La Escuela de Ingeniería ha seleccionado 13 nuevos becarios Takeda para el año académico 2023-24. Con el apoyo de Takeda, los estudiantes de posgrado llevarán a cabo investigaciones innovadoras que van desde la monitorización remota de la salud para ensayos clínicos virtuales hasta dispositivos ingeribles para diagnósticos a largo plazo en el hogar.
Ahora en su cuarto año, el Programa MIT-Takeda, una colaboración entre la Escuela de Ingeniería del MIT y Takeda, impulsa el desarrollo y la aplicación de capacidades de inteligencia artificial en beneficio de la salud humana y el desarrollo de fármacos. Como parte de la Clínica Abdul Latif Jameel para el Aprendizaje Automático en Salud, el programa fusiona disciplinas dispares, fusiona teoría e implementación práctica, combina innovaciones en algoritmos y hardware y crea colaboraciones multidimensionales entre la academia y la industria.
Los becarios Takeda 2023-24 son:
Adam Gierlach
Adam Gierlach es candidato a doctorado en el Departamento de Ingeniería Eléctrica e Informática. El trabajo de Gierlach combina biotecnología innovadora con aprendizaje automático para crear dispositivos ingeribles para diagnósticos avanzados y administración de terapias. En su trabajo anterior, Gierlach desarrolló un dispositivo ingerible no invasivo para registros gástricos a largo plazo en pacientes en libre movimiento. Con el apoyo de una beca Takeda, aprovechará este trabajo innovador mediante el desarrollo de dispositivos inteligentes, energéticamente eficientes e ingeribles, impulsados por circuitos integrados de aplicaciones específicas para diagnósticos a largo plazo en el hogar. Estos dispositivos revolucionarios, capaces de identificar, caracterizar e incluso corregir enfermedades gastrointestinales, representan la vanguardia de la biotecnología. Las contribuciones innovadoras de Gierlach ayudarán a avanzar en la investigación fundamental sobre el sistema nervioso entérico y ayudarán a desarrollar una mejor comprensión de las disfunciones del eje intestino-cerebro en la enfermedad de Parkinson, el trastorno del espectro autista y otros trastornos y afecciones prevalentes.
Vivek Gopalakrishnan
Vivek Gopalakrishnan es candidato a doctorado en el Programa Harvard-MIT en Ciencias y Tecnología de la Salud. El objetivo de Gopalakrishnan es desarrollar métodos biomédicos de aprendizaje automático para mejorar el estudio y el tratamiento de enfermedades humanas. Específicamente, emplea modelos computacionales para promover nuevos enfoques para la neurocirugía mínimamente invasiva guiada por imágenes, ofreciendo una alternativa segura a los procedimientos abiertos de cerebro y columna. Con el apoyo de una beca Takeda, Gopalakrishnan desarrollará algoritmos de visión por computadora en tiempo real que brindan guía de imágenes intraoperatorias en 3D de alta calidad mediante la extracción y fusión de información de datos de neuroimagen multimodal. Estos algoritmos podrían permitir a los cirujanos reconstruir la neurovasculatura 3D a partir de una angiografía por rayos X, mejorando así la precisión del despliegue del dispositivo y permitiendo una localización más precisa de la anatomía sana frente a la patológica.
hao él
Hao He es candidato a doctorado en el Departamento de Ingeniería Eléctrica e Informática. Sus intereses de investigación se encuentran en la intersección de la IA generativa, el aprendizaje automático y sus aplicaciones en la medicina y la salud humana, con especial énfasis en el monitoreo de la salud pasivo, continuo y remoto para respaldar los ensayos clínicos virtuales y la gestión de la atención médica. Más específicamente, su objetivo es desarrollar modelos de IA confiables que promuevan el acceso equitativo y brinden un desempeño justo independientemente de la raza, el género y la edad. En sus trabajos anteriores, ha desarrollado sistemas de monitorización aplicados en estudios clínicos de la enfermedad de Parkinson, la enfermedad de Alzheimer y la epilepsia. Con el apoyo de una beca Takeda, desarrollará una tecnología novedosa para el monitoreo pasivo de las etapas del sueño (mediante señales de radio) que busca abordar las brechas existentes en el rendimiento en diferentes grupos demográficos. Su proyecto abordará el problema del desequilibrio en los conjuntos de datos disponibles y tendrá en cuenta las diferencias intrínsecas entre subpoblaciones, utilizando IA generativa y aprendizaje multimodal/multidominio, con el objetivo de aprender características sólidas que sean invariantes para diferentes subpoblaciones. Su trabajo es muy prometedor para brindar servicios de atención médica avanzados y equitativos a todas las personas y podría tener un impacto significativo en la atención médica y la inteligencia artificial.
Chengyi largo
Chengyi Long es candidato a doctorado en el Departamento de Ingeniería Civil y Ambiental. La investigación interdisciplinaria de Long integra la metodología de la física, las matemáticas y la informática para investigar cuestiones de ecología. En concreto, Long está desarrollando una serie de técnicas potencialmente innovadoras para explicar y predecir la dinámica temporal de los sistemas ecológicos, incluida la microbiota humana, que son temas esenciales en la investigación médica y de salud. Su trabajo actual, apoyado por una beca Takeda, se centra en desarrollar un marco conceptual, matemático y práctico para comprender la interacción entre las perturbaciones externas y la dinámica comunitaria interna en los sistemas microbianos, lo que puede servir como un paso clave hacia la búsqueda de biosoluciones para la salud. gestión. Una perspectiva más amplia de su investigación es desarrollar plataformas asistidas por IA para anticipar el comportamiento cambiante de los sistemas microbianos, lo que puede ayudar a diferenciar entre huéspedes sanos y no saludables y diseñar probióticos para la prevención y mitigación de infecciones por patógenos. Al crear métodos novedosos para abordar estos problemas, la investigación de Long tiene el potencial de ofrecer poderosas contribuciones a la medicina y la salud global.
Omar Mohd
Omar Mohd es candidato a doctorado en el Departamento de Ingeniería Eléctrica e Informática. La investigación de Mohd se centra en el desarrollo de nuevas tecnologías para el perfilado espacial de microARN, con aplicaciones potencialmente importantes en la investigación del cáncer. A través de combinaciones innovadoras de microtecnologías y análisis de imágenes habilitado por IA para medir las variaciones espaciales de los microARN dentro de muestras de tejido, Mohd espera obtener nuevos conocimientos sobre la resistencia a los medicamentos en el cáncer. Este trabajo, apoyado por una beca Takeda, se encuadra dentro del campo emergente de la transcriptómica espacial, que busca comprender el cáncer y otras enfermedades examinando las ubicaciones relativas de las células y su contenido dentro de los tejidos. El objetivo final del proyecto actual de Mohd es encontrar patrones multidimensionales en tejidos que puedan tener valor pronóstico para los pacientes con cáncer. Un componente valioso de su trabajo es un programa de inteligencia artificial de código abierto desarrollado con colaboradores del Centro Médico Beth Israel Deaconess y la Escuela de Medicina de Harvard para autodetectar células epiteliales cancerosas de otros tipos de células en una muestra de tejido y correlacionar su abundancia con las variaciones espaciales. de microARN. A través de su investigación, Mohd está haciendo contribuciones innovadoras en la interfaz de la tecnología de microsistemas, el análisis de imágenes basado en inteligencia artificial y el tratamiento del cáncer, lo que podría tener un impacto significativo en la medicina y la salud humana.
Parque Sanghyun
Sanghyun Park es candidato a doctorado en el Departamento de Ingeniería Mecánica. Park se especializa en la integración de la inteligencia artificial y la ingeniería biomédica para abordar desafíos complejos en la salud humana. Basándose en su experiencia en física de polímeros, administración de fármacos y reología, su investigación se centra en el campo pionero de los implantes de formación in situ (ISFI) para la administración de fármacos. Con el apoyo de una beca Takeda, Park está desarrollando actualmente una formulación inyectable diseñada para la administración de medicamentos a largo plazo. El objetivo principal de su investigación es desentrañar el mecanismo de compactación de partículas de fármacos en formulaciones ISFI a través de modelos integrales y estudios de caracterización in vitro que utilizan herramientas avanzadas de inteligencia artificial. Su objetivo es obtener una comprensión profunda de este mecanismo de compactación único y aplicarlo a microcristales de fármacos para lograr propiedades óptimas para la administración de fármacos a largo plazo. Más allá de estos estudios fundamentales, la investigación de Park también se centra en traducir este conocimiento en aplicaciones prácticas en un entorno clínico a través de estudios en animales destinados específicamente a ampliar la duración de la liberación del fármaco y mejorar las propiedades mecánicas. El uso innovador de la IA en el desarrollo de sistemas avanzados de administración de fármacos, junto con los valiosos conocimientos de Park sobre el mecanismo de compactación, podría contribuir a mejorar la administración de fármacos a largo plazo. Este trabajo tiene el potencial de allanar el camino para una gestión eficaz de las enfermedades crónicas, beneficiando a los pacientes, los médicos y la industria farmacéutica.
Huaiyao Peng
Huaiyao Peng es candidato a doctorado en el Departamento de Ingeniería Biológica. Los intereses de investigación de Peng se centran en tejidos diseñados, plataformas de microfabricación, metástasis del cáncer y el microambiente tumoral. Específicamente, está avanzando en nuevas técnicas de inteligencia artificial para el desarrollo de modelos organoides precancerosos de cáncer de ovario seroso de alto grado (HGSOC), un cáncer especialmente letal y difícil de tratar, con el objetivo de obtener nuevos conocimientos sobre la progresión y la eficacia. tratos. El proyecto de Peng, apoyado por una beca Takeda, será uno de los primeros en utilizar células de lesiones de carcinoma intraepitelial tubárico seroso que se encuentran en las trompas de Falopio de muchos pacientes con HGSOC. Al examinar los cambios celulares y moleculares que ocurren en respuesta al tratamiento con inhibidores de moléculas pequeñas, espera identificar biomarcadores potenciales y objetivos terapéuticos prometedores para el HGSOC, incluidas opciones de tratamiento personalizadas para pacientes con HGSOC, y en última instancia mejorar sus resultados clínicos. El trabajo de Peng tiene el potencial de generar importantes avances en el tratamiento del cáncer y estimular nuevas aplicaciones innovadoras de la IA en la atención sanitaria.
Priyanka Raghavan
Priyanka Raghavan es candidata a doctorado en el Departamento de Ingeniería Química. Los intereses de investigación de Raghavan se encuentran en la frontera de la química predictiva, integrando enfoques computacionales y experimentales para construir nuevas y poderosas herramientas predictivas para aplicaciones de importancia social, incluido el descubrimiento de fármacos. Específicamente, Raghavan está desarrollando modelos novedosos para predecir la reactividad y compatibilidad de sustratos de moléculas pequeñas en regímenes donde hay pocos datos disponibles (los regímenes más realistas). Una beca Takeda permitirá a Raghavan ampliar los límites de su investigación, haciendo un uso innovador de enfoques de aprendizaje automático multitarea y con pocos datos, química sintética y automatización robótica de laboratorio, con el objetivo de crear un sistema autónomo de circuito cerrado para el descubrimiento de pequeñas moléculas orgánicas de alto rendimiento en el contexto de reacciones poco exploradas. El trabajo de Raghavan tiene como objetivo identificar reacciones nuevas y versátiles para ampliar la caja de herramientas sintéticas de un químico con estructuras y sustratos novedosos que podrían formar la base de medicamentos esenciales. Su trabajo tiene potencial para lograr impactos de gran alcance en el descubrimiento de moléculas pequeñas en etapas tempranas y podría ayudar a que el largo proceso de descubrimiento de fármacos sea significativamente más rápido y económico.
Canción de Zhiye
Zhiye “Zoey” Song es candidata a doctorado en el Departamento de Ingeniería Eléctrica e Informática. La investigación de Song integra enfoques de vanguardia en aprendizaje automático (ML) y optimización de hardware para crear dispositivos médicos portátiles de próxima generación. Específicamente, Song está desarrollando enfoques novedosos para la implementación energéticamente eficiente de la computación ML en dispositivos médicos de baja potencia, incluido un «parche» de ultrasonido portátil que captura y procesa imágenes para capacidades de toma de decisiones en tiempo real. Su trabajo reciente, realizado en colaboración con médicos, se ha centrado en la monitorización del volumen de la vejiga; Otras aplicaciones potenciales incluyen el control de la presión arterial, el diagnóstico muscular y la neuromodulación. Con el apoyo de una beca Takeda, Song aprovechará ese trabajo prometedor y buscará mejoras clave en las tecnologías de dispositivos portátiles existentes, incluido el desarrollo de algoritmos de aprendizaje automático con poca memoria y computación y chips de bajo consumo para habilitar el aprendizaje automático en dispositivos portátiles inteligentes. Las tecnologías que surgen de la investigación de Song podrían ofrecer nuevas e interesantes capacidades en el cuidado de la salud, permitiendo diagnósticos en el lugar de atención potentes y rentables y ampliando el acceso individual a la monitorización médica autónoma y continua.
Peiqi Wang
Peiqi Wang es candidato a doctorado en el Departamento de Ingeniería Eléctrica e Informática. La investigación de Wang tiene como objetivo desarrollar métodos de aprendizaje automático para el aprendizaje y la interpretación de imágenes médicas y datos clínicos asociados para respaldar la toma de decisiones clínicas. Está desarrollando un enfoque de aprendizaje de representación multimodal que alinea el conocimiento capturado en grandes cantidades de imágenes médicas y datos de texto para transferir este conocimiento a nuevas tareas y aplicaciones. Con el apoyo de una beca Takeda, Wang avanzará en esta prometedora línea de trabajo para crear herramientas sólidas que interpreten imágenes, aprendan de la escasa retroalimentación humana y razonen como médicos, con beneficios potencialmente importantes para importar. nt partes interesadas en la atención de salud.
Óscar Wu
Haoyang “Oscar” Wu es candidato a doctorado en el Departamento de Ingeniería Química. La investigación de Wu integra química cuántica y métodos de aprendizaje profundo para acelerar el proceso de detección de moléculas pequeñas en el desarrollo de nuevos fármacos. Al identificar y automatizar métodos confiables para encontrar geometrías de estados de transición y calcular alturas de barrera para nuevas reacciones, el trabajo de Wu podría hacer posible realizar cálculos ab initio de alto rendimiento de las velocidades de reacción necesarios para detectar la reactividad de una gran cantidad de ingredientes farmacéuticos activos ( API). Una beca Takeda respaldará su proyecto actual para: (1) desarrollar software de código abierto para cálculos de química cuántica de alto rendimiento, centrándose en la reactividad de moléculas similares a fármacos, y (2) desarrollar modelos de aprendizaje profundo que puedan predecir cuantitativamente la oxidación. Estabilidad de las API. Las herramientas y los conocimientos resultantes de la investigación de Wu podrían ayudar a transformar y acelerar el proceso de descubrimiento de fármacos, ofreciendo importantes beneficios a los campos médico y farmacéutico y a los pacientes.
Soojung Yang
Soojung Yang es candidata a doctorado en el Departamento de Ciencia e Ingeniería de Materiales. La investigación de Yang aplica métodos de vanguardia en aprendizaje profundo geométrico y modelado generativo, junto con simulaciones atomísticas, para comprender y modelar mejor la dinámica de las proteínas. Específicamente, Yang está desarrollando herramientas novedosas en IA generativa para explorar paisajes conformacionales de proteínas que ofrecen mayor velocidad y detalle que las simulaciones basadas en la física a un costo sustancialmente menor. Con el apoyo de una beca Takeda, aprovechará su exitoso trabajo sobre la transformación inversa de proteínas de grano grueso a resolución de todos los átomos, con el objetivo de construir modelos de aprendizaje automático que unen múltiples escalas de tamaño de diversidad de conformación de proteínas (todos los átomos). átomo, nivel de residuo y nivel de dominio). La investigación de Yang tiene el potencial de proporcionar una nueva herramienta poderosa y ampliamente aplicable para los investigadores que buscan comprender las complejas funciones de las proteínas que intervienen en las enfermedades humanas y diseñar medicamentos para tratar y curar esas enfermedades.
Yuzhe Yang
Yuzhe Yang es candidata a doctorado en el Departamento de Ingeniería Eléctrica e Informática. Los intereses de investigación de Yang se encuentran en la intersección del aprendizaje automático y la atención médica. En su trabajo pasado y actual, Yang ha desarrollado y aplicado modelos innovadores de aprendizaje automático que abordan desafíos clave en el diagnóstico y seguimiento de enfermedades. Sus muchos logros notables incluyen la creación de una de las primeras soluciones basadas en aprendizaje automático que utiliza señales de respiración nocturna para detectar la enfermedad de Parkinson (EP), estimar la gravedad de la enfermedad y realizar un seguimiento de la progresión de la EP. Con el apoyo de una beca Takeda, Yang ampliará este prometedor trabajo para desarrollar un modelo de diagnóstico basado en inteligencia artificial para la enfermedad de Alzheimer (EA) utilizando datos de respiración durante el sueño que sea significativamente más confiable, flexible y económico que las herramientas de diagnóstico actuales. Este sistema de monitoreo pasivo, doméstico y sin contacto, que se asemeja a un simple enrutador Wi-Fi doméstico, también permitirá la evaluación remota de enfermedades y el seguimiento continuo de la progresión. El innovador trabajo de Yang tiene el potencial de avanzar en el diagnóstico y tratamiento de enfermedades prevalentes como la EP y la EA, y ofrece interesantes posibilidades para abordar muchos desafíos de salud con herramientas de aprendizaje automático confiables y asequibles.
