Le programme MIT-Takeda entame sa quatrième année avec une série de 10 nouveaux projets.

The MIT-Takeda program begins its fourth year with a series of 10 new projects.

Le programme exploite l’expertise de recherche du MIT et le savoir-faire industriel de Takeda pour la recherche en intelligence artificielle et en médecine.

MIT-Takeda Program leadership and administrators (left to right) Anne Heatherington, senior vice president and head of Data Sciences Institute at Takeda; Tia Giurleo, program manager at the MIT School of Engineering; Yaritza Peña, senior program manager of the Data Sciences Institute Strategy and Business Operations at Takeda; Tim Smith, director data and analytics at the ShinrAI Center for AI/ML at Takeda; and Anantha Chandrakasan, dean of the MIT School of Engineering.

En 2020, l’École d’ingénieurs et la société pharmaceutique Takeda ont lancé le programme MIT-Takeda, qui vise à exploiter 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 mis au point des mécanismes pour réduire le temps de fabrication de certains produits pharmaceutiques, ont soumis une demande de brevet et ont simplifié les examens de littérature suffisamment pour économiser huit mois de temps et de coûts.

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’intégralité de l’industrie biopharmaceutique, du développement de médicaments à la commercialisation et à la fabrication.

« Les projets de recherche dans la deuxième série de financement ont le potentiel de conduire à des percées transformatrices dans les soins de santé », déclare Anantha Chandrakasan, doyen de l’École d’ingénieurs et coprésident du programme MIT-Takeda. « Ces équipes interdisciplinaires travaillent à améliorer la vie et les résultats des patients partout dans le monde. »

Le programme a été créé pour fusionner l’expertise de Takeda dans l’industrie biopharmaceutique avec l’expérience approfondie du MIT à la pointe de la recherche en intelligence artificielle et en apprentissage automatique.

« L’objectif du programme est de prendre l’expertise du MIT, à la pointe de l’innovation dans l’espace 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 exécutif 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 prendre des problèmes et des données importantes aux chercheurs du MIT, dont la modélisation ou la méthodologie avancée pourrait les aider à les résoudre.

Dans la première série du programme, un projet dirigé par des scientifiques et des ingénieurs du MIT et de Takeda a étudié les biomarqueurs liés à la parole pour la démence frontotemporale. Ils ont utilisé l’apprentissage automatique et l’IA pour trouver des signes potentiels de la maladie basés uniquement sur la parole d’un patient.

Auparavant, l’identification de ces biomarqueurs aurait nécessité des procédures plus invasives, comme l’imagerie par résonance magnétique. La parole, quant à elle, 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, statistiques chez Takeda, a pu montrer qu’il existe un signal vocal potentiel pour les personnes atteintes de démence frontotemporale.

« C’est très important pour nous car avant de lancer un essai, nous devons comprendre comment nous pouvons réellement mesurer la maladie dans la population que nous ciblons », explique Marco Vilela, directeur associé des sciences statistiques-quantitatives chez Takeda travaillant sur le projet. « Nous aimerions non seulement différencier les sujets atteints de la maladie de ceux qui ne l’ont pas, mais aussi suivre la progression de la maladie uniquement sur la base de la voix des individus. »

Le groupe élargit maintenant la portée de ses recherches et s’appuie sur son travail de la première série du programme pour entrer dans la deuxième série, qui présente une série de 10 nouveaux projets et deux projets en cours. Dans la deuxième série, la recherche sur les biomarqueurs du groupe de 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 dirigent l’équipe pour sa deuxième série.

Ceux qui participent au 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, dans le Massachusetts, a accès à des données et à des scientifiques spécialisés dans de nombreuses maladies, diagnostics de patients et traitements. Le MIT rassemble des scientifiques et des ingénieurs de classe mondiale étudiant l’IA et l’apprentissage automatique dans une gamme diversifiée de domaines.

Les enseignants de tout le MIT, y compris les départements de biologie, de cerveau et de sciences cognitives, de génie chimique, de génie électrique et d’informatique, de génie mécanique, ainsi que l’Institut d’ingénierie et de sciences médicales et l’école de gestion Sloan du MIT, travaillent sur les projets de recherche du programme. Le programme met ces chercheurs – et leurs compétences – dans la même équipe, travaillant vers un objectif commun pour aider les patients.

«C’est le meilleur type de collaboration, c’est d’avoir des chercheurs des deux côtés travaillant activement ensemble sur un problème commun, un ensemble de données commun, des modèles communs», explique Glass. «Je pense généralement que plus il y a de personnes qui réfléchissent au problème, mieux c’est.»

Bien que la parole soit une donnée relativement simple à recueillir, les ensembles de données volumineux et analysables ne sont pas toujours faciles à trouver. Takeda a aidé le projet de Glass lors de la première série du programme en offrant aux chercheurs un accès à une plus large gamme d’ensembles de données qu’ils n’auraient autrement pu obtenir.

« Notre travail avec Takeda nous a définitivement donné un accès plus important que si nous cherchions simplement des ensembles de données liées à la santé disponibles publiquement. Il n’y en a pas beaucoup », explique R’mani Symon Haulcy, candidat au doctorat au MIT en génie électrique et informatique et boursier de Takeda travaillant sur le projet.

Entre-temps, les chercheurs du MIT ont aidé Takeda en fournissant l’expertise nécessaire au développement d’outils de modélisation avancée pour les données complexes et importantes.

« Le problème commercial que nous avions nécessite des techniques de modélisation sophistiquées et avancées que nous n’avions pas nécessairement l’expertise de construire chez Takeda », explique Davies. « Le MIT et le programme ont apporté cela à la table, pour nous permettre de développer des approches algorithmiques aux problèmes complexes. »

Finalement, le programme, selon Davies, a été éducatif des deux côtés, offrant aux participants de Takeda une connaissance de 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 de la manière dont la recherche académique peut se traduire par des problèmes très réels liés à la santé humaine.

« Les progrès significatifs de l’IA et du ML 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 optimiser la probabilité de succès pour amener plus rapidement des médicaments aux patients et de manière plus efficace », 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 de manière plus large. Je pense que c’est un endroit super excitant pour nous … pour vraiment stimuler cela pour qu’il devienne une partie beaucoup plus organique de ce que nous faisons chaque jour dans l’industrie pour le bénéfice des patients. »

We will continue to update IPGirl; if you have any questions or suggestions, please contact us!

Share:

Was this article helpful?

93 out of 132 found this helpful

Discover more

AI

Exploration de l'intelligence artificielle générative multimodale avancée

Introduction Dans le monde en constante évolution de la technologie d’aujourd’hui, il y a un développemen...

AI

Créez des applications d'IA générative prêtes pour la production pour la recherche en entreprise en utilisant les pipelines Haystack et Amazon SageMaker JumpStart avec LLMs.

Dans cet article, nous présentons comment construire une application d'IA générative de bout en bout pour la recherch...

AI

Résolution d'entité Identification d'entités du monde réel dans des données bruitées

Dans le monde d'aujourd'hui axé sur les données, les organisations sont souvent confrontées à des défis liés à des so...