Автор статьи
Ханна Мэдисон
Доктор. Лин Кавас, управляющий генеральный партнер Propel Bio Partners, показывает, как биомаркеры работают вместе с искусственным интеллектом и машинным обучением, чтобы смягчить ограничения и проблемы здравоохранения
Искусственный интеллект (или ИИ) и машинное обучение (МО) (форма ИИ) становятся актуальными и важными в индустрии биотехнологий и наук о жизни. Возможности искусственного интеллекта являются неотъемлемой частью более точной диагностики, персонализированного лечения пациентов и прогнозирования хронических заболеваний, а также других приложений. Ожидается, что ИИ и МО окажут наиболее преобразующее влияние на фармацевтические исследования и разработки (НИОКР).
По словам доктора Лин Кавас из Propel Bio Partners, это обусловлено развитием вычислительной мощности и развитием наук о данных, расширяющих возможности сбора и обработки больших и разнообразных наборов данных. ИИ/МО использовался для разработки лекарств в течение последних двух десятилетий. Что еще более интересно, так это то, что сейчас мы наблюдаем повышенное внимание к использованию ИИ/МО в клинических испытаниях и проведении. Это возможно благодаря более широкому использованию цифровых технологий и лучшему пониманию молекулярных и физиологических биомаркеров.
ИИ ускоряет открытие и разработку лекарств
Биотехнологические компании все чаще используют ИИ для достижения своих целей в области разработки продуктов. В макромасштабе ИИ может способствовать ускорению разработки лекарств-кандидатов, что позволяет конечным пользователям экономить средства.
В перспективе традиционная оптимизация целей и лекарств, включая испытания на животных, занимает от трех до пяти лет. После этого могут начаться испытания на людях, которые могут занять еще 3–5 лет, а иногда и дольше. Стартапы на основе ИИ обещают более эффективное и действенное выявление и разработку новых лекарств-кандидатов. ИИ может сократить сроки разработки лекарств, улучшить прогнозы клинической эффективности и безопасности, а также диверсифицировать линейки лекарств без какой-либо предвзятости, основанной на индивидуальном опыте. Искусственный интеллект также зарекомендовал себя в клинических испытаниях. Технология искусственного интеллекта использует платформы мониторинга биомаркеров, а также миллионы точек данных отдельных пациентов. Технология ИИ может анализировать образец крови, полученный участником клинического испытания, собирать большой объем информации и потенциально сопоставлять ее с конечными точками эффективности или безопасности.
Биомаркеры могут способствовать развитию лекарств от редких заболеваний
Разработка лекарств от редких заболеваний привлекает все большую долю инвесторов. Этот приток средств, вероятно, обусловлен потенциальными лекарствами от болезней, вызванных мутациями одного гена. Тем не менее, разработчики лекарств столкнулись с трудностями при выявлении пациентов для исследований и лечения лекарств.
Биомаркеры могут быть идеальным решением, поскольку они могут идентифицировать популяцию пациентов, которые могут получить наибольшую пользу от конкретных методов лечения, модельного ответа и эффектов, которые могут повысить успех потенциальных методов лечения. По мере того, как персонализированная медицина постепенно выходит на первый план, панель биомаркеров каждого человека может помочь в отборе и стратификации пациентов. В самых инновационных компаниях использование адаптивного дизайна испытаний и анализа данных может привести к обнаружению эффекта лечения.
Propel Bio Partners LLC поддерживает инновационные компании в области биологических наук
Компания Propel Bio Partners LLC со штаб-квартирой в Лос-Анджелесе является быстрорастущей частной инвестиционной компанией, специализирующейся на инвестициях в сектор здравоохранения и медико-биологических наук. Фирма заметно отличается от других фирм венчурного капитала, поскольку Propel Bio Partners предлагает рекомендации признанных экспертов наряду с финансовыми инвестициями.
Лин Кавас, доктор философии. является управляющим генеральным партнером Propel, и она активно участвует в оценке потенциальных инвестиций. В прошлом соучредитель Athira Pharma, Inc., она изобрела несколько лекарств-кандидатов и сыграла ключевую роль в росте фирмы. Доктор Кавас была первой женщиной за двадцать лет, которая вывела компанию на биржу в штате Вашингтон, в то время, когда она вывела Athira на биржу.
В начале 2023 года доктор Лин Кавас отметила, что все больше компаний интегрировали ИИ в свои программы разработки лекарств. «Мы наблюдаем значительный рост числа компаний, которые пытаются использовать ИИ и прогнозное моделирование для ускорения разработки и открытия лекарств», — отметила она.
Persephone Biosciences
Persephone Biosciences, Inc. — одна из последних инвестиций Propel Bio Partners. В июле 2022 года Persephone Biosciences завершила раунд начального финансирования в размере 15 миллионов долларов. Propel Bio Partners возглавила этот ключевой механизм финансирования.
Компания Persephone Biosciences из Сан-Диего занимается разработкой препаратов на основе микробиома для детского здоровья, онкологии и других приложений.
Исследование Argonaut, проведенное Persephone Biosciences, крупнейшее в истории США исследование, включает использование соединения кишечника и иммунитета для поиска биомаркеров для профилактики и лечения рака.
Доктор. Кавас освещает работу Persephone Biosciences
Доктор Лин Кавас отметила, что Persephone Biosciences использует искусственный интеллект и машинное обучение для обнаружения биомаркеров в наборах данных пациентов. Persephone Biosciences использует эти биомаркеры «для информирования о разработке наших терапевтических и потребительских продуктов. Технологическая платформа Persephone основана на разнообразных и инклюзивных обсервационных клинических испытаниях в масштабе всего населения в сочетании с расширенным мультиомным анализом и машинным обучением.
«[Цель Персефоны] — исследовать сложное взаимодействие между микробами и иммунной системой. Обнаруженные биомаркеры используются для разработки высокоточной иммунотерапии с использованием синтетической биологии для неудовлетворенных потребностей и более справедливых результатов лечения», — заключил доктор Кавас.
Неотъемлемые биологические науки
Inherent Biosciences — биотехнологическая компания со штаб-квартирой в Солт-Лейк-Сити, Юта. Propel Bio Partners инвестировала в это предприятие, основанное на эпигенетике, которое использует ИИ для разработки инновационных клинических решений для сложных проблем здравоохранения.
Доктор. Кавас рассказывает о внутренней работе биологических наук
Доктор. Лин Кавас подробно описал главную цель Inherent Biosciences. «Inherent использует машинное обучение для выявления эпигенетических биомаркеров (эпимутаций) для использования в диагностике и потенциальных терапевтических целях. Примером и первым приложением, которое рассматривалось, было использование машинного обучения для разработки калькулятора жизнеспособности сперматозоидов, который объединяет сигнатуры метилирования ДНК сперматозоидов и позволяет точно прогнозировать биологический возраст человека.
«Важно отметить, что команда Inherent обнаружила, что определенные факторы образа жизни (включая курение) сдвигают прогнозируемый биологический возраст вверх. Наши предварительные данные также показывают, что повышенный ИМТ является еще одним фактором, влияющим на биологический возраст.
«Кроме того, научные сотрудники обнаружили, что в мышиной модели многие связанные с курением дифференциально метилированные области (DMR) в сперме исправляются после устранения воздействия дыма. Эти данные свидетельствуют о том, что эпигенетические изменения сперматозоидов поддаются модификации и в некоторой степени поддаются коррекции», — резюмировал доктор Кавас.
ИИ помогает принимать более эффективные решения
Доктор. Лин Кавас также отметил, что ИИ открывает новую биологическую перспективу, которая способствует принятию решений на более высоком уровне. ИИ позволяет нам использовать ряд различных данных (таких как омика, метаболомика, протеомика, эпигенетика и клиническая картина), чтобы обеспечить более точное и всестороннее принятие решений, — отметила она.
В перспективе омика — это междисциплинарная область, включающая другие перечисленные модальности. Возможности высокоуровневой обработки ИИ обеспечивают быстрое отображение многоуровневых клеточных процессов, взаимодействий и реакций. В свою очередь, это позволяет лучше понять взаимосвязь между обширными наборами данных и более быстрыми открытиями, связанными со здоровьем.
Искусственный интеллект позволяет повысить эффективность диагностики
Точная диагностика медицинских проблем является ключом к их решению. Однако каждый год приблизительно 12 миллионам американцев, обращающихся за амбулаторной медицинской помощью, ставят неправильный диагноз. Некоторые диагностические ошибки приводили к опасным для жизни последствиям.
Чаще всего ошибочные диагнозы возникают в результате анализа рентгенологом общего профиля, тогда как более подходящим является узкоспециализированный. В других случаях врач не назначает обязательное последующее обследование или неправильно интерпретирует результаты исследования.
К счастью, все более совершенные решения для цифровой обработки изображений и анализ биологических образцов, дополненный возможностями искусственного интеллекта, могут обеспечить точный медицинский анализ. ИИ часто может анализировать медицинские данные быстрее и точнее, чем клиницист. Однако в настоящее время технология ИИ не способна полностью заменить квалифицированных рентгенологов.
Искусственный интеллект делает акцент на индивидуальном лечении пациентов
Достижения медицины последних десятилетий привели к внедрению новых методов лечения. Во многих случаях врачи предполагали, что все пациенты одинаково реагируют на определенное лекарство. У некоторых пациентов иногда наблюдались серьезные реакции на лекарства. В других случаях чрезмерное назначение антибиотика широкого спектра действия привело к его неэффективности у пациента, у которого развилась резистентность к препарату. Здесь врач может остаться с несколькими инструментами в своем терапевтическом наборе.
К счастью, лечение и лекарства для конкретных пациентов становятся все более доступными. Чтобы подготовить почву для их использования, поставщики медицинских услуг теперь отслеживают результаты определенных процедур с помощью носимых датчиков и трекеров.
Затем программное обеспечение с улучшенным ИИ может анализировать закономерности результатов лечения и рекомендовать наиболее эффективные методы лечения в соответствии с данными профиля каждого пациента. Этот персонализированный подход к уходу должен привести к измеримым улучшениям результатов. В свою очередь, затраты на постлечебные осложнения должны быть значительно снижены.
ИИ интерпретирует данные пациентов для выявления и лечения хронических заболеваний
Раннее выявление хронического заболевания позволяет своевременно начать лечение и часто дает более положительный результат. Для каждого пациента получение данных об образе жизни, а также клинических данных помогает составить картину состояния здоровья пациента и факторов риска. В макромасштабе эксперты в области здравоохранения могут собирать данные о нескольких пациентах, чтобы прогнозировать возникающие проблемы со здоровьем у населения.
Однако, поскольку большая часть этой полезной информации появляется в разделе заметок электронной медицинской карты каждого пациента, она, вероятно, не анализировалась. Более подробную информацию об этом пациенте можно найти в других цифровых формах, включая социальные сети и онлайн-опросы. Ручной просмотр записей каждого пациента не является осуществимым или экономически неэффективным предложением. Объединение нескольких наборов данных также является громоздкой и трудоемкой задачей.
Вот где ИИ и машинное обучение могут изменить правила игры. Эти и другие подобные технологии могут предоставить исследователям и поставщикам медицинских услуг ряд полезных идей. В качестве бонуса технологии могут производить эту ценную информацию за долю времени, необходимого для существующих методов сбора и анализа данных.
Доктор. Лин Кавас выводит технологии и искусственный интеллект на передний план
Биотехнологический опыт доктора Лин Кавас побудил ее решительно выступать за интеграцию технологии в приложения для здравоохранения. Она также признает ключевую роль персонализированной медицины. Технологии могут привести к созданию лучших инструментов для индивидуальной и точной медицины. Это позволяет нам понять различные факторы, которые могут сделать каждого человека или пациента уникальным.
Доктор Кавас также считает, что целенаправленное использование ИИ может привести к новым методам лечения, которые помогут пациентам жить более здоровой жизнью. «Использование ИИ для целостного представления о пациентах и отдельных лицах может привести к открытию новых методов лечения или технологий, которые могут помочь людям жить здоровее и лучше», — резюмировала она. В должности доктора Кавас в Propel Bio Partners она имеет хорошие возможности для достижения этой амбициозной цели.
Эта история первоначально появилась на: https://www.tmcnet.com/topics/articles/2023/03/21/455347-biotech-innovator-leen-kawas-how-biomarkers-integrate-with.htm
