Peter Ellman, Certis Oncology Solutions Başkanı ve CEO’su – Röportaj Serisi

Certis Oncology Solutions, Peter Ellman başkanlığında, presidente ve CEO’su, yaşam bilimi teknoloji şirketi olup, precisyon onkoloji vaadini gerçekleştirmeye adanmıştır. Şirketin ürünü Oncology Intelligence® — gelişmiş kanser modellerinden türetilen yüksek derecede öngörülü tedavi yanıtı verisi olan bir üründür. Certis, precisyon onkolojiye erişimi genişletmek ve preklinik çalışmalar ile klinik çalışmalar arasındaki kritik çevirme boşluğunu gidermek için hekim-bilim adamları ve endüstri araştırmacıları ile işbirliği yapar.

Onkoloji araştırmalarında CertisOI Asistanının çözümlediği daha geniş sorunu tarif edebilir misiniz?

Onkoloji araştırma adaylarının başarısızlık oranı yüksektir. Son olarak bildirildiğine göre 2023 yılında, onkoloji programlarının %90’ı sonunda başarısız oldu. Bu rakam, 2022’ye kadar %96 civarında olan histórik eğilimden önemli bir iyileşmedir. İlaç geliştirme maliyetini düşününce, %90’lık bir başarısızlık oranı sürdürülebilir değildir. Hastaların %50’sinin başarılı olmasının nasıl bir yarar sağlayacağını hayal edin.

CertisOI Asistanı, bu başarısızlık oranına katkıda bulunan iki önemli sorunu hemen ele alır:

• İyileştirilmiş preklinik model seçimi: Birçok bileşik preklinik çalışmalarında umut verici sonuçlar gösterir, ancak insanlarda yeterli terapötik etkiyi gösteremez. Bilimsel topluluğun çoğu üyeleri, preklinik modellerin problemın bir parçası olduğunu belirtir. Doğru gen ifade imzasına sahip preklinik modelleri seçmek ve kritik çalışmalar için ortotopik enjeksiyonları kullanmak, klinikte “çevirme”yi iyileştirebilir.
• Erken, daha iyi biyobelirteç tanımlaması: Terapötik yanıtı doğru bir şekilde öngöremeyen biyobelirteçlere güvenmek, klinik çalışmaların başarısız olmasına neden olabilir. CertisOI Asistanı, patentli öngörülü AI/ML platformumuz CertisAI ile entegre edilmiştir ve ilaç geliştirme sürecinin erken aşamalarında öngörülü biyobelirteçlerin belirlenmesine olanak tanır.

CertisOI Asistanı, onkoloji verilerine erişimi iyileştirmek ve diğer AI araçlarından farklı olarak nasıl çalışır?

CertisOI Asistanı, doğal dil arayüzü aracılığıyla gelişmiş veri analizi ve öngörülü modelleme yetenekleri sağlar. Birkaç yönden öne çıkar:

• Kapsamlı Veri Entegrasyonu: Asistan, hasta bilgileri, tümör özellikleri, genetik profiller ve ilaç yanıtı öngörülerini içeren geniş bir onkoloji verisi entegre eder. Bu bütüncül yaklaşım, izole veri türlerine odaklanan araçlardan daha kapsamlı bir analiz sağlar.
• AI Tabanlı Öngörüler: Asistan, ilaç yanıtı ve direnci öngörüsünde AI algoritmalarını kullanır ve belirli kanser modellerine hangi tedavilerin etkili olacağına ilişkin öngörüler sağlar. Bu öngörülü yetenek, kişiselleştirilmiş tıpta kritiktir ve yalnızca histórik verilere dayanan araçlardan farklıdır.
• Kullanıcı Dostu Arayüz: Karmaşık veri kümelerini sorgulamak ve analiz etmek için sezgisel bir arayüz sağlar, böylece araştırmacıların gelişmiş teknik becerilere ihtiyaç duymadan onkoloji verilerine erişmelerini ve yorumlamalarını kolaylaştırır.
• Preklinik Modellerdeki Odak: Asistan, özellikle PDX ve hücre kültürü modelleri olan preklinik onkoloji araştırmalarına odaklanır ve erken ilaç geliştirme aşamasında ve tümör biyolojisinde benzersiz öngörüler sağlar.
• Etkileşimli Görselleştirmeler: Asistan, farmakoloji ve tümör büyüme çalışmaları gibi etkileşimli görselleştirmeleri destekler, böylece araştırmacılar verilerini daha çekici ve bilgilendirici bir şekilde keşfedebilir.

Araştırmacılar, özellikle ilaç duyarlılığı veya genomik veriler üzerinde çalışanlar, karmaşık verileri eyleme geçirilebilir öngörülere nasıl dönüştürebilir?

CertisOI Asistanı, ham veriyi anlamlı öngörülere dönüştürmek için yapılandırılmış bir iş akışı kullanır. Bu, kapsamlı bir onkoloji veritabanını sorgulamayı, verileri analiz etmeyi ve sonuçları net ve yorumlanabilir bir formatta sunmayı içerir. İşte nasıl çalıştığı:

• Veri Sorgulama: CertisOI Asistanı, hasta verileri, tümör özellikleri, genetik verileri ve ilaç yanıtı öngörülerini içeren ilişkisel bir veritabanına erişebilir. Araştırmacının özel ihtiyaçlarına göre ilgili verileri çıkarmak için SQL benzeri sorgular kullanır.
• Veri Analizi: Veri alındıktan sonra, CertisOI Asistanı, ortak mutasyonların tanımlanması, gen ifadesinin ilaç duyarlılığı ile ilişkisinin değerlendirilmesi veya farmakoloji çalışması sonuçlarının değerlendirilmesi gibi çeşitli analizler gerçekleştirebilir. Ayrıca, en önemli bulguları vurgulamak için verileri sıralayabilir ve filtreleyebilir.
• Görselleştirme: Asistan, verileri tablo formatlarında sunabilir, farmakoloji ve tümör büyüme çalışmaları için etkileşimli grafikler oluşturabilir ve histoloji görüntüleri gösterebilir. Bu görselleştirme, araştırmacıların karmaşık veri kalıplarını ve ilişkilerini nhanh bir şekilde kavramalarına yardımcı olur.
• Yorumlama ve Öngörüler: Verilerin net bir yorumunu sağlayarak, ilaç duyarlılığı veya direnci için öngörüler dahil, araştırmacıların potansiyel terapötik stratejiler veya deneysel yönler hakkında bilinçli kararlar almasına yardımcı olur.
• Özelleştirme ve Esneklik: Araştırmacılar, sorgularını belirli kanser türleri, genetik belirteçler veya tedavi yanıtları üzerine odaklamak için özelleştirebilir, böylece analizin yüksek derecede özelleştirilmesini ve araştırma hedeflerine uyumunu sağlar.

Araştırmacılar, kanser modellerini seçme, biyobelirteç stratejileri tasaralama veya in silico doğrulamalar gerçekleştirme yeteneklerini nasıl geliştirebilir?

İlk iki alanı – kanser modeli bölümü ve biyobelirteç stratejisi tasarımı – bu röportajın başında ele aldım, bu nedenle in silico doğrulamalar üzerinde odaklanacağım. CertisOI Asistanı, ilaç etkinliği, hedef etkileşimi ve biyobelirteç keşfi ile ilgili hipotezleri test etmek ve doğrulamak için sanal bir ortam sağlar. Bu, araştırmacıların hipotezlerini hızla iyileştirmelerine ve deneysel çabalarını en umut verici yönlerde odaklamalarına olanak tanır.

Aşağıdaki birkaç örnek vardır:

• İlaç Yanıtı Öngörüsü: Belirli ilaçlara karşı farklı modellerin nasıl yanıt vereceğini öngörmek için AI tabanlı ilaç yanıtı ve direnci öngörüsünü kullanın. Bu, bir ilacın etkinliğinin klinik öncesi çalışmalar başlamadan önce in silico olarak doğrulanmasına yardımcı olabilir.
• Genomik ve Moleküler Profil Oluşturma: Genetik verileri, mutasyonları, gen ifadesini ve kopya sayısı varyasyonlarını analiz edin ve ilacın etki mekanizmasına ilişkin potansiyel hedefleri tanımlayın. Bu, ilaç duyarlılığı veya direncinin moleküler temelini anlamaya yardımcı olabilir.
• Biyobelirteç Keşfi: Moleküler özelliklerle ilaç yanıtı öngörülerini ilişkilendirin ve belirli bir tedaviye daha olası yararlanacak hasta popülasyonlarını tanımlamak için potansiyel öngörülü biyobelirteçleri tanımlayın.
• Kombinasyon Tedavi Araştırması: İlaç sinerjisi öngörülerini araştırın ve terapötik sonuçları iyileştirebilecek umut verici ilaç kombinasyonlarını tanımlayın. Bu, kombinasyon stratejileri hakkında deneysel olarak doğrulanabilecek öngörüler sağlayabilir.
• Histolojik Analiz: İlaçların tümör dokuları üzerindeki morfolojik etkilerini doğrulamak için histoloji görüntüleri kullanın, bu da ilacın etki mekanizması ve potansiyel etkinliği hakkında ek kanıtlar sağlar.
• Çapraz Model Karşılaştırmaları: Farklı modelleri karşılaştırın ve belirli genlerin veya yolların ilaç yanıtı üzerindeki etkisini in silico olarak doğrulamak için farklı genetik arka planların nasıl ilaç yanıtı etkilediğini anlayın.
• Sanal Ekranlama: Geniş bir model yelpazesi karşıtı ilaçları sanal olarak ekranlayın ve deneysel doğrulama için adayları önceliklendirin.

CertisOI Asistanını kullanarak araştırmacılar, iş akışlarını nasıl iyileştirebilir veya önemli ilerlemeler kaydedebilir?

En basit örnek, preklinik model seçimidir. Her preklinik çalışma, tümör modellerinin seçimi ile başlar. CertisOI Asistanı, bu süreci otomatikleştirir ve seçilen modellerin optimal seçimine büyük bir doğruluk getirir.

Diğer bir örnek, biyobelirteç stratejisi geliştirmedir. Geleneksel yaklaşım, ilacın etki mekanizması ile ilgili olabilecek biyobelirteçleri veya biyobelirteçleri varsaymak ve ardından preklinik çalışmalarında bu hipotezleri test etmektir – genellikle iteratif bir süreçtir. Eğer preklinik veriler umut verici ise, araştırmacılar insan klinik çalışmalarında öngörülü biyobelirteçleri doğrulamak zorundadır – ve tartışılan gibi, başarısızlık oranı yüksektir.

CertisOI Asistanı, araştırmacıların ilaç geliştirme sürecinin erken aşamalarında daha doğru ve öngörülü gen ifade biyobelirteçlerini tanımlamasına ve doğrulamasına yardımcı olur – zaman, para tasarrufu sağlar ve ticari başarı şansını artırır.

CertisOI Asistanı hangi tür kanser modellerini veya veri kümelerini destekler ve bu genişlik araştırma topluluğuna nasıl yarar sağlar?

CertisOI’nin当前 sürümü, araştırmacılara PDX ve PDX türetilen tümör modellerinin hızla genişleyen kütüphanesine ve tüm Cancer Cell Line Encyclopedia (CCLE) modellerine erişim sağlar. Platformun algoritmaları ayrıca Genomics of Drug Sensitivity in Cancer (GDSC), International Cancer Genome Consortium (ICGC), CI ALMANAC, O’Neil ve diğer veri kümelerinden veri kullanır. Bu holistik yaklaşım, veri entegrasyonu için daha kapsamlı bir analiz sağlar.

CertisOI Asistanı, araştırmacılar için kullanıcı dostu bir şekilde tasarlandı. Araştırmacıların, geniş teknik uzmanlığa sahip olmasalar bile erişebilmesi için nasıl güvence altına alınıyor?

Birkaç özellik, CertisOI Asistanını araştırmacılar için erişilebilir kılar:

• Sezgisel Arayüz: Arayüz, karmaşık sorgular ve analizler gerçekleştirebilmeleri için kullanıcı dostu ve kolayca gezilebilirdir.
• Rehberli İş Akışları: Asistan, ilaç yanıtı öngörülerini sorgulamak, genetik verileri analiz etmek ve farmakoloji çalışmalarını keşfetmek gibi ortak araştırma görevleri için rehberli iş akışları sağlar. Bu, kullanıcıların teknik karmaşıklıklara takılmadan araştırma sorularına odaklanmalarına yardımcı olur.
• Doğal Dil İşleme: Kullanıcılar, doğal dil sorguları kullanarak asistana erişebilir, bu da teknik uzmanlığa sahip olmayanlar için bilgiye erişimi kolaylaştırır. Asistan, sorguları yorumlar ve uygun veritabanı sorgularına çevirir.
• Kapsamlı Belgeleme: Ayrıntılı belgeleme ve öğreticiler, kullanıcıların asistana etkili bir şekilde nasıl kullanacaklarını anlamalarına yardımcı olur. Bu, adım adım rehberler, örnekler ve ana kavramların açıklamalarını içerir.
• Etkileşimli Görselleştirmeler: Asistan, veri analizinde etkileşimli görselleştirmeler sağlar, böylelikle kullanıcılar kod yazmadan verilerini görselleştirebilir ve yorumlayabilir.
• Yanıt Veren Destek: Kullanıcılar, soruları veya sorunları ile ilgili hızlı yardım alabilir, böylece araştırma çalışmalarına gereksiz gecikmeler olmadan devam edebilirler.
• Özelleştirilebilir Sorgular: Asistan, varsayılan iş akışları sağlar, ancak aynı zamanda özelleştirmeye de olanak tanır, böylece kullanıcılar sorgularını özel araştırma ihtiyaçlarına göre uyarlayabilir.

İşbirliği, araştırmanın önemli bir yönüdür. CertisOI Asistanı, araştırmacılar veya kurumlar arasındaki işbirliğini nasıl kolaylaştırır?

CertisOI Asistanı ile farklı ekiplerden veya kurumlarından araştırmacılar, aynı veri kümesine ve araçlara erişebilir, böylece paylaşılan projeler veya araştırma soruları üzerinde işbirliği yapabilirler. Platform, veri sorgularını, sonuçlarını ve öngörülerini takım üyeleri arasında indirme ve paylaşma kolaylığını sağlar, böylece herkes bir projeye etkili bir şekilde katkıda bulunabilir.

Kanser araştırmalarında AI benimsemesini ölçeklendirmenin en büyük zorlukları nelerdir ve bunlar nasıl ele alınabilir?

Önemli zorluklar arasında veri güvenliği, veri entegrasyonu ve AI tabanlı sonuç öngörülerine güven bulunmaktadır. Veri güvenliği veya veri entegrasyonu konusunda uzman değilim, ancak bu zorlukları çözmek için büyük zihinler çalışmaktadır. AI tarafından üretilen öngörülere güvenilmesi konusunda, öngörülerin etkili ve güvenilir bir şekilde doğrulanması gerekir.

Certis, bu konuda iki yönlü bir yaklaşım benimsemiştir: in silico doğrulama yoluyla iç, çapraz doğrulama çalışmaları ve in vivo doğrulama – klinik olarak ilgili fare modellerinde platformun öngörülerinin doğruluğunu değerlendirmek için çalışmalar gerçekleştirmek. Zamanla, bu araçlar da insan hastalarında klinik olarak doğrulanacak – ancak elbette bu, çok zaman, para ve mevcut kanser tedavi paradigmalarını değiştirmeye istekli olmak gerekecek. Tıbbi ve düzenleyici topluluğun, her şeyin her zaman yapıldığı şekilde yapılmasına güvenmek yerine, kararları bilgilendirmek için hesaplamalı analizlerin gücünü benimsemesi gerekecek.

CertisOI Asistanı gibi araçların, kanser tedavisi ve precisyon tıbbının geleceğini nasıl şekillendireceğini öngörüyorsunuz?

Modern tıp, hastaları ideal tedavilere eşleştirmenin iyi bir yoluna henüz sahip değil. Genel olarak, sadece %10’u tümör DNA mutasyonlarına göre eşleştirilen tedavilerden klinik yarar sağlar. Bu, hastaların sağlığını olumsuz etkiler ve ayrıca finansal olarak da zarar verir. İneffective tedaviler için tahmini 2,5 milyar dolar – harf “B” ile – boşa harcanmaktadır. Çok üzücü bir gerçek, kanser teşhisi konan hastaların %42’si teşhislerinin ikinci yılında tüm varlıklarını tüketmektedir.

CertisOI Asistanı ve CertisAI gibi araçlar, precisyon tıbbının vaadini gerçekleştirmemize yardımcı olacaktır – insanların her birinin, benzersiz kanser formuna uygun optimal tedaviyi ilk seferde, her seferinde almasına yardımcı olacaktır…. Ve daha etkili, kişiselleştirilmiş bakım erişiminin demokratikleşmesine yardımcı olacaktır.

Harika bir röportaj için teşekkür ederiz, daha fazla bilgi edinmek isteyen okuyucular Certis Oncology Solutions ziyaret edebilir.