El Programa MIT-Takeda entra en su cuarto año con una cosecha de 10 nuevos proyectos.

The MIT-Takeda Program enters its fourth year with a harvest of 10 new projects.

El programa aprovecha la experiencia en investigación del MIT y el conocimiento industrial de Takeda para investigar en inteligencia artificial y medicina.

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, la Escuela de Ingeniería y la compañía farmacéutica Takeda lanzaron el Programa MIT-Takeda, que tiene como objetivo aprovechar la experiencia de ambas entidades para resolver problemas en la intersección de la atención médica, la medicina y la inteligencia artificial. Desde que comenzó el programa, los equipos han ideado mecanismos para reducir el tiempo de fabricación de ciertos productos farmacéuticos, presentado una solicitud de patente y simplificado las revisiones de literatura lo suficiente como para ahorrar ocho meses de tiempo y costos.

Ahora, el programa se dirige a su cuarto año, apoyando a 10 equipos en su segunda ronda de proyectos. Los proyectos seleccionados para el programa abarcan la totalidad de la industria biofarmacéutica, desde el desarrollo de fármacos hasta la comercialización y la fabricación.

“Los proyectos de investigación en la segunda ronda de financiamiento tienen el potencial de llevar a avances transformadores en la atención médica”, dice Anantha Chandrakasan, decano de la Escuela de Ingeniería y copresidente del Programa MIT-Takeda. “Estos equipos interdisciplinarios están trabajando para mejorar la vida y los resultados de los pacientes en todas partes”.

El programa se formó para fusionar la experiencia de Takeda en la industria biofarmacéutica con la profunda experiencia de MIT en la vanguardia de la inteligencia artificial y la investigación de aprendizaje automático (ML).

“El objetivo del programa es llevar la experiencia de MIT, en la vanguardia de la innovación en el espacio de AI, y combinarla con los problemas y desafíos que vemos en la investigación y desarrollo de medicamentos”, dice Simon Davies, director ejecutivo del Programa MIT-Takeda y jefe global de estadística y ciencias cuantitativas de Takeda. La belleza de esta colaboración, agrega Davies, es que permitió a Takeda llevar importantes problemas y datos a los investigadores de MIT, cuyo avanzado modelado o metodología podrían ayudar a resolverlos.

En la Ronda 1 del programa, un proyecto liderado por científicos e ingenieros de MIT y Takeda investigó biomarcadores relacionados con el habla para la demencia frontotemporal. Utilizaron el aprendizaje automático y la inteligencia artificial para encontrar posibles signos de la enfermedad basados ​​solo en el habla del paciente.

Anteriormente, identificar estos biomarcadores habría requerido procedimientos más invasivos, como la resonancia magnética. El habla, por otro lado, es barata y fácil de recolectar. En los primeros dos años de su investigación, el equipo, que incluía a Jim Glass, un científico investigador senior del Laboratorio de Ciencias de la Computación y la Inteligencia Artificial de MIT, y Brian Tracey, director de estadística en Takeda, pudo demostrar que hay una posible señal de voz para personas con demencia frontotemporal.

“Eso es muy importante para nosotros porque antes de ejecutar cualquier prueba, necesitamos descubrir cómo podemos medir realmente la enfermedad en la población que estamos apuntando”, dice Marco Vilela, director asociado de estadística-ciencias cuantitativas en Takeda que trabaja en el proyecto. “Nos gustaría no solo diferenciar a los sujetos que tienen la enfermedad de las personas que no tienen la enfermedad, sino también rastrear la progresión de la enfermedad basándose únicamente en la voz de los individuos”.

El grupo ahora está ampliando el alcance de su investigación y ampliando su trabajo en la primera ronda del programa para ingresar a la Ronda 2, que presenta un grupo de 10 nuevos proyectos y dos proyectos continuos. En la Ronda 2, la investigación de biomarcadores del grupo de biomarcadores ampliará el análisis del habla a una variedad más amplia de enfermedades, como la esclerosis lateral amiotrófica o ALS. Vilela y Glass lideran el equipo en su segunda ronda.

Aquellos involucrados en el programa, como Glass y Vilela, dicen que la colaboración ha sido mutuamente beneficiosa. Takeda, una compañía farmacéutica global con sede en Japón y laboratorios en Cambridge, Massachusetts, tiene acceso a datos y científicos que se especializan en numerosas enfermedades, diagnósticos y tratamientos de pacientes. MIT incorpora a científicos e ingenieros de clase mundial que estudian AI y ML en una amplia gama de campos.

Profesores de todo MIT, incluidos los departamentos de Biología, Cerebro y Ciencias Cognitivas, Ingeniería Química, Ingeniería Eléctrica e Informática, Ingeniería Mecánica, así como el Instituto de Ingeniería y Ciencias Médicas y la Escuela de Administración Sloan de MIT, trabajan en los proyectos de investigación del programa. El programa coloca a esos investigadores, y sus habilidades, en el mismo equipo, trabajando hacia un objetivo compartido para ayudar a los pacientes.

“Este es el mejor tipo de colaboración, tener investigadores en ambos lados trabajando juntos activamente en un problema común, un conjunto de datos común, modelos comunes”, dice Glass. “Suelo pensar que cuanto más personas piensen en el problema, mejor”.

Aunque el habla es un tipo de datos relativamente simple de recolectar, no siempre es fácil encontrar conjuntos de datos grandes y analizables. Takeda ayudó al proyecto de Glass durante la Ronda 1 del programa ofreciendo a los investigadores acceso a una gama más amplia de conjuntos de datos de lo que habrían podido obtener de otra manera.

“Nuestro trabajo con Takeda definitivamente nos ha dado más acceso del que tendríamos si solo intentáramos encontrar conjuntos de datos relacionados con la salud que estén disponibles públicamente. No hay muchos”, dice R’mani Symon Haulcy, candidato a doctorado en ingeniería eléctrica y ciencias de la computación del MIT y compañero de Takeda que trabaja en el proyecto.

Mientras tanto, los investigadores del MIT ayudaron a Takeda proporcionando la experiencia para desarrollar herramientas avanzadas de modelado para datos grandes y complejos.

“El problema empresarial que teníamos requiere algunas técnicas de modelado realmente sofisticadas y avanzadas que en Takeda no necesariamente teníamos la experiencia para construir”, dice Davies. “El MIT y el programa han aportado eso a la mesa, permitiéndonos desarrollar enfoques algorítmicos para problemas complejos”.

En última instancia, el programa, dice Davies, ha sido educativo en ambos lados, brindando a los participantes de Takeda conocimiento sobre cuánto puede lograr la IA en la industria y ofreciendo a los investigadores del MIT una visión de cómo la industria desarrolla y comercializa nuevos medicamentos, así como cómo la investigación académica puede traducirse a problemas muy reales relacionados con la salud humana.

“El progreso significativo de la IA y el ML en aplicaciones biofarmacéuticas ha sido relativamente lento. Pero creo que el Programa MIT-Takeda realmente ha demostrado que nosotros y la industria podemos tener éxito en el espacio y optimizar la probabilidad de éxito de llevar medicamentos a los pacientes más rápido y hacerlo de manera más eficiente”, dice Davies. “Estamos justo en la punta del iceberg en términos de lo que todos podemos hacer utilizando la IA y el ML de manera más amplia. Creo que es un lugar súper emocionante para nosotros estar… para impulsar esto a ser una parte mucho más orgánica de lo que hacemos cada día en toda la industria para que los pacientes se beneficien”.

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

Share:

Was this article helpful?

93 out of 132 found this helpful

Discover more

Inteligencia Artificial

Desbloquea el avance de la comprensión de video de IA con MM-VID para GPT-4V(isión)

En todo el mundo, las personas crean una gran cantidad de videos todos los días, incluyendo transmisiones en vivo gen...

Inteligencia Artificial

Grupo de noticias dice que los chatbots de inteligencia artificial dependen en gran medida del contenido de noticias

La News Media Alliance, un grupo comercial que representa a los periódicos, afirma que los chatbots de inteligencia a...

Inteligencia Artificial

La GPU NVIDIA H100 Tensor Core utilizada en la nueva serie de máquinas virtuales de Microsoft Azure ya está disponible de forma general

Los usuarios de Microsoft Azure ahora pueden recurrir a la última tecnología de computación acelerada de NVIDIA para ...