MIT衍生公司ReviveMed正在使用AI技术大规模收集代谢物数据——如脂质、胆固醇和糖等分子，以揭示为什么某些患者对某些治疗方法有反应而另一些却没有，并更好地了解疾病的驱动因素。该公司由Leila Pirhaji博士（2016年毕业于MIT）和教授Ernest Fraenkel共同创立，旨在填补现有测量技术和体内实际存在的代谢物之间的巨大差距。
“历史上，我们只能高精度地测量几百种代谢物，但这只是体内存在代谢物的一小部分。”ReviveMed首席执行官Leila Pirhaji博士表示，“我们希望解决这一巨大的数据缺口，挖掘未充分利用的代谢物数据中的宝贵见解。”
随着医学界越来越多地将失调的代谢物与癌症、阿尔茨海默病和心血管疾病等联系起来，ReviveMed正在利用其平台帮助全球最大的制药公司之一找到最有可能从其治疗中受益的患者群体。此外，该公司还免费向学术研究人员提供软件，以帮助他们从尚未开发的代谢物数据中获得见解。
“随着AI领域的蓬勃发展，我们认为可以克服限制代谢物研究的数据问题。”Pirhaji说，“虽然目前还没有代谢组学的基础模型，但我们看到这些模型正在改变基因组学等领域，因此我们开始开创它们的发展。”
Pirhaji在伊朗出生并长大，2010年来到MIT攻读生物工程博士学位。她曾阅读过Fraenkel的研究论文，并渴望为他构建的网络模型做出贡献，这些模型整合了来自基因组、蛋白质组和其他分子的数据。“我们当时思考的是，当我们能够测量一切——基因、RNA、蛋白质和小分子如代谢物和脂质时，能做些什么。”Fraenkel说，他现在担任ReviveMed的董事会成员。“我们可能只能测量体内约0.1%的小分子。我们认为应该有一种方法可以获得与基因和其他分子一样全面的小分子视图，这将使我们能够绘制出细胞中所有变化的地图，无论是在癌症、发育还是退行性疾病的情况下。”
大约在她的博士生涯中期，Pirhaji将一些样本送到哈佛大学的合作者那里进行代谢组分析——代谢过程的产物小分子。合作者给了她一张包含数千行数据的巨大Excel表格，但告诉她只需关注前100行，因为其余的数据意义不明。她将此视为一个挑战。
“我开始思考也许我们可以用我们的网络模型来解决这个问题。”Pirhaji回忆道，“数据中有许多不确定性，这对我来说非常有趣，因为之前没有人尝试过。这似乎是一个领域中的大空白。”
Pirhaji开发了一个包含数百万蛋白质和代谢物之间相互作用的知识图谱。该数据丰富但杂乱无章，Pirhaji称之为“毛球”，无法告诉研究人员任何关于疾病的信息。为了使其更有用，她创造了一种新的方式来表征代谢途径和特征。在2016年的《自然方法》杂志上，她描述了这个系统，并用它分析了亨廷顿病模型中的代谢变化。
最初，Pirhaji并没有创业的打算，但在她博士生涯的最后几年逐渐意识到这项技术的商业潜力。“在伊朗没有创业文化，”Pirhaji说，“我不知道如何创办一家公司或把科学变成创业项目，所以我利用了MIT提供的所有资源。”她参加了MIT斯隆管理学院的课程，包括15.371（创新团队），并与同学们合作思考如何应用她的技术。她还使用了MIT创业指导服务和MIT Sandbox，并参与了Martin信托中心的delta v创业加速器。
当Pirhaji和Fraenkel正式成立ReviveMed时，他们与MIT的技术许可办公室合作，获得了相关专利的使用权。自那以后，Pirhaji进一步开发了该平台，以解决她在与数百家制药公司的领导者交谈中发现的其他问题。
ReviveMed首先与医院合作，研究代谢功能障碍相关的脂肪肝炎中脂质的失调情况。2020年，ReviveMed与百时美施贵宝合作，预测哪些癌症患者亚群会对该公司的免疫疗法产生反应。此后，ReviveMed与多家公司合作，包括全球前十大的四家制药公司，帮助他们了解其治疗背后的代谢机制。这些见解有助于更快地识别最有可能从不同疗法中受益的患者。
“如果我们知道哪些患者会从每种药物中受益，这将大大减少临床试验的复杂性和时间。”Pirhaji说，“患者将更快地获得正确的治疗。”
今年早些时候，ReviveMed基于20,000个患者血液样本收集的数据创建了患者的数字孪生体和用于代谢组学研究的生成式AI模型。ReviveMed将其生成式模型提供给非营利性的学术研究人员，这可能会加速我们对代谢物如何影响各种疾病的理解。
“我们正在使代谢组学数据的使用民主化。”Pirhaji说，“我们不可能拥有全世界每个患者的全部数据，但我们的数字孪生体可以根据人口统计学等信息找到可能受益于治疗的患者，例如找出可能患有心血管疾病风险的患者。”
这项工作是ReviveMed的使命的一部分，即创建研究人员和制药公司可以用来理解疾病和治疗如何改变患者代谢物的基础代谢模型。
“Leila解决了将实验室中的想法转变为足够稳健和可重复的生物医学应用过程中遇到的许多难题。”Fraenkel说，“在此过程中，她意识到自己开发的软件本身也非常强大，具有变革性。”
(全文结束)
