Peter Ellman, Tổng giám đốc và CEO của Certis Oncology Solutions – Loạt phỏng vấn

Certis Oncology Solutions, được dẫn dắt bởi Peter Ellman, Tổng giám đốc và CEO, là một công ty công nghệ khoa học đời sống chuyên về thực hiện lời hứa của lĩnh vực ung thư chính xác. Sản phẩm của công ty là Oncology Intelligence® — dữ liệu phản ứng điều trị dự đoán cao được suy dẫn từ các mô hình ung thư tiên tiến. Certis hợp tác với các nhà khoa học và nhà nghiên cứu trong ngành để mở rộng quyền truy cập vào lĩnh vực ung thư chính xác và giải quyết khoảng cách dịch thuật quan trọng giữa các nghiên cứu tiền lâm sàng và các thử nghiệm lâm sàng.

Bạn có thể mô tả vấn đề rộng lớn hơn trong nghiên cứu ung thư mà Trợ lý CertisOI đang giải quyết?

Tỷ lệ thất bại của các ứng cử viên thuốc điều tra ung thư là cao. Gần đây đã được báo cáo rằng vào năm 2023, 90% chương trình ung thư cuối cùng đã thất bại. Con số đó là một sự cải thiện đáng kể so với xu hướng lịch sử, vốn đã dao động quanh 96% cho đến năm 2022. Xem xét chi phí phát triển thuốc, tỷ lệ thất bại 90% là không bền vững. Hãy tưởng tượng làm thế nào bệnh nhân sẽ được hưởng lợi nếu tỷ lệ thành công thậm chí là 50%.

Trợ lý CertisOI ngay lập tức giải quyết hai vấn đề rất quan trọng góp phần vào tỷ lệ thất bại này:

• Lựa chọn mô hình tiền lâm sàng được cải thiện: Nhiều hợp chất cho thấy kết quả đầy hứa hẹn trong các nghiên cứu tiền lâm sàng nhưng không thể chứng minh hiệu quả điều trị đủ ở người. Hầu hết các thành viên của cộng đồng khoa học chỉ ra các mô hình tiền lâm sàng là một phần của vấn đề. Việc chọn các mô hình tiền lâm sàng có chữ ký biểu hiện gen chính xác (và sử dụng cấy ghép trực tiếp cho các nghiên cứu quan trọng) có thể cải thiện “dịch thuật” vào lâm sàng.
• Xác định dấu ấn sinh học sớm hơn, tốt hơn: Việc dựa vào các dấu ấn sinh học không dự đoán chính xác phản ứng điều trị có thể dẫn đến các thử nghiệm lâm sàng thất bại. Trợ lý CertisOI được tích hợp với CertisAI, nền tảng AI/ML dự đoán bằng sáng chế của chúng tôi, cho phép xác định các dấu ấn sinh học dự đoán sớm trong quá trình phát triển thuốc.

Làm thế nào Trợ lý CertisOI sử dụng Trí tuệ nhân tạo để cải thiện quyền truy cập vào dữ liệu ung thư và điều gì khiến nó khác biệt so với các công cụ Trí tuệ nhân tạo khác trong lĩnh vực này?

Trợ lý CertisOI cung cấp các khả năng phân tích dữ liệu tiên tiến và mô hình hóa dự đoán thông qua giao diện ngôn ngữ tự nhiên dễ sử dụng. Nó nổi bật ở một số cách:

• Tích hợp Dữ liệu Toàn diện: Trợ lý tích hợp một loạt các dữ liệu ung thư, bao gồm thông tin bệnh nhân, đặc điểm khối u, hồ sơ di truyền và dự đoán phản ứng thuốc. Cách tiếp cận toàn diện này cho phép phân tích toàn diện hơn so với các công cụ tập trung vào các loại dữ liệu bị cô lập.
• Dự đoán Dựa trên Trí tuệ nhân tạo: Trợ lý sử dụng các thuật toán Trí tuệ nhân tạo để dự đoán phản ứng và kháng thuốc, cung cấp thông tin về các phương pháp điều trị có khả năng hiệu quả cho các mô hình ung thư cụ thể. Khả năng dự đoán này rất quan trọng cho y học cá nhân hóa và giúp nó khác biệt so với các công cụ chỉ dựa vào dữ liệu lịch sử.
• Giao diện Dễ sử dụng: Bằng cách cung cấp giao diện trực quan cho việc truy vấn và phân tích các tập dữ liệu phức tạp, trợ lý giúp các nhà nghiên cứu dễ dàng truy cập và diễn giải dữ liệu ung thư mà không cần kỹ năng kỹ thuật tiên tiến.
• Đặc biệt về Mô hình Tiền lâm sàng: Trợ lý chuyên về nghiên cứu ung thư tiền lâm sàng, đặc biệt là mô hình PDX và dòng tế bào, cung cấp thông tin độc đáo về phát triển thuốc giai đoạn đầu và sinh học khối u.
• Trực quan hóa Tương tác: Trợ lý hỗ trợ trực quan hóa tương tác, chẳng hạn như nghiên cứu dược lý và tăng trưởng khối u, cho phép các nhà nghiên cứu khám phá dữ liệu một cách hấp dẫn và thông tin hơn.

Làm thế nào công cụ này biến đổi dữ liệu phức tạp thành thông tin có thể hành động, đặc biệt là cho các nhà nghiên cứu làm việc về dữ liệu nhạy cảm với thuốc hoặc dữ liệu gen?

Trợ lý CertisOI tận dụng một quy trình làm việc có cấu trúc để biến đổi dữ liệu thô thành thông tin có ý nghĩa. Nó liên quan đến việc truy vấn một tập dữ liệu ung thư toàn diện, phân tích dữ liệu và trình bày kết quả theo định dạng rõ ràng và có thể diễn giải. Dưới đây là cách nó hoạt động:

• Truy vấn Dữ liệu: Trợ lý CertisOI có thể truy cập cơ sở dữ liệu quan hệ chứa thông tin chi tiết về các mô hình ung thư, bao gồm dữ liệu bệnh nhân, đặc điểm khối u, dữ liệu di truyền và dự đoán phản ứng thuốc. Nó sử dụng truy vấn SQL-like để trích xuất dữ liệu liên quan dựa trên nhu cầu cụ thể của nhà nghiên cứu.
• Phân tích Dữ liệu: Một khi dữ liệu được thu hồi, Trợ lý CertisOI có thể thực hiện các phân tích khác nhau, chẳng hạn như xác định các đột biến chung, tương quan biểu hiện gen với độ nhạy thuốc hoặc đánh giá kết quả nghiên cứu dược lý. Nó cũng có thể xếp hạng và lọc dữ liệu để làm nổi bật những phát hiện quan trọng nhất.
• Trực quan hóa: Trợ lý có thể trình bày dữ liệu ở định dạng bảng, tạo biểu đồ tương tác cho nghiên cứu dược lý và tăng trưởng khối u, và hiển thị hình ảnh mô học. Việc trực quan hóa này giúp các nhà nghiên cứu nhanh chóng nắm bắt các mẫu dữ liệu phức tạp và mối quan hệ.
• Diễn giải và Thông tin: Bằng cách cung cấp diễn giải rõ ràng về dữ liệu, bao gồm dự đoán về độ nhạy thuốc hoặc kháng thuốc, Trợ lý CertisOI giúp các nhà nghiên cứu đưa ra quyết định sáng suốt về các chiến lược điều trị tiềm năng hoặc hướng nghiên cứu thực nghiệm tiếp theo.
• Tùy chỉnh và Linh hoạt: Các nhà nghiên cứu có thể tùy chỉnh truy vấn của họ để tập trung vào các loại ung thư cụ thể, dấu ấn sinh học hoặc phản ứng điều trị, cho phép phân tích được tùy chỉnh cao phù hợp với mục tiêu nghiên cứu của họ.

Làm thế nào Trợ lý CertisOI nâng cao khả năng của các nhà nghiên cứu trong việc lựa chọn mô hình ung thư, thiết kế chiến lược dấu ấn sinh học hoặc thực hiện xác nhận ảo?

Tôi đã đề cập đến hai lĩnh vực đầu tiên – phần mô hình ung thư và thiết kế chiến lược dấu ấn sinh học – tại đầu cuộc phỏng vấn này, vì vậy tôi sẽ tập trung vào việc thực hiện xác nhận ảo. Trợ lý CertisOI cung cấp một môi trường ảo để kiểm tra và xác nhận các giả thuyết liên quan đến hiệu quả của thuốc, tương tác mục tiêu và khám phá dấu ấn sinh học mà không cần thực hiện thí nghiệm phòng thí nghiệm ngay lập tức. Điều này cho phép họ nhanh chóng tinh chỉnh các giả thuyết của mình và tập trung nỗ lực thực nghiệm vào các phương án hứa hẹn nhất.

Dưới đây là một số ví dụ:

• Dự đoán Phản ứng Thuốc: Sử dụng dự đoán dựa trên Trí tuệ nhân tạo về phản ứng và kháng thuốc để đánh giá cách các mô hình khác nhau có khả năng phản ứng với các loại thuốc cụ thể. Điều này có thể giúp xác nhận tiềm năng hiệu quả của một loại thuốc ảo trước khi chuyển sang nghiên cứu in vitro hoặc in vivo.
• Phân tích Di truyền và Phân tử: Phân tích dữ liệu di truyền, bao gồm đột biến, biểu hiện gen và biến thể số lượng bản sao, để xác định các mục tiêu tiềm năng và xác nhận sự liên quan của chúng với cơ chế hoạt động của thuốc. Điều này có thể giúp hiểu cơ sở phân tử của độ nhạy hoặc kháng thuốc.
• Khám phá Dấu ấn Sinh học: Tương quan các đặc điểm phân tử với dự đoán phản ứng thuốc để xác định các dấu ấn sinh học dự đoán tiềm năng. Điều này có thể hướng dẫn việc lựa chọn quần thể bệnh nhân có nhiều khả năng được hưởng lợi từ một liệu pháp cụ thể.
• Khám phá Liệu pháp Kết hợp: Khám phá dự đoán tương tác thuốc để xác định các kết hợp thuốc hứa hẹn có thể tăng cường kết quả điều trị. Điều này có thể cung cấp thông tin về các chiến lược kết hợp có thể được xác nhận thêm bằng thực nghiệm.
• Phân tích Mô học: Sử dụng hình ảnh mô học để xác nhận các hiệu ứng hình thái của thuốc trên mô khối u, cung cấp thêm bằng chứng về cơ chế hoạt động và tiềm năng hiệu quả của thuốc.
• So sánh Mô hình Chéo: So sánh các mô hình khác nhau để hiểu cách các nền tảng di truyền khác nhau ảnh hưởng đến phản ứng thuốc, giúp xác nhận các giả thuyết về vai trò của các gen hoặc con đường cụ thể ảo.
• Lọc ảo: Thực hiện lọc ảo của thuốc chống lại một loạt các mô hình để ưu tiên các ứng cử viên cho xác nhận thực nghiệm tiếp theo.

Bạn có thể chia sẻ các ví dụ về cách các nhà nghiên cứu được dự kiến sử dụng công cụ này để cải thiện quy trình làm việc của họ hoặc đạt được đột phá?

Ví dụ đơn giản nhất là lựa chọn mô hình tiền lâm sàng. Mọi nghiên cứu tiền lâm sàng đều bắt đầu với việc lựa chọn mô hình khối u. Trợ lý CertisOI loại bỏ nỗ lực thủ công ra khỏi quá trình này và mang lại sự chính xác lớn cho việc lựa chọn mô hình tối ưu cho bất kỳ nghiên cứu nào.

Một ví dụ khác là phát triển chiến lược dấu ấn sinh học. Cách tiếp cận truyền thống là giả thuyết về dấu ấn sinh học hoặc dấu ấn sinh học nào có thể liên quan đến cơ chế hoạt động của thuốc và sau đó kiểm tra các giả thuyết đó trong nghiên cứu tiền lâm sàng, điều này thường là một quá trình lặp lại. Nếu dữ liệu tiền lâm sàng đầy hứa hẹn, các nhà nghiên cứu phải xác nhận dấu ấn sinh học dự đoán trong các thử nghiệm lâm sàng của con người — và như đã thảo luận, tỷ lệ thất bại là cao.

Trợ lý CertisOI giúp các nhà nghiên cứu xác định và xác nhận các dấu ấn sinh học dự đoán chính xác hơn, sớm hơn trong quá trình phát triển và với ít lần lặp lại hơn so với quy trình làm việc truyền thống — tiết kiệm thời gian, tiền bạc và cải thiện cơ hội thành công thương mại.

Loại mô hình ung thư hoặc tập dữ liệu nào mà công cụ này hỗ trợ và làm thế nào sự đa dạng này có lợi cho cộng đồng nghiên cứu?

Phiên bản hiện tại của CertisOI cung cấp cho các nhà nghiên cứu quyền truy cập vào thư viện mô hình khối u PDX và mô hình khối u PDX-derived đang mở rộng nhanh chóng của Certis và toàn bộ Thư viện Dòng tế bào Ung thư (CCLE) của các mô hình. Các thuật toán của nền tảng cũng dựa trên dữ liệu từ Genomics of Drug Sensitivity in Cancer (GDSC), International Cancer Genome Consortium (ICGC), CI ALMANAC, O’Neil và các tập dữ liệu khác. Cách tiếp cận toàn diện này đối với tích hợp dữ liệu cho phép phân tích toàn diện hơn so với các công cụ tập trung vào các loại dữ liệu bị cô lập.

Trợ lý CertisOI được thiết kế để dễ sử dụng. Bạn đảm bảo rằng nó có thể truy cập được đối với các nhà nghiên cứu có thể không có chuyên môn kỹ thuật rộng?

Một số tính năng làm cho Trợ lý CertisOI có thể truy cập được đối với các nhà nghiên cứu ở mọi cấp độ:

• Giao diện Trực quan: Giao diện được thiết kế để trực quan và dễ điều hướng, cho phép người dùng thực hiện các truy vấn và phân tích phức tạp mà không cần phải hiểu các chi tiết kỹ thuật cơ bản.
• Quy trình làm việc Hướng dẫn: Trợ lý cung cấp quy trình làm việc hướng dẫn cho các nhiệm vụ nghiên cứu chung, chẳng hạn như truy vấn dự đoán phản ứng thuốc, phân tích dữ liệu di truyền và khám phá nghiên cứu dược lý. Điều này giúp người dùng tập trung vào các câu hỏi nghiên cứu của mình mà không bị sa lầy vào các phức tạp kỹ thuật.
• Xử lý Ngôn ngữ Tự nhiên: Người dùng có thể tương tác với trợ lý bằng cách sử dụng truy vấn ngôn ngữ tự nhiên, làm cho việc truy cập thông tin họ cần dễ dàng hơn cho những người không có chuyên môn kỹ thuật. Trợ lý diễn giải các truy vấn và dịch chúng thành các truy vấn cơ sở dữ liệu phù hợp.
• Tài liệu Toàn diện: Tài liệu chi tiết và hướng dẫn giúp người dùng hiểu cách sử dụng trợ lý một cách hiệu quả. Điều này bao gồm hướng dẫn từng bước, ví dụ và giải thích về các khái niệm chính.
• Trực quan hóa Tương tác: Trợ lý cung cấp trực quan hóa tương tác cho phân tích dữ liệu, chẳng hạn như biểu đồ và hình ảnh mô học, cho phép người dùng khám phá và diễn giải dữ liệu một cách trực quan mà không cần viết mã.
• Hỗ trợ Phản hồi: Người dùng có thể truy cập hỗ trợ phản hồi để hỗ trợ với bất kỳ câu hỏi hoặc vấn đề nào. Điều này đảm bảo họ có thể nhận được sự giúp đỡ nhanh chóng và tiếp tục nghiên cứu của mình mà không bị chậm trễ không cần thiết.
• Truy vấn Tùy chỉnh: Mặc dù trợ lý cung cấp quy trình làm việc mặc định, nhưng nó cũng cho phép tùy chỉnh, cho phép người dùng tùy chỉnh truy vấn để đáp ứng nhu cầu nghiên cứu cụ thể của họ mà không cần kiến thức kỹ thuật sâu.

Sự hợp tác là một khía cạnh quan trọng của nghiên cứu. Trợ lý CertisOI như thế nào để促 tiến hợp tác giữa các nhà nghiên cứu hoặc tổ chức?

Với Trợ lý CertisOI, các nhà nghiên cứu từ các nhóm hoặc tổ chức khác nhau có thể truy cập cùng một tập dữ liệu và công cụ, cho phép họ làm việc hợp tác trên các dự án hoặc câu hỏi nghiên cứu chung. Nền tảng cũng làm cho việc tải xuống và chia sẻ truy vấn dữ liệu, kết quả và thông tin giữa các thành viên trong nhóm trở nên dễ dàng, vì vậy mọi người tham gia vào một dự án đều có thể đóng góp hiệu quả.

Thử thách lớn nhất trong việc mở rộng việc áp dụng Trí tuệ nhân tạo trong nghiên cứu ung thư là gì và làm thế nào chúng có thể được giải quyết?

Những thách thức đáng kể bao gồm bảo mật dữ liệu, tích hợp dữ liệu và niềm tin vào các dự đoán kết quả dựa trên Trí tuệ nhân tạo. Tôi không phải là chuyên gia về bảo mật dữ liệu hoặc tích hợp dữ liệu, nhưng những tâm hồn vĩ đại đang làm việc để giải quyết những thách thức này. Đối với việc tin tưởng vào các dự đoán được tạo bởi Trí tuệ nhân tạo, chúng tôi cần có những cách hiệu quả và đáng tin cậy để xác nhận những dự đoán đó.

Certis đã thực hiện một cách tiếp cận hai mặt đối với điều này: xác nhận ảo thông qua các nghiên cứu xác nhận nội bộ và xác nhận in vivo — thực hiện các nghiên cứu trong các mô hình chuột lâm sàng có liên quan để đánh giá độ chính xác của các dự đoán của nền tảng của chúng tôi. Theo thời gian, các công cụ này cũng sẽ được xác nhận lâm sàng ở bệnh nhân — nhưng tất nhiên, điều đó sẽ mất rất nhiều thời gian, tiền bạc và sự sẵn sàng thay đổi mô hình điều trị ung thư hiện tại. Cộng đồng y tế và quản lý sẽ phải ngừng dựa vào cách mọi thứ đã được thực hiện và chấp nhận sức mạnh của phân tích tính toán để thông báo quyết định.

Bạn hình dung các công cụ như Trợ lý CertisOI sẽ định hình tương lai của điều trị ung thư và y học chính xác như thế nào?

Y học hiện đại không có cách nào tốt để kết hợp bệnh nhân với các phương pháp điều trị lý tưởng. Tổng thể, chỉ 10% bệnh nhân ung thư trải qua lợi ích lâm sàng từ các phương pháp điều trị được kết hợp với đột biến DNA khối u. Điều đó không chỉ gây hại cho sức khỏe của bệnh nhân, mà còn gây hại cho họ về mặt tài chính. Một ước tính 2,5 tỷ đô la — với B — bị浪 phí trên các liệu pháp không hiệu quả. Đó là một sự thật rất buồn rằng 42% bệnh nhân ung thư cạn kiệt hoàn toàn tài sản của họ vào năm thứ hai sau khi chẩn đoán.

Các công cụ như Trợ lý CertisOI và CertisAI sẽ giúp chúng tôi thực hiện lời hứa của y học chính xác — đưa người dân đến phương pháp điều trị tối ưu cho dạng ung thư duy nhất của họ mọi lúc, mọi nơi…. Và để dân chủ hóa quyền truy cập vào chăm sóc cá nhân hóa hiệu quả hơn.

Cảm ơn bạn vì cuộc phỏng vấn tuyệt vời, những người đọc muốn tìm hiểu thêm nên truy cập Certis Oncology Solutions.