Петер Еллман, президент і генеральний директор Certis Oncology Solutions – Серія інтерв’ю

Certis Oncology Solutions, яку очолює Петер Еллман, президент і генеральний директор, є компанією з технологій у сфері життя, яка присвячена реалізації обіцянки точної онкології. Продуктом компанії є Oncology Intelligence® — високо передбачувані дані про терапевтичну реакцію, отримані з допомогою передових моделей раку. Certis партнерує з лікарями-вченими та дослідниками галузі для розширення доступу до точної онкології та подолання критичної прогалини між доклінічними дослідженнями та клінічними випробуваннями.

Ви можете описати ширшу проблему в дослідженнях раку, яку CertisOI Assistant адресує?

Відсоток невдалих кандидатів на онкологічні дослідження високий. Нещодавно було повідомлено, що в 2023 році 90% онкологічних програм в кінцевому підсумку завершилися невдачею. Ця цифра є помітним поліпшенням порівняно з історичною тенденцією, яка коливалася біля 96% до 2022 року. Враховуючи вартість розробки ліків, рівень невдач у 90% не є сталим. Припустіть, як пацієнти виграють, якщо рівень успіху був би навіть 50%.

CertisOI Assistant безпосередньо адресує дві дуже важливі проблеми, які сприяють цьому рівню невдач:

• Поліпшення вибору доклінічних моделей: Багато сполук показують перспективні результати в доклінічних дослідженнях, але не демонструють достатньої терапевтичної дії в людей. Більшість членів наукової спільноти вказують на доклінічні моделі як частину проблеми. Вибору доклінічних моделей з правильним генетичним експресійним підписом (та використання ортотопічних імплантатів для вивчених досліджень) може покращити “переклад” у клініку.
• Раннє, краще визначення біомаркерів: Опора на біомаркери, які не точно передбачають терапевтичну реакцію, може призвести до невдалих клінічних випробувань. CertisOI Assistant інтегрований з CertisAI, нашою патентованою передбачувальною платформою AI/ML, що дозволяє ідентифікувати передбачувальні біомаркери на ранній стадії процесу розробки ліків.

Як CertisOI Assistant використовує AI для покращення доступу до даних про онкологію, і що відрізняє його від інших інструментів AI у галузі?

CertisOI Assistant надає можливості передової аналітики даних та передбачувальної моделізації через простий у використанні інтерфейс природної мови. Він виділяється кількома способами:

• Комплексна інтеграція даних: Помічник інтегрує широкий спектр даних про онкологію, включаючи інформацію про пацієнтів, характеристики пухлин, генетичні профіль та передбачення реакції на ліки. Цей цілісний підхід дозволяє провести більш комплексний аналіз, ніж інструменти, які фокусуються на ізольованих типах даних.
• Прогнози на основі AI: Помічник використовує алгоритми AI для передбачення реакції на ліки та опору, надає розуміння про те, які лікування будуть ефективними для конкретних моделей раку. Ця передбачувальна здатність є важливою для персоналізованої медицини та відрізняє його від інструментів, які опираються лише на історичні дані.
• Інтуїтивний інтерфейс: Надавши інтуїтивний інтерфейс для запиту та аналізу складних наборів даних, помічник робить доступ до даних про онкологію та їх інтерпретацію простішими для дослідників без необхідності високих технічних навичок.
• Фокус на доклінічних моделях: Помічник спеціалізується на доклінічних дослідженнях раку, зокрема на моделях PDX та клітинних лініях, надає унікальні знання про ранню стадію розробки ліків та біологію пухлин.
• Інтерактивні візуалізації: Помічник підтримує інтерактивні візуалізації, такі як фармакологічні та дослідження росту пухлин, що дозволяє дослідникам досліджувати дані більш привабливо та інформативно.

Як інструмент перетворює складні дані на дієвій інсайти, особливо для дослідників, які працюють з даними про чутливість до ліків чи геномними даними?

CertisOI Assistant використовує структуровану робочий процес для перетворення сирих даних у значущі інсайти. Це включає запит до комплексної бази даних про онкологію, аналіз даних та подання результатів у чіткому та інтерпретовному форматі. Ось як це працює:

• Запит даних: CertisOI Assistant може доступитися до реляційної бази даних, яка містить детальну інформацію про моделі раку, включаючи дані про пацієнтів, характеристики пухлин, геномні дані та передбачення реакції на ліки. Він використовує запити типу SQL для витягування відповідних даних на основі конкретних потреб дослідника.
• Аналіз даних: Як тільки дані витягнуті, CertisOI Assistant може виконувати різні аналізи, такі як ідентифікація спільних мутацій, кореляція експресії генів з чутливістю до ліків чи оцінка результатів фармакологічних досліджень. Він також може ранжувати та фільтрувати дані, щоб підкреслити найбільш значущі відкриття.
• Візуалізація: Помічник може подати дані у табличному форматі, генерувати інтерактивні графіки для фармакологічних та досліджень росту пухлин, а також відображати гістологічні зображення. Ця візуалізація допомагає дослідникам швидко сприймати складні закономірності даних та відносини.
• Інтерпретація та інсайти: Надавши чітку інтерпретацію даних, включаючи передбачення чутливості до ліків чи опору, CertisOI Assistant допомагає дослідникам приймати обґрунтовані рішення щодо потенційних терапевтичних стратегій чи подальших експериментальних напрямків.
• Настройка та гнучкість: Дослідники можуть налаштовувати свої запити, щоб зосередитися на конкретних типах раку, генетичних маркерах чи реакціях на лікування, що дозволяє проводити високо персоналізований аналіз, який відповідає їхнім дослідницьким цілям.

Як CertisOI Assistant підвищує здатність дослідників вибирати моделі раку, розробляти стратегії біомаркерів чи виконувати в silico валідацию?

Я висвітлив перші два напрямки – секцію моделей раку та розробку стратегій біомаркерів – на початку цього інтерв’ю, тому я зосереджуся на виконанні в silico валідаций. CertisOI Assistant надає віртуальну середовище для тестування та валідації гіпотез, пов’язаних з ефективністю ліків, взаємодією з цілями та відкриттям біомаркерів, без потреби в негайних лабораторних експериментах. Це дозволяє їм швидко уточнювати свої гіпотези та зосереджувати експериментальні зусилля на найбільш перспективних напрямках.

Ось кілька прикладів:

• Прогнозування реакції на ліки: Використовувати прогнози на основі AI для реакції на ліки та опору, щоб оцінити, як різні моделі, ймовірно, реагуватимуть на конкретні ліки. Це може допомогти валідувати потенційну ефективність лікувального засобу в silico до переходу до in vitro чи in vivo досліджень.
• Геномна та молекулярна профільна характеристика: Аналізувати геномні дані, включаючи мутації, експресію генів та варіації копійності, щоб ідентифікувати потенційні цілі та валідувати їхню актуальність для механізму дії лікувального засобу. Це може допомогти у розумінні молекулярної основи чутливості чи опору до ліків.
• Відкриття біомаркерів: Корелювати молекулярні характеристики з прогнозами реакції на ліки, щоб ідентифікувати потенційні передбачувальні біомаркери. Це може спрямовувати вибір пацієнтів, які з більшою ймовірністю виграють від конкретної терапії.
• Дослідження комбінованої терапії: Досліджувати прогнози синергії ліків, щоб ідентифікувати перспективні комбінації ліків, які можуть покращити терапевтичні результати. Це може надати знання про потенційні комбінаційні стратегії, які можуть бути далі валідовані експериментально.
• Гістологічний аналіз: Використовувати гістологічні зображення для валідації морфологічних ефектів ліків на тканини пухлин, надає додаткові докази для механізму дії лікувального засобу та потенційної ефективності.
• Порівняльний аналіз моделей: Порівнювати різні моделі, щоб зрозуміти, як різні генетичні фони впливають на реакцію на ліки, що допомагає валідувати гіпотези про роль конкретних генів чи шляхів в silico.
• Віртуальна селекція: Виконувати віртуальну селекцію ліків проти широкого спектру моделей, щоб пріоритизувати кандидатів для подальшої експериментальної валідации.

Чи можете ви поділитися прикладами того, як дослідники, як очікується, будуть використовувати цей інструмент для покращення своїх робочих процесів чи досягнення проривів?

Найпростіший приклад – вибір доклінічних моделей. Кожне доклінічне дослідження починається з вибору моделей пухлин. CertisOI Assistant виходить з ручної праці з цього процесу та приносить велику точність до вибору оптимальних моделей для будь-якого дослідження.

Інший приклад – розробка стратегії біомаркерів. Традиційний підхід полягає у гіпотезі про те, які біомаркери можуть бути пов’язані з механізмом дії лікувального засобу, а потім тестуванні цих гіпотез у доклінічних дослідженнях, що зазвичай є ітеративним процесом. Якщо доклінічні дані перспективні, дослідники повинні валідувати передбачувальні біомаркери у клінічних випробуваннях людей – і, як обговорювалося, рівень невдач високий.

CertisOI Assistant допомагає дослідникам ідентифікувати та валідувати більш точні передбачувальні біомаркери експресії генів раніше у процесі розробки та з меншим ітераційним процесом, ніж традиційний робочий процес – зберігаючи час, гроші та покращуючи шанси на комерційний успіх.

Які види моделей раку чи наборів даних підтримуються інструментом, і як ця широта приносить користь дослідницькій спільноті?

Поточна версія CertisOI надає дослідникам доступ до швидко зростаючої бібліотеки моделей PDX та моделей, отриманих з PDX, а також до всього Канцер-геномного енциклопедичного словника (CCLE) моделей. Алгоритми платформи також використовують дані з Геноміки чутливості до ліків у раку (GDSC), Міжнародної консорціуму з геноміки раку (ICGC), CI ALMANAC, O’Neil та інших наборів даних. Цей цілісний підхід до інтеграції даних дозволяє провести більш комплексний аналіз, ніж інструменти, які фокусуються на ізольованих типах даних.

CertisOI Assistant розроблений для того, щоб бути корисним для дослідників, які можуть не мати великого технічного досвіду. Як ви забезпечуєте, що він доступний для дослідників на всіх рівнях?

Кілька функцій роблять CertisOI Assistant доступним для дослідників на всіх рівнях:

• Інтуїтивний інтерфейс: Інтерфейс розроблений для того, щоб бути інтуїтивним та легким у навігації, що дозволяє користувачам виконувати складні запити та аналізи без необхідності розуміти технічні деталі.
• Керовані робочі процеси: Помічник надає керовані робочі процеси для загальних дослідницьких завдань, таких як запит передбачень реакції на ліки, аналіз геномних даних та дослідження фармакологічних досліджень. Це допомагає користувачам зосередитися на своїх дослідницьких питаннях без занурення у технічні складності.
• Обробка природної мови: Користувачі можуть взаємодіяти з помічником за допомогою запитів природної мови, що робить доступ до необхідної інформації простішим для тих, хто не має технічного досвіду. Помічник інтерпретує запити та перекладає їх у відповідні базові запити.
• Комплексна документація: Детальна документація та навчальні матеріали допомагають користувачам зрозуміти, як ефективно використовувати помічник. Це включає крок за кроком керівництва, приклади та пояснення ключових концепцій.
• Інтерактивні візуалізації: Помічник надає інтерактивні візуалізації для аналізу даних, таких як графіки та гістологічні зображення, що дозволяє користувачам досліджувати та інтерпретувати дані візуально без необхідності програмування.
• Відповідальна підтримка: Користувачі можуть отримати відповідальну підтримку для допомоги з будь-якими питаннями чи проблемами. Це забезпечує їм швидку допомогу та дозволяє продовжувати свої дослідження без зайвих затримок.
• Настройовані запити: Хоча помічник надає замовчувані робочі процеси, він також дозволяє налаштовувати запити, що дозволяє користувачам адаптувати свої запити до конкретних дослідницьких потреб без необхідності глибокого технічного знання.

Співробітництво є ключовим аспектом дослідження. Як CertisOI Assistant сприяє командній роботі серед дослідників чи установ?

З CertisOI Assistant дослідники з різних команд чи установ можуть доступитися до одних і тих самих наборів даних та інструментів, що дозволяє їм працювати спільно над спільними проектами чи дослідницькими питаннями. Платформа також робить легко завантажувати та обмінюватися запитами даних, результатами та інсайтами серед членів команди, так що кожен, хто бере участь у проекті, може ефективно внесок.

Які найбільші виклики у масштабуванні прийняття AI у дослідженнях раку, і як їх можна подолати?

Значними викликами є безпека даних, інтеграція даних та довіра до передбачувальних результатів AI. Я не експерт у сфері безпеки даних чи інтеграції даних, але великі розуми працюють над вирішенням цих проблем. Що стосується довіри до передбачувальних результатів AI, нам потрібно ефективні та достовірні способи валідувати ці передбачення.

Certis пішла двома шляхами: валідация в silico через внутрішні, перехресні валідційні дослідження та валідация in vivo – проведення досліджень у клінічно значимих моделях мишей для оцінки точності передбачень нашої платформи. З часом ці інструменти також будуть клінічно валідовані у пацієнтів – але, звичайно, це займе багато часу, грошей та бажання змінити поточну парадигму лікування раку. Медична та регуляторна спільнота повинні перестати покладатися на те, як все завжди робилося, та прийняти силу обчислювального аналізу для інформування рішень.

Як ви бачите інструменти, такі як CertisOI Assistant, які формуватимуть майбутнє лікування раку та персоналізованої медицини?

Сучасна медицина ще не має хорошого способу поєднувати пацієнтів з ідеальними лікуваннями. Загалом, тільки 10% пацієнтів з раком відчувають клінічну користь від лікування, призначеного відповідно до мутацій ДНК пухлини. Це не тільки шкодить здоров’ю пацієнтів, але й завдає їм фінансової шкоди. Оцінюється, що близько 2,5 мільярдів доларів витрачається на неефективні терапії. Це дуже сумна реальність, що 42% пацієнтів з раком повністю розоряються до другого року після діагнозу.

Інструменти, такі як CertisOI Assistant та CertisAI, допоможуть нам реалізувати обіцянку персоналізованої медицини – надати людям оптимальне лікування для їхньої унікальної форми раку вперше, кожен раз…. І демократизувати доступ до більш ефективної, персоналізованої допомоги.

Дякую за велике інтерв’ю, читачам, які бажають дізнатися більше, слід відвідати Certis Oncology Solutions.