En 2020, la College of Engineering et Takeda Pharmaceutical Firm ont lancé le programme MIT-Takeda, qui vise à tirer parti de l’expérience 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 gagner 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 du deuxième tour de financement ont le potentiel de mener à des percées transformatrices dans les soins de santé », déclare Anantha Chandrakasan, doyenne de l’École d’ingénierie et coprésidente du programme MIT-Takeda. « Ces équipes interdisciplinaires travaillent pour améliorer la vie et les résultats des sufferers du monde entier. »
Le programme a été formé pour fusionner l’experience de Takeda dans l’industrie biopharmaceutique avec l’expérience approfondie du MIT à l’avant-garde de la recherche sur l’intelligence artificielle et l’apprentissage automatique (ML).
« L’objectif du programme est de tirer parti de l’experience du MIT, à la pointe de l’innovation dans le domaine de l’IA, et de la combiner avec les problèmes et les défis que nous voyons dans la recherche et le développement de médicaments », déclare Simon Davies, directeur général. directeur du programme MIT-Takeda et responsable mondial des sciences statistiques et quantitatives de Takeda. La beauté de cette collaboration, ajoute Davies, est qu’elle a permis à Takeda de soumettre des problèmes et des données importants aux chercheurs du MIT, dont la modélisation ou la méthodologie avancée pourrait aider à les résoudre.
Au cours du premier tour du programme, un projet dirigé par des scientifiques et des ingénieurs du MIT et de Takeda a recherché des biomarqueurs liés à la parole pour la démence frontotemporale. Ils ont utilisé l’apprentissage automatique et l’IA pour trouver des signes potentiels de maladie en se basant uniquement sur la parole d’un affected person.
Auparavant, l’identification de ces biomarqueurs aurait nécessité des procédures plus invasives, comme l’imagerie par résonance magnétique. La parole, en revanche, 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 Tracey, directeur des statistiques chez Takeda, a pu montrer qu’il existe une voix potentielle sign pour les personnes atteintes de démence frontotemporale.
« C’est très essential pour nous automobile avant de lancer un essai, nous devons déterminer remark nous pouvons réellement mesurer la maladie dans la inhabitants que nous ciblons », déclare Marco Vilela, directeur associé des statistiques et des sciences quantitatives chez Takeda travaillant sur le projet. « Nous aimerions non seulement différencier les sujets atteints de la maladie des personnes qui n’en sont pas atteintes, mais également suivre la development de la maladie en nous basant uniquement sur la voix des individus. »
Le groupe élargit maintenant la portée de ses recherches et s’appuie sur ses travaux dans le premier cycle du programme pour entrer dans le cycle 2, qui comprend une récolte de 10 nouveaux projets et deux projets en cours. Au cours du deuxième tour, la recherche sur les biomarqueurs du groupe des biomarqueurs étendra l’analyse de la parole à une plus grande variété de maladies, telles que la sclérose latérale amyotrophique ou SLA. Vilela et Glass, mènent l’équipe dans son deuxième tour.
Les personnes impliquées dans le programme, comme 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 spécialisés dans de nombreuses maladies, diagnostics de sufferers et traitements. Le MIT rassemble des scientifiques et des ingénieurs de classe mondiale qui étudient l’IA et le ML dans un giant éventail de 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, de génie mécanique, ainsi que de l’Institut de génie médical et des sciences et de la MIT Sloan College of Administration, travaillent sur le projets de recherche du programme. Le programme place ces chercheurs – et leurs compétences – dans la même équipe, travaillant vers un objectif commun d’aider les sufferers.
« C’est le meilleur kind de collaboration, c’est en fait que des chercheurs des deux côtés travaillent activement ensemble sur un problème commun, un ensemble de données commun, des modèles communs », déclare Glass. « J’ai tendance à penser que plus il y a de gens qui réfléchissent au problème, mieux c’est. »
Bien que la parole soit une donnée relativement easy à collecter, de grands ensembles de données analysables ne sont pas toujours faciles à trouver. Takeda a aidé le projet de Glass au cours du premier tour du programme en offrant aux chercheurs un accès à un plus giant 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 si nous essayions simplement de trouver des ensembles de données liées à la santé qui sont accessibles au public. Il n’y en a pas beaucoup », explique R’mani Symon Haulcy, doctorant au MIT en génie électrique et en informatique et boursier Takeda qui travaille sur le projet.
Pendant ce temps, les chercheurs du MIT ont aidé Takeda en fournissant l’experience nécessaire pour développer des outils de modélisation avancés pour les données volumineuses et complexes.
« Le problème business auquel nous étions confrontés nécessitait des methods de modélisation vraiment sophistiquées et avancées que nous n’avions pas nécessairement l’experience nécessaire au sein de Takeda », déclare Davies. « Le MIT et le programme ont apporté cela à la desk, pour nous permettre de développer des approches algorithmiques à des problèmes complexes. »
En fin de compte, le programme, dit Davies, a été éducatif des deux côtés – fournissant aux individuals de Takeda des connaissances sur tout ce que l’IA peut accomplir dans l’industrie et offrant aux chercheurs du MIT un aperçu de la façon dont l’industrie développe et commercialise de nouveaux médicaments, ainsi que la façon dont la recherche universitaire peut se traduire par des problèmes très réels liés à la santé humaine.
« Les progrès significatifs de l’IA et du ML dans les purposes 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 optimiser les possibilities de succès d’apporter des médicaments aux sufferers plus rapidement et de le faire plus efficacement », déclare Davies. « Nous ne sommes qu’à la pointe de l’iceberg en termes de ce que nous pouvons tous faire en utilisant l’IA et le ML plus largement. Je pense que c’est un endroit tremendous excitant pour nous… pour vraiment faire en sorte que cela devienne une partie beaucoup plus organique de ce que nous faisons chaque jour dans l’industrie pour que les sufferers en bénéficient.
