Il programma MIT-Takeda entra nel quarto anno con una serie di 10 nuovi progetti.

'MIT-Takeda program enters its fourth year with 10 new projects.'

Il programma sfrutta l’esperienza di ricerca del MIT e la conoscenza industriale di Takeda per la ricerca in intelligenza artificiale e medicina.

Nel 2020, la Scuola di Ingegneria e la Takeda Pharmaceutical Company hanno lanciato il programma MIT-Takeda, che mira a sfruttare l’esperienza di entrambe le entità per risolvere problemi all’incrocio tra assistenza sanitaria, medicina e intelligenza artificiale. Da quando il programma è iniziato, le squadre hanno ideato meccanismi per ridurre il tempo di produzione per determinati prodotti farmaceutici, presentato una domanda di brevetto e semplificato le revisioni della letteratura a sufficienza da salvare otto mesi di tempo e costi.

Ora, il programma si sta dirigendo verso il suo quarto anno, supportando 10 team nel secondo ciclo di progetti. I progetti selezionati per il programma coprono l’intera industria biofarmaceutica, dalla sviluppo di farmaci alla commercializzazione e alla produzione.

• Eserciti di robot si scontrano nelle epiche battaglie sullo schermo di Battlecode.
• Professore del MIT al Congresso Siamo ad un punto di svolta con l’Intelligenza Artificiale
• Comprendere il nostro posto nell’universo

“I progetti di ricerca nel secondo ciclo di finanziamenti hanno il potenziale per portare a cambiamenti rivoluzionari nell’assistenza sanitaria”, afferma Anantha Chandrakasan, decano della Scuola di Ingegneria e co-presidente del programma MIT-Takeda. “Queste squadre interdisciplinari stanno lavorando per migliorare la vita e i risultati dei pazienti ovunque”.

Il programma è stato creato per unire l’esperienza di Takeda nell’industria biofarmaceutica con la profonda esperienza del MIT all’avanguardia della ricerca sull’intelligenza artificiale e il machine learning (ML).

“L’obiettivo del programma è quello di prendere l’esperienza del MIT, all’avanguardia dell’innovazione nello spazio dell’AI, e combinare quella con i problemi e le sfide che vediamo nella ricerca e sviluppo dei farmaci”, dice Simon Davies, direttore esecutivo del programma MIT-Takeda e responsabile globale delle scienze statistiche e quantitative di Takeda. La bellezza di questa collaborazione, aggiunge Davies, è che ha permesso a Takeda di portare importanti problemi e dati ai ricercatori del MIT, la cui avanzata modellistica o metodologia potrebbe aiutare a risolverli.

Nel primo ciclo del programma, un progetto guidato da scienziati e ingegneri del MIT e di Takeda ha studiato i biomarcatori correlati alla parola per la demenza frontotemporale. Hanno utilizzato il machine learning e l’AI per individuare potenziali segnali di malattia basati solo sulla parola di un paziente.

In precedenza, l’individuazione di questi biomarcatori avrebbe richiesto procedure più invasive, come la risonanza magnetica. La parola, d’altra parte, è economica e facile da raccogliere. Nei primi due anni di ricerca, il team, che includeva Jim Glass, un ricercatore senior presso il Laboratorio di Informatica e Intelligenza Artificiale del MIT, e Brian Tracey, direttore delle statistiche presso Takeda, è stato in grado di dimostrare che esiste un segnale vocale potenziale per le persone con demenza frontotemporale.

“Questo è molto importante per noi perché prima di eseguire qualsiasi trial, dobbiamo capire come possiamo effettivamente misurare la malattia nella popolazione che stiamo mirando”, dice Marco Vilela, direttore associato delle scienze statistiche-quantitative a Takeda che lavora sul progetto. “Vorremmo non solo differenziare i soggetti che hanno la malattia da quelli che non hanno la malattia, ma anche tracciare la progressione della malattia basandoci esclusivamente sulla voce delle persone”.

Il gruppo sta ora ampliando la portata della sua ricerca e ampliando il lavoro del primo ciclo del programma per entrare nel secondo ciclo, che presenta una serie di 10 nuovi progetti e due progetti in corso. Nel secondo ciclo, la ricerca sui biomarcatori del gruppo si espanderà all’analisi della parola a una gamma più ampia di malattie, come la sclerosi laterale amiotrofica o ALS. Vilela e Glass guidano il team nel suo secondo ciclo.

Coloro che sono coinvolti nel programma, come Glass e Vilela, dicono che la collaborazione è stata reciprocamente vantaggiosa. Takeda, una società farmaceutica globale con sede in Giappone con laboratori a Cambridge, Massachusetts, ha accesso a dati e scienziati specializzati in numerose malattie, diagnosi dei pazienti e trattamenti. Il MIT porta a bordo scienziati e ingegneri di classe mondiale che studiano l’AI e il ML in una vasta gamma di campi.

Docenti provenienti da tutte le parti del MIT, tra cui i dipartimenti di Biologia, Scienze del Cervello e Cognitive, Ingegneria Chimica, Ingegneria Elettrica e Informatica, Ingegneria Meccanica, nonché l’Istituto per l’Ingegneria e la Scienza Medica e la Scuola di Management del MIT, lavorano sui progetti di ricerca del programma. Il programma mette quei ricercatori e le loro competenze sullo stesso team, lavorando per un obiettivo comune per aiutare i pazienti.

“Questo è il miglior tipo di collaborazione, ovvero avere ricercatori su entrambi i lati che lavorano attivamente insieme su un problema comune, un dataset comune, modelli comuni”, dice Glass. “Tendo a pensare che più persone pensano al problema, meglio è”.

Anche se la parola è un dato relativamente semplice da raccogliere, grandi dataset analizzabili non sono sempre facili da trovare. Takeda ha assistito il progetto di Glass durante il primo ciclo del programma offrendo ai ricercatori accesso a una gamma più ampia di dataset di quanto sarebbero stati in grado di ottenere altrimenti.

“Il nostro lavoro con Takeda ci ha sicuramente fornito un maggior accesso rispetto a quello che avremmo avuto se avessimo solo cercato dataset relativi alla salute disponibili pubblicamente. Non ce ne sono molti”, afferma R’mani Symon Haulcy, candidato al dottorato al MIT in ingegneria elettrica e informatica e Takeda Fellow che sta lavorando al progetto.

Nel frattempo, i ricercatori del MIT hanno aiutato Takeda fornendo l’esperienza necessaria per sviluppare strumenti avanzati di modellizzazione per grandi e complessi dati.

“Il problema aziendale che avevamo richiedeva tecniche di modellizzazione estremamente sofisticate e avanzate che all’interno di Takeda non avevamo necessariamente l’esperienza per costruire”, dice Davies. “Il MIT e il programma hanno portato questo sul tavolo, permettendoci di sviluppare approcci algoritmici ai problemi complessi”.

In definitiva, il programma, afferma Davies, è stato educativo da entrambe le parti, fornendo ai partecipanti di Takeda la conoscenza di quanto l’AI possa realizzare nell’industria e offrendo ai ricercatori del MIT un’idea di come l’industria sviluppa e commercializza nuovi farmaci, nonché di come la ricerca accademica possa tradursi in problemi molto reali relativi alla salute umana.

“Il progresso significativo dell’AI e dell’ML nelle applicazioni biotecnologiche è stato relativamente lento. Ma penso che il programma MIT-Takeda abbia davvero dimostrato che noi e l’industria possiamo avere successo nello spazio e nell’ottimizzare la probabilità di successo nell’apportare farmaci ai pazienti in modo più rapido ed efficiente”, afferma Davies. “Siamo solo all’inizio di ciò che possiamo fare tutti utilizzando l’AI e l’ML in modo più ampio. Penso che sia un posto super eccitante per noi essere… per guidare realmente questo a essere una parte molto più organica di ciò che facciamo ogni giorno in tutta l’industria a beneficio dei pazienti”.