该计划利用麻省理工学院在人工智能和医药研究方面的专业知识和武田制药的行业经验
在2020年，工程学院和武田药品公司启动了MIT-Takeda计划，旨在利用两个实体的经验解决医疗保健、医学和人工智能交叉领域的问题。自从该计划开始以来，团队已经设计出机制来减少某些制药产品的制造时间，提交了一项专利申请，并简化了文献综述，从而节省了八个月的时间和成本。
现在，该计划进入了第四个年头，在第二轮项目中支持10个团队。该计划选定的项目覆盖了生物制药工业的整个范围，从药物开发到商业和制造。
“第二轮资金研究项目有潜力带来医疗保健方面的深刻突破，”工程学院院长、MIT-Takeda计划联合主席Anantha Chandrakasan表示。“这些跨学科团队正在致力于改善全球患者的生活和治疗效果。”
该计划旨在将武田在生物制药行业的专业知识与MIT在人工智能和机器学习研究领域的深刻经验相结合。
“该计划的目标是将MIT在AI领域的创新边缘的专业知识与我们在药物研究和开发中遇到的问题和挑战相结合，”MIT-Takeda计划的执行董事、武田全球统计和数量科学负责人Simon Davies表示。Davies补充说，这种合作的美妙之处在于，它允许武田将重要的问题和数据带给MIT研究人员，他们的先进建模或方法论可以帮助解决这些问题。
在该计划的第一轮中，由MIT和武田的科学家和工程师领导的一个项目研究了额头颞部痴呆的语音相关生物标志物。他们使用机器学习和人工智能仅基于患者的语音找到了潜在的疾病迹象。
以前，识别这些生物标志物需要更多侵入性的程序，例如磁共振成像。而语音则便宜且易于收集。在他们的研究的前两年中，该团队（包括MIT计算机科学和人工智能实验室的高级研究科学家Jim Glass和Takeda统计主管Brian Tracey）能够表明，额头颞部痴呆患者存在潜在的语音信号。
“这对我们非常重要，因为在我们运行任何试验之前，我们需要弄清楚如何在我们所针对的人群中实际上测量该疾病，”Takeda的统计数量科学副总监Marco Vilela正在该项目上工作。 “我们不仅希望区分具有该疾病的受试者和没有该疾病的人，而且还希望仅基于个体的语音跟踪疾病进展。”
该团队现在正在扩大其研究范围，并在该计划的第二轮中进一步完善其第一轮的工作，该计划涵盖了10个新项目和两个继续进行的项目。在第二轮中，生物标志物团队的生物标志物研究将将语音分析扩展到更广泛的疾病，例如肌萎缩侧索硬化症。Vilela和Glass是该团队第二轮的领导者。
像Glass和Vilela这样参与该计划的人员表示，合作是互利的。总部位于日本并在马萨诸塞州剑桥设有实验室的全球制药公司武田可以获得专门研究多种疾病、患者诊断和治疗的数据和科学家。MIT则拥有研究人工智能和机器学习的世界级科学家和工程师，涵盖了多个领域。
来自MIT各个部门的教师，包括生物学、大脑和认知科学、化学工程、电气工程和计算机科学、机械工程，以及医学工程和科学研究所和MIT斯隆管理学院的教师，都参与了该计划的研究项目。该计划将这些研究人员及其技能集合到同一个团队中，共同致力于帮助患者。
“这是最好的合作方式，就是在一个共同的问题、共同的数据集、共同的模型上，让双方的研究人员积极地合作，”Glass说。“我倾向于认为，对问题进行思考的人越多，就越好。”
虽然语音是相对简单的数据，但可分析的大型数据集并不总是容易找到。在该计划的第一轮中，武田通过提供研究人员比他们本来能够获得的更广泛的数据集来协助Glass的项目。
“与武田合作让我们能够获取更多的资源，如果我们只是试图找到公开可用的健康相关数据集，那我们的资源就会更少。这样的数据集并不多。”麻省理工学院电气工程和计算机科学博士候选人、武田研究员R’mani Symon Haulcy在项目中工作时说。
同时，麻省理工学院的研究人员为武田提供了开发大型、复杂数据的先进建模工具的专业知识。
“我们遇到的业务问题需要一些非常复杂和先进的建模技术，在武田内部，我们并没有必要具备构建这些技术的专业知识，”戴维斯说。“麻省理工学院和这个项目把这些专业知识带到了桌面上，让我们能够开发算法来解决复杂问题。”
Davies表示，最终，这个项目对双方都有启发意义——让武田的参与者了解到AI在行业中能够取得多大的成就，同时让麻省理工学院的研究人员了解到行业如何开发和商业化新药物，以及学术研究如何转化为与人类健康相关的实际问题。
“AI和ML在生物制药应用中的有意义进展相对缓慢。但我认为麻省理工学院-武田计划真正展示了我们和行业在这个领域可以取得成功，并优化将药物更快地带给患者的成功可能性和更高效的方法，”Davies说。“我们只是在AI和ML更广泛应用的冰山一角。我认为这是一个非常令人兴奋的领域，让我们可以真正推动它成为我们在整个行业中每天所做的更有机的一部分，造福于患者。”