نظرة عامة
يدمج Insitro البيانات الجينية والخلوية البشرية واسعة النطاق مع التعلم الآلي للعثور على أهداف دوائية أفضل والمرضى الأكثر احتمالية للاستجابة. إنه أمر مهم لأنه يعالج السبب الأكبر لفشل الأدوية - وهو اختيار الهدف الخاطئ - من خلال ترسيخ الاكتشاف في علم الأحياء البشري الحقيقي.
من الأفضل فهم علم الأحياء للتعلم الآلي من Insitro في سياق الإستراتيجية والوصول إلى النماذج وقرارات النظام الأساسي وشراكات النظام البيئي.
الغوص العميق
تأسست Insitro في عام 2018 على يد عالمة الأحياء الحسابية والقائدة السابقة لستانفورد وكورسيرا دافني كولر، وقد قامت ببناء نفسها كشركة لاكتشاف الأدوية تعتمد على "التعلم الآلي أولاً". وتتمثل فكرتها الأساسية في إنشاء مجموعات بيانات ضخمة مصممة خصيصًا لهذا الغرض داخليًا - باستخدام نماذج الأمراض المشتقة من الخلايا الجذعية البشرية ('في المختبر')، والتصوير عالي المحتوى، وقياسات omics - وإقرانها بمجموعات جينية وسريرية بشرية ضخمة، مثل البنك الحيوي في المملكة المتحدة. ثم يربط التعلم الآلي التوقيعات الجزيئية والخلوية بالمرض، مما يساعد على تحديد الأهداف التي يقترح علم الوراثة أنها تسبب المرض بالفعل، وتقسيم المرضى إلى مجموعات فرعية. يمزج الاسم نفسه بين "in silico" (الحساب) و"في المختبر" (علم الأحياء المعملي). أبرمت Insitro شراكة مع Gilead وBristol Myers Squibb وتركز على مجالات مثل أمراض التمثيل الغذائي والكبد والتنكس العصبي.
البصيرة الفنية
تستخدم طريقة Insitro المميزة التعلم الآلي على الصور الطبية - على سبيل المثال، النماذج العميقة التي تقرأ التصوير بالرنين المغناطيسي للكبد أو التشريح المرضي - لاستخلاص "الأنماط الظاهرية للتعلم الآلي" الكمية. إن إجراء دراسات الارتباط على مستوى الجينوم ضد هذه السمات المشتقة من الذكاء الاصطناعي عبر المجموعات السكانية على مستوى البنك الحيوي يمكن أن يؤدي إلى ظهور المتغيرات الجينية، وبالتالي الأهداف السببية، التي تغفلها العلامات السريرية الخام. وهذا يجمع بين علم الوراثة البشرية، وهو أقوى دليل على أهمية الهدف، مع الدقة المظهرية الغنية للذكاء الاصطناعي.
إتقان علم الأحياء لتعلم الآلة من Insitro
يدمج Insitro البيانات الجينية والخلوية البشرية واسعة النطاق مع التعلم الآلي للعثور على أهداف دوائية أفضل والمرضى الأكثر احتمالية للاستجابة. إنه أمر مهم لأنه يعالج السبب الأكبر لفشل الأدوية - وهو اختيار الهدف الخاطئ - من خلال ترسيخ الاكتشاف في علم الأحياء البشري الحقيقي. من الأفضل فهم علم الأحياء للتعلم الآلي من Insitro في سياق الإستراتيجية والوصول إلى النماذج وقرارات النظام الأساسي وشراكات النظام البيئي. لبناء فهم عميق، تعامل مع Insitro Machine Learning Biology كنموذج تشغيل، وليس كميزة واحدة: تحديد النتائج المرغوبة، وتوضيح الافتراضات، وفصل ما يمكن للنظام القيام به بشكل موثوق عما لا يزال يتطلب حكم الخبراء.
من الناحية العملية، تقوم الفرق القوية التي تستخدم Insitro Machine Learning Biology بتقييم استراتيجية البائع، وموثوقية خريطة الطريق، ومخاطر التثبيت قبل الالتزام. وهي تقوم بتوثيق معايير نجاح واضحة، واختبارها مقابل بيانات واقعية وسير العمل، والتكرار بناءً على أنماط الفشل الملحوظة بدلاً من الانتصارات المعيارية لمرة واحدة. وهذا هو المكان الذي يتحول فيه الفهم النظري إلى قدرة دائمة عبر المنتج والسياسة والعمليات.
تؤثر خرائط طريق البائع على الميزات التي يمكن لفريقك إنشاءها بعد ذلك. وفي الوقت نفسه، قد تتجاوز إعلانات الإطلاق الاستقرار في سير عمل الإنتاج الحقيقي. ويتمثل النهج الأكثر مرونة في الجمع بين سرعة التجريب وانضباط الحوكمة: تشغيل البرامج التجريبية، والتقاط الأدلة، ونشر سجلات القرارات، وتحديث الضمانات بشكل مستمر مع تطور سلوك النموذج، وتوقعات المستخدم، والمتطلبات التنظيمية.
التأثير الاستراتيجي
تؤثر خرائط طريق البائع على الميزات التي يمكن لفريقك إنشاءها بعد ذلك.
تؤثر خرائط طريق البائع على الميزات التي يمكن لفريقك إنشاءها بعد ذلك. وفي عمليات النشر عالية الجودة، تتم ترجمة ذلك إلى قواعد تشغيل قابلة للقياس، وحدود ملكية، وطقوس مراجعة متكررة حتى تتمكن الفرق من توسيع نطاق الثقة بدلاً من توسيع نطاق الغموض.
تؤثر الشروط التجارية وخيارات النشر على التكلفة والمخاطر على المدى الطويل.
تؤثر الشروط التجارية وخيارات النشر على التكلفة والمخاطر على المدى الطويل. وفي عمليات النشر عالية الجودة، تتم ترجمة ذلك إلى قواعد تشغيل قابلة للقياس، وحدود ملكية، وطقوس مراجعة متكررة حتى تتمكن الفرق من توسيع نطاق الثقة بدلاً من توسيع نطاق الغموض.
تعمل حوافز الشركة على تشكيل الإعدادات الافتراضية للمنتج، ووضعية السلامة، والانفتاح.
تعمل حوافز الشركة على تشكيل الإعدادات الافتراضية للمنتج، ووضعية السلامة، والانفتاح. وفي عمليات النشر عالية الجودة، تتم ترجمة ذلك إلى قواعد تشغيل قابلة للقياس، وحدود ملكية، وطقوس مراجعة متكررة حتى تتمكن الفرق من توسيع نطاق الثقة بدلاً من توسيع نطاق الغموض.
التنفيذ في العالم الحقيقي
تدريب النماذج على فحوصات التصوير بالرنين المغناطيسي للكبد لإنشاء أنماط ظاهرية كمية، ثم إجراء دراسات الارتباط الجيني للعثور على أهداف دوائية لأمراض الكبد.
استخدام الخلايا العصبية المشتقة من الخلايا الجذعية البشرية لنموذج التصلب الجانبي الضموري والأمراض التنكسية العصبية الأخرى لتحليل التعلم الآلي.
الشراكة مع جلعاد لاكتشاف أهداف التهاب الكبد الدهني غير الكحولي (NASH) وتليف الكبد.
تقسيم المرضى إلى مجموعات فرعية وراثية للتنبؤ بمن سيستجيب لعلاج معين.
أنماط التنفيذ
Insitro علم الأحياء التعلم الآلي في الممارسة العملية
تدريب النماذج على فحوصات التصوير بالرنين المغناطيسي للكبد لإنشاء أنماط ظاهرية كمية، ثم إجراء دراسات الارتباط الجيني للعثور على أهداف دوائية لأمراض الكبد.
نماذج التدريب على فحوصات التصوير بالرنين المغناطيسي للكبد لإنشاء أنماط ظاهرية كمية، ثم إجراء دراسات الارتباط الجيني للعثور على أهداف دوائية لأمراض الكبد عادةً ما تحصل الفرق على نتائج أفضل عندما تحدد عتبات الجودة مقدمًا، وتحافظ على مسار التصعيد البشري للحالات الطرفية، وتتتبع مكاسب الإنتاجية وتكاليف الخطأ مع مرور الوقت.
Insitro علم الأحياء التعلم الآلي في الممارسة العملية
استخدام الخلايا العصبية المشتقة من الخلايا الجذعية البشرية لنموذج التصلب الجانبي الضموري والأمراض التنكسية العصبية الأخرى لتحليل التعلم الآلي.
استخدام الخلايا العصبية المشتقة من الخلايا الجذعية البشرية لنمذجة التصلب الجانبي الضموري وغيره من أمراض التنكس العصبي لتحليل التعلم الآلي عادةً ما تحصل الفرق على نتائج أفضل عندما تحدد عتبات الجودة مقدمًا، وتحافظ على مسار تصعيد بشري لحالات الحافة، وتتتبع مكاسب الإنتاجية وتكاليف الخطأ بمرور الوقت.
Insitro علم الأحياء التعلم الآلي في الممارسة العملية
الشراكة مع جلعاد لاكتشاف أهداف التهاب الكبد الدهني غير الكحولي (NASH) وتليف الكبد.
الشراكة مع Gilead لاكتشاف أهداف التهاب الكبد الدهني غير الكحولي (NASH) وتليف الكبد عادةً ما تحصل الفرق على نتائج أفضل عندما تحدد عتبات الجودة مقدمًا، وتحافظ على مسار التصعيد البشري للحالات الطرفية، وتتتبع مكاسب الإنتاجية وتكاليف الأخطاء بمرور الوقت.
Insitro علم الأحياء التعلم الآلي في الممارسة العملية
تقسيم المرضى إلى مجموعات فرعية وراثية للتنبؤ بمن سيستجيب لعلاج معين.
تقسيم المرضى إلى مجموعات فرعية وراثية للتنبؤ بمن سيستجيب لعلاج معين، وعادةً ما تحصل الفرق على نتائج أفضل عندما تحدد عتبات الجودة مقدمًا، وتحافظ على مسار تصعيد بشري للحالات الطرفية، وتتتبع مكاسب الإنتاجية وتكاليف الأخطاء بمرور الوقت.
المخاطر والدرابزين
قد تتجاوز إعلانات الإطلاق الاستقرار في سير عمل الإنتاج الحقيقي.
يمكن أن يؤدي تسعير واجهة برمجة التطبيقات (API) أو تغيرات السياسة إلى كسر الافتراضات بين عشية وضحاها.
يؤدي الاعتماد على بائع واحد إلى زيادة تكاليف الحجز والترحيل.
خارطة طريق التنفيذ
قم بتقييم مقدمي الخدمة باستخدام المهام ومجموعات البيانات الخاصة بك.
قم بتقييم مقدمي الخدمة باستخدام المهام ومجموعات البيانات الخاصة بك. تعامل مع كل خطوة كبوابة دليل: إذا لم يتم استيفاء المعايير، قم بإيقاف التشغيل مؤقتًا، وسد الفجوة، وبعد ذلك فقط قم بتوسيع الاستخدام.
راجع الخصوصية والأمان والمصطلحات القانونية قبل التكامل.
راجع الخصوصية والأمان والمصطلحات القانونية قبل التكامل. تعامل مع كل خطوة كبوابة دليل: إذا لم يتم استيفاء المعايير، قم بإيقاف التشغيل مؤقتًا، وسد الفجوة، وبعد ذلك فقط قم بتوسيع الاستخدام.
احتفظ بخطة احتياطية عبر النماذج أو البائعين.
احتفظ بخطة احتياطية عبر النماذج أو البائعين. تعامل مع كل خطوة كبوابة دليل: إذا لم يتم استيفاء المعايير، قم بإيقاف التشغيل مؤقتًا، وسد الفجوة، وبعد ذلك فقط قم بتوسيع الاستخدام.
راقب ملاحظات الإصدار حتى لا تفاجئ التغييرات في خارطة الطريق الفرق.
راقب ملاحظات الإصدار حتى لا تفاجئ التغييرات في خارطة الطريق الفرق. تعامل مع كل خطوة كبوابة دليل: إذا لم يتم استيفاء المعايير، قم بإيقاف التشغيل مؤقتًا، وسد الفجوة، وبعد ذلك فقط قم بتوسيع الاستخدام.