Certis 종양학 솔루션이끈 피터 엘만사장 겸 CEO는 정밀 종양학의 약속을 실현하는 데 전념하는 생명 과학 기술 회사입니다. 이 회사의 제품은 고급 암 모델에서 파생된 고도로 예측 가능한 치료 반응 데이터인 Oncology Intelligence®입니다. Certis는 정밀 종양학에 대한 접근성을 확대하고 전임상 연구와 임상 시험 간의 중요한 번역 격차를 해결하기 위해 의사-과학자 및 업계 연구원과 협력하고 있습니다.
CertisOI Assistant가 다루고 있는 종양학 연구의 더 광범위한 문제를 설명할 수 있습니까?
종양학 연구 약물 후보의 실패율이 높습니다. 그것은 최근 보고된 2023년에는 종양학 프로그램의 90%가 결국 실패했습니다. 2022년까지 96% 안팎을 맴돌던 과거 추세에 비하면 괄목할 만한 수치다. 신약 개발 비용을 고려하면 90% 실패율은 지속하기 어렵다. 성공률이 50%라도 되면 환자가 어떤 혜택을 받을지 상상해 보십시오.
CertisOI 어시스턴트 이 실패율에 기여하는 두 가지 중요한 문제를 즉시 해결합니다.
- 개선된 전임상 모델 선택: 많은 화합물이 전임상 연구에서 유망한 결과를 보였지만 인간에게는 충분한 치료 효과를 입증하지 못했습니다. 과학계의 대부분의 구성원은 전임상 모델을 문제의 일부로 지적합니다. 올바른 유전자 발현 시그니처가 있는 전임상 모델을 선택하고(그리고 중추적 연구를 위해 동소 이식을 사용) 임상으로의 “변환”을 향상시킬 수 있습니다.
- 이전에는 더 나은 바이오마커 식별이 이루어졌습니다. 치료 반응을 정확하게 예측하지 못하는 바이오마커에 의존하면 임상 시험이 실패할 수 있습니다. CertisOI Assistant는 특허 출원 중인 예측 AI/ML 플랫폼인 CertisAI와 통합되어 약물 개발 프로세스 초기에 예측 바이오마커를 식별할 수 있습니다.
CertisOI Assistant는 AI를 어떻게 사용하여 종양학 데이터에 대한 액세스를 향상시키며, 현장의 다른 AI 도구와 차별화되는 점은 무엇입니까?
CertisOI Assistant는 사용하기 쉬운 자연어 인터페이스를 통해 고급 데이터 분석 및 예측 모델링 기능을 제공합니다. 여러 가지 면에서 두드러집니다.
- 포괄적인 데이터세트 통합: 보조자는 환자 정보, 종양 특성, 유전적 프로필, 약물 반응 예측을 포함한 광범위한 종양학 데이터를 통합합니다. 이러한 전체적인 접근 방식을 사용하면 격리된 데이터 유형에 초점을 맞춘 도구보다 더 포괄적인 분석이 가능합니다.
- AI 기반 예측: 보조자는 AI 알고리즘을 사용하여 약물 반응과 내성을 예측하고 특정 암 모델에 어떤 치료법이 효과적일지에 대한 통찰력을 제공합니다. 이러한 예측 기능은 맞춤형 의학에 매우 중요하며 과거 데이터에만 의존하는 도구와 차별화됩니다.
- 사용자 친화적인 인터페이스: 복잡한 데이터 세트를 쿼리하고 분석하기 위한 직관적인 인터페이스를 제공함으로써 연구원이 고급 기술 없이도 종양학 데이터에 더 쉽게 접근하고 해석할 수 있도록 해줍니다.
- 전임상 모델에 중점: 조수는 전임상 종양학 연구, 특히 PDX 및 세포주 모델을 전문으로 하며 초기 단계 약물 개발 및 종양 생물학에 대한 고유한 통찰력을 제공합니다.
- 대화형 시각화: 어시스턴트는 약리학, 종양 성장 연구 등의 대화형 시각화를 지원하여 연구자가 데이터를 더욱 매력적이고 유익하게 탐색할 수 있도록 해줍니다.
이 도구는 특히 약물 민감도 또는 게놈 데이터를 연구하는 연구자를 위해 복잡한 데이터를 실행 가능한 통찰력으로 어떻게 변환합니까?
CertisOI Assistant는 구조화된 워크플로를 활용하여 원시 데이터를 의미 있는 통찰력으로 변환합니다. 여기에는 포괄적인 종양학 데이터 세트를 쿼리하고, 데이터를 분석하고, 결과를 명확하고 해석 가능한 형식으로 제시하는 작업이 포함됩니다. 작동 방식은 다음과 같습니다.
- 데이터 쿼리: CertisOI Assistant는 환자 데이터, 종양 특성, 게놈 데이터 및 약물 반응 예측을 포함하여 종양학 모델에 대한 자세한 정보가 포함된 관계형 데이터베이스에 액세스할 수 있습니다. SQL과 유사한 쿼리를 사용하여 연구원의 특정 요구에 따라 관련 데이터를 추출합니다.
- 데이터 분석: 데이터가 검색되면 CertisOI Assistant는 일반적인 돌연변이 식별, 유전자 발현과 약물 민감도의 상관관계, 약리학 연구 결과 평가 등 다양한 분석을 수행할 수 있습니다. 또한 데이터의 순위를 매기고 필터링하여 가장 중요한 결과를 강조할 수도 있습니다.
- 심상: 보조자는 데이터를 표 형식으로 표시하고, 약리학 및 종양 성장 연구를 위한 대화형 차트를 생성하고, 조직학 이미지를 표시할 수 있습니다. 이 시각화는 연구자가 복잡한 데이터 패턴과 관계를 빠르게 파악하는 데 도움이 됩니다.
- 해석과 통찰: CertisOI Assistant는 약물 민감성 또는 내성에 대한 예측을 포함하여 데이터에 대한 명확한 해석을 제공함으로써 연구자가 잠재적인 치료 전략이나 추가 실험 방향에 대해 정보에 입각한 결정을 내릴 수 있도록 도와줍니다.
- 맞춤화 및 유연성: 연구자는 특정 암 유형, 유전적 표지 또는 치료 반응에 초점을 맞춰 쿼리를 맞춤화할 수 있으므로 연구 목표에 부합하는 고도로 맞춤화된 분석이 가능합니다.
CertisOI Assistant는 암 모델 선택, 바이오마커 전략 설계 또는 in silico 검증 수행에 대한 연구자의 능력을 어떻게 향상합니까?
저는 이 인터뷰를 시작할 때 처음 두 가지 영역, 즉 암 모델 섹션과 바이오마커 전략 설계를 다루었으므로 인실리코 검증 수행에 중점을 둘 것입니다. CertisOI Assistant는 즉각적인 실험실 실험 없이 약물 효능, 표적 참여 및 바이오마커 발견과 관련된 가설을 테스트하고 검증할 수 있는 가상 환경을 제공합니다. 이를 통해 그들은 가설을 신속하게 개선하고 가장 유망한 방법에 실험적 노력을 집중할 수 있습니다.
다음은 몇 가지 예입니다.
- 약물 반응 예측: 약물 반응 및 내성에 대한 AI 기반 예측을 사용하여 다양한 모델이 특정 약물에 어떻게 반응할 가능성이 있는지 평가합니다. 이는 시험관 내 또는 생체 내 연구로 이동하기 전에 in silico에서 약물의 잠재적 효능을 검증하는 데 도움이 될 수 있습니다.
- 게놈 및 분자 프로파일링: 돌연변이, 유전자 발현, 복제수 변이 등의 게놈 데이터를 분석하여 잠재적인 표적을 식별하고 약물 작용 메커니즘과의 관련성을 검증합니다. 이는 약물 민감성 또는 내성의 분자적 기초를 이해하는 데 도움이 될 수 있습니다.
- 바이오마커 발굴: 분자적 특성과 약물 반응 예측을 연관시켜 잠재적인 예측 바이오마커를 식별합니다. 이는 특정 치료법의 혜택을 받을 가능성이 더 높은 환자 모집단을 선택하는 데 도움이 될 수 있습니다.
- 병용요법 탐색: 약물 시너지 예측을 탐색하여 치료 결과를 향상시킬 수 있는 유망한 약물 조합을 식별합니다. 이는 실험적으로 추가로 검증될 수 있는 잠재적인 조합 전략에 대한 통찰력을 제공할 수 있습니다.
- 조직학적 분석: 조직학 이미지를 사용하여 종양 조직에 대한 약물의 형태학적 효과를 검증하고, 약물의 작용 메커니즘과 잠재적 효능에 대한 추가 증거를 제공합니다.
- 모델 간 비교: 다양한 모델을 비교하여 다양한 유전적 배경이 약물 반응에 어떻게 영향을 미치는지 이해하고, silico에서 특정 유전자 또는 경로의 역할에 대한 가설을 검증하는 데 도움을 줍니다.
- 가상 상영: 추가 실험 검증을 위한 후보의 우선순위를 지정하기 위해 광범위한 모델에 대해 약물의 가상 스크리닝을 수행합니다.
연구자들이 워크플로우를 개선하거나 획기적인 성과를 달성하기 위해 이 도구를 어떻게 사용할 것으로 예상되는지에 대한 예를 공유할 수 있습니까?
가장 간단한 예는 전임상 모델 선택입니다. 모든 전임상 연구는 종양 모델 선택으로 시작됩니다. CertisOI Assistant는 이 프로세스에서 수동 작업을 수행하고 특정 연구에 대한 최적의 모델을 선택하는 데 매우 정밀한 기능을 제공합니다.
또 다른 하나는 바이오마커 전략을 개발하는 것입니다. 전통적인 접근 방식은 어떤 바이오마커 또는 바이오마커가 약물의 작용 메커니즘과 연관될 수 있는지 가설을 세운 다음 일반적으로 반복 과정인 전임상 연구에서 이러한 가설을 테스트하는 것입니다. 전임상 데이터가 유망하다면 연구자는 인간 임상 시험에서 예측 바이오마커를 검증해야 하며 논의한 대로 실패율이 높습니다.
CertisOI Assistant는 연구자들이 개발 프로세스 초기에 기존 워크플로보다 반복 횟수를 줄여 보다 정확하고 예측 가능한 유전자 발현 바이오마커를 식별하고 검증할 수 있도록 지원하여 시간과 비용을 절약하고 상업적 성공 가능성을 높입니다.
이 도구는 어떤 종류의 암 모델 또는 데이터 세트를 지원하며 이러한 폭이 연구 커뮤니티에 어떤 이점을 제공합니까?
CertisOI의 최신 버전을 통해 연구자들은 빠르게 확장되고 있는 Certis의 PDX 및 PDX 유래 종양 모델 라이브러리와 전체 CCLE(암 세포주 백과사전) 모델에 액세스할 수 있습니다. 또한 플랫폼의 알고리즘은 GDSC(Genomics of Drug Sensitivity in Cancer), ICGC(International Cancer Genome Consortium), CI ALMANAC, O’Neil 및 기타 데이터 세트의 데이터를 활용합니다. 데이터 통합에 대한 이러한 전체적인 접근 방식을 사용하면 격리된 데이터 유형에 초점을 맞춘 도구보다 더 포괄적인 분석이 가능합니다.
CertisOI Assistant는 사용자 친화적으로 설계되었습니다. 광범위한 기술 전문 지식을 갖고 있지 않은 연구자가 액세스할 수 있도록 어떻게 보장합니까?
여러 기능을 통해 모든 수준의 연구자가 CertisOI Assistant에 액세스할 수 있습니다.
- 직관적인 인터페이스: 인터페이스는 직관적이고 쉽게 탐색할 수 있도록 설계되어 사용자가 기본 기술 세부 사항을 이해할 필요 없이 복잡한 쿼리와 분석을 수행할 수 있습니다.
- 안내된 워크플로: 도우미는 약물 반응 예측 쿼리, 게놈 데이터 분석, 약리학 연구 탐색과 같은 일반적인 연구 작업에 대한 안내 워크플로를 제공합니다. 이를 통해 사용자는 기술적 복잡성에 얽매이지 않고 연구 질문에 집중할 수 있습니다.
- 자연어 처리: 사용자는 자연어 쿼리를 사용하여 어시스턴트와 상호 작용할 수 있으므로 기술적인 전문 지식이 없는 사람들도 필요한 정보에 더 쉽게 접근할 수 있습니다. 도우미는 쿼리를 해석하고 이를 적절한 데이터베이스 쿼리로 변환합니다.
- 포괄적인 문서: 자세한 문서와 튜토리얼은 사용자가 어시스턴트를 효과적으로 사용하는 방법을 이해하는 데 도움이 됩니다. 여기에는 단계별 가이드, 예제 및 주요 개념에 대한 설명이 포함됩니다.
- 대화형 시각화: 이 도우미는 차트, 조직학 이미지 등 데이터 분석을 위한 대화형 시각화를 제공하므로 사용자는 코드를 작성할 필요 없이 시각적으로 데이터를 탐색하고 해석할 수 있습니다.
- 반응형 지원: 사용자는 질문이나 문제가 있는 경우 응답 지원에 액세스하여 도움을 받을 수 있습니다. 이를 통해 그들은 신속하게 도움을 받고 불필요한 지연 없이 연구를 계속할 수 있습니다.
- 사용자 정의 가능한 쿼리: 보조자는 기본 워크플로를 제공하는 동시에 사용자 정의도 가능하므로 사용자는 깊은 기술 지식 없이도 특정 연구 요구 사항에 맞게 쿼리를 맞춤화할 수 있습니다.
협업은 연구의 핵심 요소입니다. CertisOI Assistant는 연구원이나 기관 간의 팀워크를 어떻게 촉진합니까?
CertisOI Assistant를 사용하면 다양한 팀이나 기관의 연구자들이 동일한 데이터세트와 도구에 액세스하여 공유 프로젝트나 연구 질문에 대해 공동으로 작업할 수 있습니다. 또한 이 플랫폼을 사용하면 팀 구성원 간에 데이터 쿼리, 결과 및 통찰력을 쉽게 다운로드하고 공유할 수 있으므로 프로젝트에 참여하는 모든 사람이 효과적으로 기여할 수 있습니다.
암 연구에서 AI 채택을 확대하는 데 있어 가장 큰 과제는 무엇이며 어떻게 해결할 수 있습니까?
중요한 과제에는 데이터 보안, 데이터 통합, AI 기반 결과 예측에 대한 신뢰가 포함됩니다. 저는 데이터 보안이나 데이터 통합 전문가는 아니지만 이러한 문제를 해결하기 위해 훌륭한 인재들이 노력하고 있습니다. tr에 관해서 AI가 생성한 예측을 사용하려면 이러한 예측을 검증할 효율적이고 신뢰할 수 있는 방법이 필요합니다.
Certis는 이에 대해 내부 교차 검증 연구를 통한 in silico 검증, 그리고 in vivo 검증이라는 두 가지 접근 방식을 취했습니다. 즉, 플랫폼 예측의 정확성을 평가하기 위해 임상적으로 관련된 마우스 모델에서 연구를 수행하는 것입니다. 시간이 지남에 따라 이러한 도구는 인간 환자에게도 임상적으로 검증될 것입니다. 그러나 물론 그러기 위해서는 현재의 암 치료 패러다임을 바꾸려는 의지뿐만 아니라 많은 시간과 비용이 필요할 것입니다. 의료 및 규제 커뮤니티는 일이 항상 수행된 방식에 의존하는 것을 멈추고 결정을 알리기 위해 컴퓨터 분석의 힘을 수용해야 합니다.
암 치료 및 정밀 의학의 미래를 형성하는 CertisOI Assistant와 같은 도구를 어떻게 구상하십니까?
현대 의학은 아직 환자에게 이상적인 치료법을 제시할 수 있는 좋은 방법을 갖고 있지 않습니다. 전반적인, 암 환자의 10%만이 임상적 이점을 경험합니다. 종양 DNA 돌연변이와 일치하는 치료법을 통해. 이는 환자의 건강을 해칠 뿐만 아니라 재정적으로도 해를 끼칩니다. 약 25억 달러 —B를 사용하면 —효과 없는 치료법에 낭비됩니다. 매우 안타까운 사실은 암 환자의 42% 진단 후 2년이 되면 자산이 완전히 고갈됩니다.
CertisOI Assistant와 같은 도구 및 CertisAI 사람들에게 매번 처음으로 독특한 형태의 암에 대한 최적의 치료법을 제공하는 정밀 의학의 가능성을 실현하는 데 도움이 될 것입니다. 그리고 보다 효과적이고 개인화된 치료에 대한 접근을 민주화합니다.
훌륭한 인터뷰에 감사드립니다. 더 자세히 알고 싶은 독자들은 방문하시기 바랍니다. Certis 종양학 솔루션.
게시물 Peter Ellman, Certis Oncology Solutions의 사장 겸 CEO – 인터뷰 시리즈 처음 등장한 Unite.AI.
