彼得·埃尔曼，Certis Oncology Solutions公司总裁兼首席执行官 – 采访系列

Certis Oncology Solutions 由 彼得·埃尔曼 领导，彼得·埃尔曼是该公司的总裁兼首席执行官，Certis Oncology Solutions是一家致力于实现精准肿瘤学的生命科学技术公司。该公司的产品是肿瘤智能（Oncology Intelligence）- 高度预测性的治疗反应数据，来源于先进的癌症模型。Certis与医生-科学家和行业研究人员合作，以扩大对精准肿瘤学的访问，并解决临床前研究和临床试验之间的关键转化差距。

您能否描述CertisOI Assistant解决的肿瘤学研究中的更广泛问题？

肿瘤学调查性药物候选物的失败率很高。最近报告称，2023年，90％的肿瘤学计划最终失败。这一数字是2022年之前的历史趋势有了显著改善，之前的失败率一直徘徊在96％左右。考虑到开发药物的成本，90％的失败率是不可持续的。想象一下，如果成功率仅为50％，患者将如何受益。

CertisOI Assistant 立即解决了两个对失败率做出贡献的重要问题：

• 改进的临床前模型选择： 许多化合物在临床前研究中显示出有希望的结果，但在人类中未能表现出足够的治疗效果。科学界的大多数成员都指出临床前模型是问题的一部分。选择具有正确的基因表达特征的临床前模型（并使用正位移植用于关键研究）可以改善“转化”到临床的效果。
• 更早、更好的生物标志物识别： 依赖于不能准确预测治疗反应的生物标志物可能会导致临床试验失败。CertisOI Assistant与我们的专利预测AI/ML平台CertisAI集成，能够早期识别预测性生物标志物。

CertisOI Assistant如何使用AI来改善访问肿瘤学数据，并且它与该领域的其他AI工具有什么区别？

CertisOI Assistant通过一个易于使用的自然语言界面提供高级数据分析和预测建模功能。它以以下几种方式脱颖而出：

• 综合数据集集成： 该助手集成了广泛的肿瘤学数据，包括患者信息、肿瘤特征、基因特征和药物反应预测。这种整体方法允许比仅关注孤立数据类型的工具更全面地分析。
• 基于AI的预测： 该助手使用AI算法预测药物反应和耐药性，提供了哪些治疗方法可能对特定的癌症模型有效的见解。这种预测能力对于个性化医学至关重要，并将其与仅依赖历史数据的工具区分开来。
• 用户友好界面： 通过为复杂数据集提供直观的界面，助手使研究人员更容易访问和解释肿瘤学数据，而无需高级技术技能。
• 专注于临床前模型： 该助手专门从事临床前肿瘤学研究，特别是PDX和细胞系模型，提供了早期药物开发和肿瘤生物学的独特见解。
• 交互式可视化： 该助手支持交互式可视化，例如药理学和肿瘤生长研究，允许研究人员以更吸引人和更具信息性的方式探索数据。

该工具如何将复杂数据转化为可行的见解，特别是对于正在处理药物敏感性或基因组数据的研究人员？

CertisOI Assistant利用结构化工作流将原始数据转化为有意义的见解。它涉及查询综合肿瘤学数据集，分析数据，并以清晰可解释的格式呈现结果。以下是其工作原理：

• 数据查询： CertisOI Assistant可以访问包含有关肿瘤模型的详细信息的关系数据库，包括患者数据、肿瘤特征、基因组数据和药物反应预测。它使用类似SQL的查询来提取基于研究人员特定需求的相关数据。
• 数据分析： 一旦数据被检索，CertisOI Assistant可以执行各种分析，例如识别常见的突变，关联基因表达与药物敏感性，或评估药理学研究结果。它还可以对数据进行排名和筛选，以突出最重要的发现。
• 可视化： 该助手可以以表格格式呈现数据，生成药理学和肿瘤生长研究的交互式图表，并显示组织学图像。这种可视化有助于研究人员快速理解复杂的数据模式和关系。
• 解释和见解： 通过提供对数据的清晰解释，包括对药物敏感性或耐药性的预测，CertisOI Assistant帮助研究人员就潜在的治疗策略或进一步的实验方向做出明智的决定。
• 自定义和灵活性： 研究人员可以根据自己的研究目标定制查询，关注特定的癌症类型、基因标记或治疗反应，允许进行高度定制的分析。

研究人员如何使用该工具来改善他们的工作流程或实现突破？

最简单的例子是临床前模型的选择。每项临床前研究都以选择肿瘤模型开始。CertisOI Assistant将手动努力从这个过程中去除，并为选择任何给定研究的最佳模型带来巨大的精度。

另一个例子是开发生物标志物策略。传统的方法是假设哪些生物标志物可能与药物的作用机制相关，然后在临床前研究中测试这些假设，这通常是一个迭代的过程。如果临床前数据很有希望，研究人员必须在人类临床试验中验证预测性生物标志物——正如我们讨论的，失败率很高。

CertisOI Assistant帮助研究人员早期识别和验证更准确、更具预测性的基因表达生物标志物，并且比传统工作流程需要更少的迭代——节省时间、金钱，并提高商业成功的机会。

该工具支持哪些类型的癌症模型或数据集，以及这种广泛性如何造福研究社区？

CertisOI的当前版本为研究人员提供了访问Certis不断扩大的PDX和PDX衍生肿瘤模型库以及整个癌症细胞系百科全书（CCLE）模型的机会。该平台的算法还利用GDSC、ICGC、CI ALMANAC、O’Neil和其他数据集的数据。这种对数据集成的整体方法允许比仅关注孤立数据类型的工具更全面地分析。

CertisOI Assistant的设计使其对可能没有广泛技术专长的研究人员来说是用户友好的。您如何确保它对所有研究人员都可访问？

以下功能使CertisOI Assistant对所有级别的研究人员都可访问：

• 直观界面： 界面设计为易于导航，允许用户执行复杂的查询和分析，而无需了解底层的技术细节。
• 指导工作流程： 该助手为常见的研究任务（如查询药物反应预测、分析基因组数据和探索药理学研究）提供指导工作流程。这样可以帮助用户专注于自己的研究问题，而不会被技术复杂性所困扰。
• 自然语言处理： 用户可以使用自然语言查询与助手交互，使那些没有技术专长的人更容易访问他们需要的信息。助手解释这些查询并将其转换为适当的数据库查询。
• 全面文档： 详细的文档和教程帮助用户了解如何有效地使用助手。这些包括逐步指南、示例和关键概念的解释。
• 交互式可视化： 该助手提供交互式可视化，例如图表和组织学图像，允许用户以视觉方式探索和解释数据，而无需编写代码。
• 响应式支持： 用户可以访问响应式支持，以帮助解决任何问题或疑问。这样可以确保他们可以快速获得帮助，并在不必要的延迟的情况下继续他们的研究。
• 可定制的查询： 虽然助手提供默认工作流程，但它也允许定制，使用户能够根据自己的特定研究需求定制查询，而无需深入的技术知识。

合作是研究的关键方面。CertisOI Assistant如何促进研究人员或机构之间的团队合作？

使用CertisOI Assistant，来自不同团队或机构的研究人员可以访问相同的数据集和工具，允许他们在共享项目或研究问题上进行合作。该平台还使下载和共享数据查询、结果和见解变得容易，因此每个项目相关人员都可以有效地贡献。

在癌症研究中扩大AI采用面临的最大挑战是什么，以及如何解决这些挑战？

显著的挑战包括数据安全、数据集成和对AI生成结果的信任。我不是数据安全或数据集成的专家，但有很多优秀的思想家正在解决这些挑战。关于相信AI生成的预测，我认为我们需要有效和可信的方法来验证这些预测。

Certis采取了两种方法：silico验证，通过内部交叉验证研究，并通过在临床相关的鼠标模型中进行研究来评估我们平台预测的准确性。随着时间的推移，这些工具也将在人类患者中临床验证——但当然，这将需要大量的时间、金钱以及改变当前的癌症治疗范式。医疗和监管社区将不得不停止依赖于传统的做法，开始接受计算分析的力量来指导决策。

您如何看待像CertisOI Assistant这样的工具在未来塑造癌症治疗和精准医学的发展？

现代医学还没有很好的方法来将患者与理想的治疗方法匹配。总的来说，仅有 10％的癌症患者 从与肿瘤DNA突变相匹配的治疗中受益。这种情况不仅损害了患者的健康，也给他们带来了经济上的损害。据估计， 25亿美元 被浪费在无效的治疗上。这是一个非常悲惨的事实， 42％的癌症患者 在诊断后的第二年完全耗尽了他们的资产。

像CertisOI Assistant和 CertisAI 这样的工具将帮助我们实现精准医学的承诺——让人们获得最适合他们独特癌症形式的最佳治疗，每次都如此……并使更有效、更个性化的医疗服务更容易获得。

感谢这次精彩的采访，希望读者能够通过访问 Certis Oncology Solutions 了解更多信息。