Karas Ukrainoje
2020 m. Inžinerijos mokykla ir „Takeda“ farmacijos įmonė pradėjo MIT-Takeda programą, kurios tikslas – panaudoti abiejų subjektų patirtį sprendžiant problemas sveikatos priežiūros, medicinos ir dirbtinio intelekto sankirtoje. Nuo programos pradžios komandos sukūrė mechanizmus, skirtus tam tikrų farmacijos produktų gamybos laikui sutrumpinti, pateikė patento paraišką ir pakankamai supaprastino literatūros apžvalgas, kad sutaupytų aštuonis mėnesius laiko ir išlaidų.
Dabar programa tęsiasi jau ketvirtus metus ir remia 10 komandų antrajame projektų etape. Programai atrinkti projektai apima visą biofarmacijos pramonę – nuo vaistų kūrimo iki komercinės ir gamybos.
„Antrojo finansavimo etapo mokslinių tyrimų projektai gali sukelti transformuojančių proveržių sveikatos priežiūros srityje“, – sako Anantha Chandrakasan, Inžinerijos mokyklos dekanė ir MIT-Takeda programos pirmininkė. „Šios tarpdisciplininės komandos stengiasi pagerinti pacientų gyvenimą ir rezultatus visur.
Programa buvo sukurta siekiant sujungti Takeda patirtį biofarmacijos pramonėje su gilia MIT patirtimi dirbtinio intelekto ir mašininio mokymosi (ML) tyrimų avangarde.
„Programos tikslas – pasinaudoti MIT patirtimi, kuri yra naujovių dirbtinio intelekto erdvėje pakraštyje, ir suderinti tai su problemomis ir iššūkiais, kuriuos matome narkotikų tyrimų ir plėtros srityje“, – sako Simonas Daviesas, vykdomasis direktorius. MIT-Takeda programos direktorius ir Takeda pasaulinis statistikos ir kiekybinių mokslų vadovas. Daviesas priduria, kad šio bendradarbiavimo grožis yra tas, kad Takeda leido svarbias problemas ir duomenis perduoti MIT tyrėjams, kurių pažangus modeliavimas ar metodika galėtų padėti jas išspręsti.
1-ajame programos etape vienas projektas, kuriam vadovavo MIT ir Takeda mokslininkai ir inžinieriai, tyrė su kalba susijusius biomarkerius frontotemporalinei demencijai. Jie naudojo mašininį mokymąsi ir AI, kad nustatytų galimus ligos požymius, remdamiesi vien paciento kalba.
Anksčiau norint nustatyti šiuos biologinius žymenis reikėjo daugiau invazinių procedūrų, tokių kaip magnetinio rezonanso tomografija. Kita vertus, kalba yra pigi ir lengvai renkama. Per pirmuosius dvejus tyrimo metus komanda, kurią sudarė MIT kompiuterių mokslo ir dirbtinio intelekto laboratorijos vyresnysis mokslo darbuotojas Jimas Glassas ir Takeda statistikos direktorius Brianas Tracey, sugebėjo parodyti, kad yra potencialus balsas. signalas žmonėms, sergantiems frontotemporaline demencija.
„Mums tai labai svarbu, nes prieš pradėdami bet kokį bandymą turime išsiaiškinti, kaip iš tikrųjų galime išmatuoti ligą populiacijoje, į kurią taikome“, – sako Marco Vilela, „Takeda“ statistikos ir kiekybinių mokslų direktoriaus pavaduotojas. projektas. „Norėtume ne tik atskirti subjektus, kurie serga šia liga, nuo žmonių, kurie neserga šia liga, bet ir stebėti ligos progresavimą remiantis vien asmenų balsu.
Grupė dabar plečia savo tyrimų apimtį ir remiasi savo darbu pirmajame programos etape, kad patektų į 2 etapą, kuriame yra 10 naujų projektų ir du tęsiami projektai. 2 ture biomarkerių grupės biologinių žymenų tyrimai išplės kalbos analizę, įtraukdami į įvairesnes ligas, tokias kaip amiotrofinė šoninė sklerozė arba ALS. Vilela ir Glassas vadovauja komandai antrajame ture.
Programoje dalyvaujantys asmenys, tokie kaip Glass ir Vilela, teigia, kad bendradarbiavimas buvo abipusiai naudingas. Takeda, pasaulinė farmacijos įmonė, įsikūrusi Japonijoje, turinti laboratorijas Kembridže, Masačusetso valstijoje, turi prieigą prie duomenų ir mokslininkų, kurie specializuojasi daugelio ligų, pacientų diagnozių ir gydymo srityse. MIT pritraukia pasaulinio lygio mokslininkus ir inžinierius, studijuojančius AI ir ML įvairiose srityse.
Fakultetai iš viso MIT, įskaitant Biologijos, Smegenų ir pažinimo mokslų, Chemijos inžinerijos, Elektros inžinerijos ir kompiuterių mokslo, Mechanikos inžinerijos katedras, taip pat Medicinos inžinerijos ir mokslo institutą bei MIT Sloan vadybos mokyklą, dirba programos mokslinių tyrimų projektus. Programa sujungia šiuos mokslininkus ir jų įgūdžių rinkinius į tą pačią komandą, siekdama bendro tikslo padėti pacientams.
„Tai yra geriausias bendradarbiavimas, nes iš tikrųjų abiejų pusių mokslininkai aktyviai dirbtų kartu spręsdami bendrą problemą, bendrą duomenų rinkinį, bendrus modelius“, – sako Glassas. „Aš linkęs manyti, kad kuo daugiau žmonių galvoja apie problemą, tuo geriau.”
Nors kalba yra gana paprasta rinkti duomenis, didelius, analizuojamus duomenų rinkinius ne visada lengva rasti. Takeda padėjo Glasso projektui 1-ajame programos etape, suteikdama tyrėjams prieigą prie įvairesnių duomenų rinkinių, nei jie būtų galėję gauti kitu atveju.
„Mūsų darbas su Takeda neabejotinai suteikė mums daugiau prieigos nei turėtume, jei tik bandytume rasti viešai prieinamus su sveikata susijusių duomenų rinkinius. Jų nėra daug“, – sako R’mani Symon Haulcy, MIT elektrotechnikos ir informatikos mokslų daktaras ir Takeda narys, dirbantis su projektu.
Tuo tarpu MIT tyrėjai padėjo Takeda, suteikdami patirties kuriant pažangius modeliavimo įrankius dideliems, sudėtingiems duomenims.
„Verslo problema, su kuria susidūrėme, reikalauja keleto tikrai sudėtingų ir pažangių modeliavimo metodų, kuriuos „Takeda“ įmonėje nebūtinai turėjome sukurti“, – sako Daviesas. „MIT ir programa pateikė tai prie stalo, kad galėtume sukurti algoritminius metodus sudėtingoms problemoms spręsti.”
Galiausiai programa, pasak Davieso, buvo šviečiamoji abiem pusėms – suteikė Takeda dalyviams žinių apie tai, kiek dirbtinis intelektas gali nuveikti pramonėje, ir MIT tyrėjams pažvelgti į tai, kaip pramonė kuria ir komercializuoja naujus vaistus, taip pat kaip atliekami akademiniai tyrimai. gali sukelti labai realias problemas, susijusias su žmonių sveikata.
„Prasminga AI ir ML pažanga biofarmacijos srityse buvo gana lėta. Tačiau manau, kad MIT-Takeda programa tikrai parodė, kad mes ir pramonė galime sėkmingai dirbti erdvėje ir optimizuoti sėkmės tikimybę, kad vaistai pacientams būtų pristatyti greičiau ir tai būtų daroma efektyviau“, – sako Daviesas. „Esame tik ledkalnio viršūnėje, kalbant apie tai, ką visi galime padaryti naudodami AI ir ML plačiau. Manau, kad tai yra nepaprastai jaudinanti vieta mums būti… kad tai būtų daug organiškesnė dalis to, ką kasdien darome visoje pramonėje, kad pacientai būtų naudingi.
