loading...
未登录头像  

2019-05-17

New York BIO:数据缺失与文化革新束缚AI生物学家们的手脚

image001.jpg

▲(左起)Eli Lilly的Ramesh Durvasula博士; Boehringer Ingelheim医学博士Paolo Guarnieri; Flatiron Health的Sarah Kramarz; Schrodinger的Karen Akinsanya博士在14日纽约生物科技大会上讨论了采用人工智能的生物制药的挑战


导 语:

5月14日,2019年纽约生物科技大会(the 2019 Annual Meeting of NewYork BIO)在美国纽约举办。期间,生物制药行业高管小组对人工智能(AI)展开讨论并达成共识:人工智能(AI)在生物制药上的应用已经是不可挡的趋势,许多公司都已经在布局。然而,这条路并非一帆风顺,当前还需解决一系列挑战。本文我们就来看看这些挑战有哪些。

1、无法获取数据

会上,专家指出,AI的生物制药征程面临不少挑战,如行业数据缺失、数据整合难题、应对数据收集与分析的合作伙伴关系等。

这一结论与生命科学行业非营利组织——皮斯托亚联盟(Pistoia Alliance)于5月15日公布的一项调研结果不谋而合。

皮斯托亚联盟是一家全球性非营利组织,成员达150名,皆是来自阿斯利康(AstraZeneca)、葛兰素史克(GlaxoSmithKline, GSK)、诺华(Novartis)和辉瑞(Pfizer)等大型药企的高管。

近期,该联盟做了一项关于AI与生物制药的调研,调研对象是来自美国和欧洲的190名生命科学家。结果显示,尽管44%的人认为AI技术是关键,但是52%的人则坚持无法获取数据是AI和机器学习在医药领域面临的主要障碍。

2、难招募到人才

此外,高管小组普遍提到了人才招募问题,生物制药行业向人工智能和机器学习等相关技术的后起之秀敞开怀抱,以期使AI与生物制药相融。

药物研发公司Schrödinger高级副总裁兼首席生物医学家Karen Akinsanya博士指出,不少大学增设了双博士学位,增加计算机编程/计算机科学等课程,此举完善了医药研发的教育,为培养新药研发科学家提供了理论支持。

“有些人既是药物化学研究员,又兼Python程序员,他们善于在处理药物发现方面的问题时将软件与医药结合。对我们这些生物制药方面的老伙计来说,这是全新的思路。我认为,也必将是一大进步。” Akinsanya说。

1558076253741401.png



3、文化与机制挑战

礼来公司(Eli Lilly)信息研究员Ramesh Durvasula博士提到:“文化不断推陈出新,要求我们不断进行文化革新,使医药行业结构化,分析并推动医药行业向前发展。目前,整个行业还没有推出相关激励机制以鼓励科学家为了分析数据而进行数据注释与数据整理。幸好,激励机制还未建成,这样我们就可以进行文本挖掘和其他AI功能挖掘。”

“科学家做实验总是以最低标准为依据,达到最低标准,继续下一实验。所以当人们回过头来,试图把文本挖掘和图像识别等技术应用到实验室数据中,结果可想而知——一团乱麻。” Durvasula认为:“企业并未向化学家支付数据管理费,只提供了制药经费,所以不要对数据的可利用率抱有期望。”

1558076332851963.jpeg

越来越多的AI专家聚集生物制药行业,科学与数据相结合,拓展了AI在生物制药方面的应用。

勃林格殷格翰 (Boehringer-Ingelheim)是世界上最大的私有制药企业之一,致力于人类生物制药化学和动物健康产品。Boehringer Ingelheim心脏代谢疾病研究部门的首席科学家、医学博士Paolo Guarnieri补充道,计算机技术有助于推动文化变革,从而推进AI和相关技术在生物制药领域的应用与推广。

1558076425922980.jpeg


4、“他们善用本体论思考”

“年轻一代科学家人手一台电脑,”Guarnieri说,“与上一代科学家相比,他们更不善言辞,思维模式也不同。他们在用本体论思考。”

Durvasula认为,要实现文化变革,首先需要完善已有数据,其次是发展科学。“我现在已经不谈AI了。我只想研究如何组装顶级数据集,解决科学问题,加速医药流水线,这才是我现在感兴趣的方向。”

“无论是化学家、生物学家、临床医生、IT工作者、数据科学家、或者其他人,只要每一位数据集组装的参与者各司其职,那么组装顶级数据集遇到的科学问题就迎刃而解了。多种文化相碰撞,我们自然知道了如何完成数据集的组装,同时可以改进AI的应用方式。”

Flatiron Health成立于2012年,是一家医疗大数据技术公司,从多种渠道收集病患的临床记录、医生诊断记录、缴费记录、基因组等数据,旨在通过数据整合帮助医生更好的作出临床诊断,被誉为“癌症大数据独角兽”。

Flatiron Health还通过合作伙伴关系完善电子健康记录数据,其业务总监Sarah Kramarz提到,该司正在与Foundation Medicine联合开发临床基因组数据库(Clinico-Genomic Database),旨在帮助研究人员和生物制药公司加快靶向疗法的开发。

1558076489169177.jpeg

▲2018年2月,Flatiron Health被罗氏以19亿美元收购。来源:flatiron.com


Kramarz还说:“肿瘤可能与其他疾病异曲同工。肿瘤学数据中真正有研究价值的是其中的非结构化数据,即杂乱数据。为此,我们专门开发了一款从非结构化数据中提炼临床见解的程序。”

“我们充分认识到,除了电子健康记录外还有大量可用信息源,探索新的信息源对药物开发、药物发现和数据提炼见至关重要。通过与不同机构的合作伙伴关系,我们确实发现了新的信息源,并且能够将我们的数据集与其他数据集进行某种程度的链接。”

2016年,Foundation Medicine和Flatiron Health正式推出Clinico-Genomic Database,通过全面的基因组图谱分析,将Foundation Medicine的患者基因组图谱测序数据与Flatiron Health的纵向数据联系起来,后者详细介绍了临床治疗及其结果。

上个月,罗氏制药的两家子公司联合完成了有关非小细胞肺癌患者肿瘤突变特征与预后的研究项目《采用临床遗传学数据库分析非小细胞肺癌患者的人群特征、肿瘤基因组学与临床结果之间的关联》,并发表于《美国医学会杂志》(Journal of the American Medical Association),该研究证实了从常规临床护理数据中生成多机构临床基因组数据库的可行性,这是全新的临床发现,具有临床意义。

该研究的结论是,这些数据不仅可以作为推动肿瘤学研究与发现的现实证据,还可以指导临床实验。

Flatiron拥有220万份常用患者记录和完整的技术解决方案,支持其在全美280多个社区肿瘤诊所进行数据研究。但是Kramar认为Flatiron的研究面临着的一个持续性挑战,即如何确保每天要会诊几十例病患的医生有充足时间做患者记录。

5、“沾了咖啡污渍的病患记录”

Kramarz进一步剖析:“作为供应方,我们的目的是减少用户花在电子病历(EMR)上的时间;而作为科研公司,我们的目的是尽可能获取结构化数据。这两点自相矛盾。”

“我们认为目前应该把病患和临床医生放在第一位。我们努力工作,努力完成后端提出的任务。但是太难了,因为90%的数据是口述得来的。仅有的扫描文件,还有可能沾了咖啡污渍。这就是现实,因为我们的医生太忙了。

英国生物样本库(UK Biobank)是目前世界上规模最大的人类遗传队列样本库,收集了全英国约50万名年龄在40-69岁参与者的遗传和表型数据。

3月,英国生物样本库宣布,将再次与美国再生元制药(Regeneron Pharmaceuticals)、葛兰素史克(GSK)合作。该合作团队从UK Biobank选中近5万例个体样本,对39个兆碱基基因组进行了全外显子组测序(WES),其中包括19396个常染色体和82个性染色体基因。

此次实验成功地将大规模基因组分析与Biobank数据审查结合起来,旨在发现人体中罕见的、具有临床操作性的基因变异。

image012.jpg

再生元统计遗传学主任Manuel Ferreira博士说,每个病人都能生成千上万张大脑图像,AI和机器学习可以帮助研究人员整合有关大脑图像的临床数据和遗传数据。“对我来说,关键是确认当下的研究瓶颈。哪些问题可以用AI解决?我们应该务实:AI是工具。”

礼来公司信息研究员Durvasula说,一旦礼来解决其在AI应用上的瓶颈,就能够最大限度地将AI和相关技术整合到药物发现和药物开发中。

他说:“我希望,在未来十年,我们创造出的研究环境以计算为基础,以模型为主导,而不是将实验——建模无休止地循环,我们首先得弄清楚到底发生了什么。”

“不过,前提是必须有一个计算优先或模型优先的研究环境。这就需要人人各司其职、发挥优势,集各家之所长,专注共同目标、投身科学事业。”

1558076622406367.jpeg

虽然AI生物制药之路荆棘丛生,但这条路上的风景却是独特而令人憧憬的。

这一行业有哪些闪光点值得我们关注?

有哪些点可能最先获得显著进展?

除了药物发现和开发,还有哪些可能的应用方面?

中国药企有哪些先天优势,可能异军突起?


6月2日即将在费城举办的China Focus“聚焦中国”论坛,专设「AI与数字医疗分会场」,对这一热点交叉领域进行探讨和沟通。

近些年来,时不时能在行业新闻里见到人工智能技术公司与各大制药巨头合作的消息,除了上文中提到的被罗氏收购的Flatiron Health,还有很多名字时常见诸报端。

China Focus费城站邀请到AI技术公司领域的几位佼佼者,将向来自医药界和投资界的与会者分享各自的成功故事和独家见解。

xtalpi_449714_dc4231553230a63f4a25af513e6213f34989dc48.jpg

XtalPi晶泰科技


2014年创立于麻省理工学院校园的晶泰科技,是一家以计算驱动创新的药物研发科技公司,其创始团队是MIT的几位量子物理学家。核心总部位于深圳,并在北京和波士顿设有分部。公司基于最前沿的计算物理、量子化学、分子动力学、人工智能和云计算等技术,建立了其专有的智能数字化药物发现与开发(ID4)平台,为全球创新药企提供快速、精确的智能化药物研发科技,旨在显著提供药物发现与开发关键环节的效率和成功率,降低研发成本。

迄今,晶泰科技已获得腾讯、真格基金、丰瑞资本数千万元的A轮融资,去年获得来自红杉中国、谷歌、腾讯的1500万美元B轮融资。2018年5月,晶泰科技与辉瑞宣布战略合作,研发新一代人工智能药物模拟平台。

晶泰科技的首席战略官蒋一得博士,受邀参加本次论坛,将参与下午AI分会场的第一个panel,畅谈AI与药企在药物发现中的协作。蒋博士有十多年在中国药监局和国外创新药企工作、研发的经验,我们期待他的第一手经验分享。

1558076750395262.jpeg

Atomwise


这家位于硅谷的AI公司成立于2012年,是第一家将深度神经网络用于药物开发的商业化公司,其核心技术AtomNet通过强大的深度学习和超级运算,化身虚拟化学家,通过快速的分子分析来筛选潜在药物。

2015年Atomwise宣布在寻找埃博拉病毒治疗方案方面取得了显著进展,其用时一周找到了两种也许能抗击埃博拉病毒的药物,并且成本不超过1千美元,成为业界轰动一时的新闻。

Atomwise于2018年3月获得4500万美元A轮融资,孟山都增长基金领投,Y Combinator和百度等机构跟投;目前已与默克、艾伯维、拜耳等跨国大药企达成了合作伙伴关系,同时还和CRO企业、大学和科研院所形成深度合作,建立科研界的药物发现化学创业(CADDS)生态圈,帮助科研界人士更好地为临床前药物发现贡献力量。

Atomwise的商务拓展高级经理James Lee先生,也将受邀加入AI分会场的第一个圆桌讨论,期待这位有着多年咨询背景的BD对Atomwise合作策略的精彩观点。

除了AI技术公司以外,活动还邀请到诺华、强生、MedImmune(现属阿斯利康)等大型制药企业,受邀讲者均是其智能创新和数字医疗领域的负责人和技术领头人;另外,专注AI领域的咨询机构、培育AI技术的创新中心,从不同角度对这个行业热点各抒己见,相信一定会迸发出智慧的火花!

还等什么?快来点击注册吧,我们费城见!

时间:美国东部时间6月2日 8:00-17:00

地点:Loews Philadelphia Hotel

地址:1200 Market Street, Philadelphia, USA


❖ 参会注册与咨询

请识别下方二维码,报名参加“聚焦中国”论坛费城站(China Focus @ Philadelphia)。



❖ 如果您对会议有疑问,请联系:

戴有文|15151852853(同WeChat)| youwen.dai@mybiogate.com


参考资料:NewYorkBIO,GEN


你所访问的内容不存在!

著作权归美柏医健所有。转载请联系美柏医健(微信公众号:mybio1)获得授权,并附上出处(美柏医健)和原文链接 https://www.mybiogate.com/article/321。
AI 人工智能

作者头像

+ 关注

打赏 打赏作者

评论:0

hi,

提交评论

暂时还没有评论哦~~~
鼓掌
24
收藏
微博
微信

作者头像

+ 关注

[Ta的贡献]

查看更多 >

投资人交流群

限量名额,微信扫码申请

二维码
微信群 ① : 投 资 人 群
 微信群 ② : 路演交流群
微信群 ③ : 医健研究群
top 回到顶部