En 2020, le College of Engineering et Takeda Pharmaceuticals ont lancé le programme MIT-Takeda, qui vise à tirer parti de l’expertise des deux entités pour résoudre des problèmes à l’intersection des soins de santé, de la médecine et de l’intelligence artificielle. Depuis le début du programme, les équipes ont conçu des mécanismes pour réduire le temps de fabrication de certains produits pharmaceutiques, déposé une demande de brevet et rationalisé suffisamment les revues de littérature pour économiser huit mois de temps et d’argent.
Maintenant, le programme entre dans sa quatrième année, soutenant 10 équipes dans sa deuxième série de projets. Les projets sélectionnés pour le programme couvrent l’ensemble de l’industrie biopharmaceutique, du développement de médicaments à la commercialisation et à la fabrication.
« Les projets de recherche de cette deuxième ronde de financement ont le potentiel de mener à des percées transformatrices dans les soins de santé », déclare Anantha Chandrakasan, doyenne du College of Engineering et coprésidente du programme MIT-Takeda. “Ces équipes multidisciplinaires améliorent la vie et les résultats des patients du monde entier.”
Le programme a été formé pour combiner l’expertise de Takeda dans l’industrie biopharmaceutique avec l’expertise approfondie du MIT à la pointe de la recherche sur l’intelligence artificielle et l’apprentissage automatique (ML).
a déclaré Simon Davis, directeur exécutif du programme MIT-Takeda et responsable mondial des sciences statistiques et quantitatives chez Takeda. La beauté de cette collaboration, ajoute Davis, est qu’elle a permis à Takeda de transmettre des problèmes et des données importants aux chercheurs du MIT, qui pourraient les aider à les résoudre avec une modélisation ou une méthodologie avancée.
Au premier tour du programme, un projet dirigé par des scientifiques et des ingénieurs du MIT a examiné les biomarqueurs liés à la parole de la démence frontotemporale. Ils ont utilisé l’apprentissage automatique et l’intelligence artificielle pour trouver d’éventuels signes de maladie en se basant uniquement sur les mots du patient.
Auparavant, l’identification de ces biomarqueurs nécessitait des procédures plus invasives, telles que l’imagerie par résonance magnétique. D’un autre côté, le discours est bon marché et facile à collecter. Au cours des deux premières années de leurs recherches, l’équipe, qui comprenait Jim Glass, chercheur principal au Laboratoire d’informatique et d’intelligence artificielle du MIT, et Brian Tracy, directeur des statistiques chez Takeda, a pu montrer qu’il y avait une voix potentielle. Indication pour les personnes atteintes de démence frontotemporale.
“C’est très important pour nous car avant de lancer un essai, nous devons savoir comment nous pouvons réellement mesurer la maladie parmi la population que nous ciblons”, déclare Marco Villella, directeur associé des sciences statistiques quantitatives chez Takeda, qui travaille sur le projet. “Non seulement nous voulons distinguer les personnes atteintes de la maladie de celles qui ne l’ont pas, mais nous voulons également suivre la progression de la maladie en nous basant uniquement sur les votes des individus.”
Le groupe élargit maintenant ses recherches et s’appuie sur ses travaux du premier tour du programme pour entrer dans le second tour, qui comprend un total de 10 nouveaux projets et deux projets en cours. Dans un deuxième tour, la recherche du groupe sur les biomarqueurs étendra l’analyse de la parole à une variété de maladies, telles que la sclérose latérale amyotrophique ou la SLA. Vilela et Glass mènent l’équipe lors de sa deuxième sortie.
Les participants au programme, tels que Glass et Vilela, affirment que la collaboration a été mutuellement bénéfique. Takeda, une société pharmaceutique mondiale basée au Japon avec des laboratoires à Cambridge, Massachusetts, a accès à des données et à des scientifiques qui se spécialisent dans de nombreuses maladies et diagnostiquent et traitent les patients. Le MIT rassemble des scientifiques et des ingénieurs de classe mondiale qui étudient l’intelligence artificielle et l’apprentissage automatique dans divers domaines.
Des professeurs de tout le MIT, y compris les départements de biologie, de sciences cérébrales et cognitives, de génie chimique, de génie électrique et d’informatique, et de génie mécanique, ainsi que l’Institut de génie et de sciences biomédicaux et la MIT Sloan School of Management, travaillent sur projets de recherche pour le programme. Le programme met ces chercheurs – et leurs compétences – dans la même équipe, pour travailler vers un objectif commun d’aider les patients.
“C’est le meilleur type de collaboration”, déclare Glass, “pour les chercheurs des deux côtés qui travaillent activement ensemble sur un problème commun, un ensemble de données commun et des modèles communs”. “J’ai tendance à penser que plus les gens réfléchissent au problème, mieux c’est.”
Bien que la parole soit une donnée relativement simple à collecter, il n’est pas toujours facile de trouver des ensembles de données volumineux et susceptibles d’être analysés. Takeda a aidé le projet Glass au cours de la première phase du programme en donnant aux chercheurs l’accès à un plus large éventail d’ensembles de données qu’ils n’auraient pu obtenir autrement.
“Notre travail avec Takeda nous a certainement donné plus d’accès que nous n’en aurions eu si nous essayions simplement de trouver des ensembles de données liés à la santé accessibles au public. Romani Simon-Hulsey, doctorante au MIT en génie électrique et informatique et une collègue de travail de Takeda sur le projet, dit “Il n’y en a pas beaucoup.”
Pendant ce temps, les chercheurs du MIT ont aidé Takeda en apportant leur expertise pour développer des outils de modélisation avancés pour des données volumineuses et complexes.
“Le problème commercial que nous avions nécessitait des techniques de modélisation avancées très sophistiquées, que nous n’avions pas nécessairement au sein de Takeda l’expertise nécessaire pour créer”, déclare Davies. “Le MIT et le programme ont apporté cela à la table, pour nous permettre de développer des approches informatiques pour des problèmes complexes.”
En fin de compte, le programme, dit Davies, était éducatif des deux côtés – fournissant aux participants de Takeda des connaissances sur ce que l’IA peut accomplir dans l’industrie et fournissant aux chercheurs du MIT un aperçu de la façon dont l’industrie développe et commercialise de nouveaux médicaments, ainsi que la façon de rechercher. se traduire par de véritables problèmes liés à la santé humaine.
“Les progrès significatifs de l’IA et de l’apprentissage automatique dans les applications biopharmaceutiques ont été relativement lents. Mais je pense que le programme MIT-Takeda a vraiment montré que nous et l’industrie pouvons réussir dans l’espace et améliorer les chances de succès en fournissant des médicaments aux patients plus rapidement et en le faisant.” plus efficacement”, dit-il. Davis. “Nous sommes à la pointe de l’iceberg en termes de ce que nous pouvons tous faire avec l’IA et l’apprentissage automatique plus largement. Je pense que c’est un endroit très excitant pour nous de … vraiment pousser cela pour qu’il devienne une partie plus organique de ce que nous faisons chaque jour dans l’industrie pour que les patients en bénéficient. “