geliştirme pipeline’ında kullanılma potansiyelinin olduğunu düşünüyorum, bu da zaman, maliyet ve risk gibi geleneksel zorlukların aşılmasına yardımcı olabilir.

İlaç keşif alanının daha geniş kapsamındaki şirketlerin, AI’ı kullanarak hastalık verilerini analiz etmek, biyobelirteçler oluşturmak, proteinleri sentezlemek, yeni ilaçlar tasarlamak ve klinik denemeleri dijital ikiz kontrol kollarıyla desteklemek gibi her şeyi yaptığını zaten görüyoruz.

Tüm bunlar, nadir hastalıkların keşfedilmesinde, özellikle de ilgili hastalık bilgisi veya küçük hasta sayıları gibi engeller olduğunda, son derece faydalı olacaktır. NLP, güncel verileri birleştirerek boşlukları doldurabilirken, ML, mevcut tedavilerin yeniden geliştirilebileceğini ve nedenini öngörülebilir.

Belki de en heyecan verici olanı, AI’nin, tedavileri bulma ve geliştirme için gerekli otomasyonu sağlayabilmesidir. Ve AI’de ilerleme kaydedildikçe ve hesaplama gücü arttıkça, bunu hızla ölçeklenebiliriz.

Healx hakkında paylaşmak istediğiniz başka bir şey var mı?.

Bu, bu alanda olmak için harika bir zaman ve bu karmaşık sorunları çözmek için bu sınır teknolojileriyle çalışmak bir ayrıcalık.

Healx’de misyonumuza tutkulu insanları ekibimize katılmaya davet ediyoruz ve ilgilenenlerin iş fırsatlarımıza bakmasını öneriyoruz.

Healx’de gelecekte bazı heyecan verici gelişmeler ve projeler var ve bunları web sitemiz üzerinden takip edebilirsiniz ve bunları yakın zamanda paylaşmayı umuyoruz.

Harika bir röportaj için teşekkür ederim, Healx’in ilerleyişini takip etmeye bakarım, bu şirket kesinlikle birçok kişiye olumlu bir etki yapacak. Daha fazla bilgi edinmek isteyen okuyucular Healx‘i ziyaret etmelidir.