🔬 Training Transformers to solve 95% failure rate of Cancer Trials — Ron Alfa & Daniel Bear, Noetik

🔬 Обучаем трансформеры, чтобы решить проблему 95%-го провала онкологических клинических испытаний — Ron Alfa и Daniel Bear, Noetik

Сегодня мы объясняем этот «кликбейт» от нашего гостя!

TL;DR: 95% методов лечения рака не проходят клинические испытания, но, возможно, это проблема сопоставления — если бы мы лучше понимали, у каких пациентов какие опухоли и какие из них откликнутся на какое лечение, показатели успеха резко выросли бы и можно было бы спасти миллионы жизней — теми методами лечения, которые у нас УЖЕ есть.

Смотрите наш полный выпуск, который выходит сегодня:

Почему Big Pharma лицензирует AI-модели

Толстой, как известно, писал: «Все здоровые клетки похожи друг на друга; каждая раковая клетка несчастна по-своему». Ну, или что-то в этом роде. Рак — пожалуй, самая неправильно понимаемая болезнь на свете. Это не одна болезнь, а целое семейство болезней. Сотни, а может, и тысячи уникальных заболеваний, у каждого из которых своя биология. С этой точки зрения сказать, что вы «вылечите рак», — всё равно что сказать, что вы «решите лего».

Мы постоянно слышим, что AI вылечит рак, но, к сожалению, всё может быть не так просто. Сегодняшние гости — Ron Alfa и Daniel Bear из Noetik — считают, что могут использовать AI, чтобы преодолеть ключевое узкое место в процессе разработки лечения.

GSK недавно подписала сделку на $50 млн на их технологию, которая также включает (нераскрытые) долгосрочные лицензионные соглашения на модели Noetik, такие как недавно представленная TARIO-2 — авторегрессионный трансформер, обученный на одном из крупнейших в мире наборов данных пространственной транскриптомики опухолей. Полноплексная пространственная транскриптомика — самый богатый способ «прочитать» опухоль, и примерно ~0% онкологических пациентов, проходящих стандартное лечение, когда-либо получают её — а TARIO-2 теперь может предсказать пространственную карту примерно из ~19 000 генов на основе H&E-анализа, который уже есть у каждого пациента.

Большинство крупных AI-проектов в биотехе сосредоточены на поиске (discovery) и обычно выливаются в собственную разработку препаратов (то есть компании-инструменты обычно превращаются в фармкомпании). Эта сделка выделяется тем, что это сделка по лицензированию ПО и представляет собой ставку на платформу, а не на препарат.

На фоне внимания к другим программным инструментам для разработки лекарств (см., например, выпуск про Boltz и Isomorphic) начинает казаться, что аппетит фармы к биотех-инструментам наконец-то начал расти. Почему вдруг такой интерес?

Рак — это сложно

Биология — это сложно, рак — ещё сложнее. Но, несмотря на это, мы добились невероятного прогресса. Множество видов рака, которые двадцать лет назад были смертным приговором, теперь рутинно излечимы. Раньше нашей основной стратегией была просто химиотерапия — отравить вас и надеяться, что опухоль умрёт раньше, чем вы. Теперь есть множество методов лечения, которые действительно убивают опухоль, оставляя остальной организм целым! Ингибиторы иммунных контрольных точек, такие как Keytruda и Opdivo, нацелены на защитные механизмы десятков типов опухолей. CAR-T-терапия добавляет в вашу кровь модифицированные T-клетки, которые могут очень точно поражать B-клеточные злокачественные опухоли. Конъюгаты антитело-лекарство, такие как Trastuzumab, объединяют препарат с антителом, что позволяет ему нацеливаться на очень специфические (раковые) клетки. Мы воистину живём в удивительные времена.

Тем не менее, нам ещё предстоит долгий путь. На каждый вид рака с чудо-лечением приходится множество тех, что по-прежнему остаются смертным приговором. Мир тратит $20-30 млрд в год, пытаясь вылечить рак, проводя ежегодно сотни клинических испытаний. И всё же прогресс медленный, с 95%-м уровнем провала клинических испытаний.

Лаборатория не переносится в клинику

Может, мы что-то упускаем? На сцену выходят Noetik и Ron Alfa. Основной тезис Рона в том, что многие из этих «провальных» методов лечения на самом деле работают! Просто мы смотрим не на тех пациентов и не на те опухоли. Если бы у нас был способ действительно понять уникальные типы раковых биологий и то, какие пациенты откликнутся на какое лечение, мы могли бы показать гораздо более высокий уровень успеха. На кону могут стоять миллионы жизней (и миллиарды долларов).

Сложная часть: слепая вера в сбор данных

У Рона и Noetik хватило убеждённости, чтобы потратить почти два года только на сбор данных. Много, много, очень много данных. Noetik приобрела тысячи настоящих человеческих опухолей и собирает большой мультимодальный набор данных1 из сотен миллионов изображений, что позволяет им создать детальную карту клеточного состава локального окружения.2 Это настоящие человеческие опухоли, а не франкенштейновские мышиные модели или бессмертные клеточные линии.

Затем эти данные подаются в массивную самообучающуюся (self-supervised) модель, создавая «виртуальную клетку». Эта модель глубоко понимает биологию рака — Noetik тщательно поработала, чтобы показать, что она способна различать разные типы опухолей. Возможно, даже опухоли, которые мы раньше не выделяли как различные! Совсем недавно они придумали, как масштабировать свою модель и данные, и не видят предела в своих законах масштабирования!

Модели Noetik могут симулировать, как пациент отреагирует на экспериментальное лечение. Они работают с партнёрами, чтобы протестировать перспективные препараты, которые оказались безопасными, но неэффективными. Если эти модели сработают так, как ожидается, Noetik сможет принести пациентам новые методы лечения рака, не разрабатывая нового препарата! Их модели также будут направлять процесс поиска в сторону препаратов, которые с большей вероятностью пройдут клинические испытания. Можно понять, почему это так привлекательно для GSK.

Посмотрим…

Рон и Дэн приводят довольно убедительные аргументы в пользу того, что их модели действительно помогут в отборе когорт пациентов полезными способами, и это кажется ценным. И нам кажется довольно очевидным, что

Перенос из лаборатории в клинику — самое большое узкое место в разработке лекарств. Более качественный отбор когорт с использованием биомаркеров, вероятно, улучшит перенос из лаборатории в клинику.

У Noetik здесь уже есть определённые успехи. Посмотрим, смогут ли они превратить это в надёжное преимущество.

Если отступить немного от технологии, лечение рака — довольно однозначно положительное применение AI. И при этом это очень трудная задача. Мы предполагаем, что большинство людей либо уже столкнулись с раком, либо столкнутся в какой-то момент в скором будущем. И мы надеемся, что рассказ об удивительной работе, которую делают такие компании, как Noetik, вдохновит поколение AI-инженеров браться за самые трудные и волнующие проблемы, стоящие перед обществом.

Полный видеоподкаст:

Их набор данных по пространственной транскриптомике содержит более 1000 «каналов» — это серьёзное достижение!

Для экспертов в аудитории: четыре модальности, по которым Noetik собирает данные, — это пространственная транскриптомика, пространственная протеомика, H&E-визуализация и полноэкзомное секвенирование.

Обсуждение этого выпуска