ABOUT THE SPEAKER
Leila Pirhaji - Biotech entrepreneur
Leila Pirhaji uses artificial intelligence for drug discovery and the treatment of metabolic diseases.

Why you should listen

Leila Pirhaji is the founder of ReviveMed, an AI platform that can quickly and inexpensively characterize large numbers of metabolites (small molecules like glucose or cholesterol) from the blood, urine and tissues of patients. This allows for the detection of molecular mechanisms that lead to disease and the discovery of drugs that target these disease mechanisms.

More profile about the speaker
Leila Pirhaji | Speaker | TED.com
TED2019

Leila Pirhaji: The medical potential of AI and metabolites

Leila Pirhaji: Potencijal umjetne inteligencije (AI) i metabolita u medicini

Filmed:
1,210,569 views

Mnoge bolesti pokreću metaboliti -- male molekule u vašem tijelu poput masti, glukoze i kolesterola -- ali ne znamo točno što su oni i kako djeluju. Biotehnička poduzetnica i TED suradnica Leila Pirhaji izlaže svoj plan za izgradnju mreže utemeljene na AI-u kako bi se karakterizirali obrasci metabolita, bolje razumjelo kako se bolest razvija -- i otkrili učinkovitiji načini liječenja.
- Biotech entrepreneur
Leila Pirhaji uses artificial intelligence for drug discovery and the treatment of metabolic diseases. Full bio

Double-click the English transcript below to play the video.

00:13
In 2003,
0
1507
1889
2003. godine,
00:15
when we sequencedporedan the humanljudski genomegenom,
1
3420
2913
kad smo razložili ljudski genom,
00:18
we thought we would have the answerodgovor
to treatliječiti manymnogi diseasesoboljenja.
2
6357
3922
mislili smo da ćemo imati odgovor
za liječenje mnogih bolesti.
00:22
But the realitystvarnost is fardaleko from that,
3
10974
2657
No, stvarnost je daleko od toga,
00:26
because in additiondodatak to our genesgeni,
4
14782
1921
jer osim naših gena,
00:28
our environmentokolina and lifestylenačin života
could have a significantznačajan roleuloga
5
16727
4570
naše okruženje i način života
mogu imati značajnu ulogu
00:33
in developingrazvoju manymnogi majorglavni diseasesoboljenja.
6
21321
2548
u razvoju mnogih velikih bolesti.
00:35
One exampleprimjer is fattymasne liverjetra diseasebolest,
7
23893
3580
Jedan primjer je bolest masne jetre,
00:39
whichkoji is affectingutječu over 20 percentposto
of the populationpopulacija globallyglobalno,
8
27497
4083
koja pogađa preko 20% stanovnika svijeta,
00:43
and it has no treatmentliječenje
and leadsvodi to liverjetra cancerRak
9
31604
3034
i nema joj lijeka, a vodi do raka jetre
00:46
or liverjetra failureneuspjeh.
10
34662
1423
ili zatajenja jetre.
00:49
So sequencingsekvencioniranje DNADNK alonesam
doesn't give us enoughdovoljno informationinformacija
11
37517
4744
Dakle, sekvenciranje DNK samo po sebi
ne daje nam dovoljno informacija
00:54
to find effectivedjelotvoran therapeuticsTherapeutics.
12
42285
2232
za pronalazak učinkovitih terapija.
00:56
On the brightsvijetao sidestrana, there are
manymnogi other moleculesmolekule in our bodytijelo.
13
44541
3756
Dobro je što postoje mnoge druge
molekule u našem tijelu.
01:00
In factčinjenica, there are
over 100,000 metabolitesmetabolita.
14
48321
3980
Zaista, postoji preko 100.000 metabolita.
01:04
MetabolitesMetabolita are any moleculemolekula
that is supersmallsupermali in theirnjihov sizeveličina.
15
52325
4296
Metaboliti su bilo koja molekula
supermale veličine.
01:09
KnownPoznat examplesprimjeri are glucoseglukoza,
fructosefruktoza, fatsmasti, cholesterolkolesterol --
16
57193
4972
Poznati primjeri su glukoza, fruktoza,
masti, kolesterol --
01:14
things we hearčuti all the time.
17
62189
1510
ono o čemu stalno slušamo.
01:16
MetabolitesMetabolita are involvedumiješan
in our metabolismmetabolizam.
18
64273
2983
Metaboliti su uključeni u naš metabolizam.
01:20
They are alsotakođer downstreamnizvodno of DNADNK,
19
68066
4028
Oni su na nižoj razini od DNK
01:24
so they carrynositi informationinformacija
from bothoba our genesgeni as well as lifestylenačin života.
20
72118
5082
pa nose informacije iz naših gena,
kao i stila života.
01:29
UnderstandingRazumijevanje metabolitesmetabolita is essentialosnovni
to find treatmentstretmani for manymnogi diseasesoboljenja.
21
77224
5649
Razumijevanje metabolita je ključno
za pronalazak tretmana za mnoge bolesti.
01:34
I've always wanted to treatliječiti patientspacijenti.
22
82897
2212
Oduvijek sam željela liječiti pacijente.
01:37
DespiteUnatoč that, 15 yearsgodina agoprije,
I left medicalmedicinski schoolškola,
23
85934
3858
Unatoč tome, prije 15 godina,
napustila sam medicinsku školu
01:41
as I missedpropustili mathematicsmatematika.
24
89816
1965
jer mi je nedostajala matematika.
01:45
SoonUskoro after, I foundpronađeno the coolestzgodnih thing:
25
93019
2936
Ubrzo potom otkrila sam sjajnu stvar:
01:48
I can use mathematicsmatematika to studystudija medicinelijek.
26
96692
2763
Mogu koristiti matematiku
za studij medicine.
01:53
SinceOd then, I've been developingrazvoju
algorithmsalgoritmi to analyzeanalizirati biologicalbiološki datapodaci.
27
101026
5213
Od tada razvijam algoritme
za analizu bioloških podataka.
01:59
So, it soundedzvučalo easylako:
28
107092
2283
Dakle, zvučalo je jednostavno:
02:01
let's collectprikupiti datapodaci from all
the metabolitesmetabolita in our bodytijelo,
29
109399
3601
prikupimo podatke o svim
metabolitima u našem tijelu,
02:05
developrazviti mathematicalmatematički modelsmodeli to describeopisati
how they are changedpromijenjen in a diseasebolest
30
113024
5128
razvijmo matematičke modele
za opisivanje kako se mijenjaju u bolesti
02:10
and interveneintervenirati in those
changespromjene to treatliječiti them.
31
118176
2988
i intervenirajmo u te promjene
kako bismo ih liječili.
02:14
Then I realizedshvatio why no one
has doneučinio this before:
32
122488
3472
Tada sam shvatila zašto
to nitko nije učinio prije:
02:19
it's extremelykrajnje difficulttežak.
33
127230
1687
to je iznimno teško.
02:20
(LaughterSmijeh)
34
128941
1087
(Smijeh)
02:22
There are manymnogi metabolitesmetabolita in our bodytijelo.
35
130052
2412
Postoje mnogi metaboliti u našem tijelu.
02:24
EachSvaki one is differentdrugačiji from the other one.
36
132783
2500
Svaki od njih različit je od onog drugog.
02:27
For some metabolitesmetabolita,
we can measuremjera theirnjihov molecularmolekularna massmasa
37
135307
3728
Nekim metabolitima možemo
mjeriti molekularnu masu
02:31
usingkoristeći massmasa spectrometryspektrometrija instrumentsinstrumenti.
38
139059
2593
instrumentima za spektrometriju mase.
02:33
But because there could be, like,
10 moleculesmolekule with the exacttočno sameisti massmasa,
39
141676
4393
No kako bi moglo biti, recimo,
10 molekula s istom masom,
02:38
we don't know exactlytočno what they are,
40
146093
1807
ne znamo točno koje su,
02:39
and if you want to clearlyjasno
identifyidentificirati all of them,
41
147924
2774
pa ako ih želite sve jasno identificirati,
02:42
you have to do more experimentspokusi,
whichkoji could take decadesdesetljeća
42
150722
3104
treba raditi još eksperimenata,
što bi moglo trajati desetljećima
02:45
and billionsmilijarde of dollarsdolara.
43
153850
1714
i stajati milijarde dolara.
02:48
So we developedrazvijen an artificialUmjetna
intelligenceinteligencija, or AIAI, platformplatforma, to do that.
44
156207
5563
Tako smo razvili umjetnu inteligenciju,
ili AI, kao platformu koja će to učiniti.
02:53
We leveragedutjecati the growthrast of biologicalbiološki datapodaci
45
161794
2844
Iskoristili smo rast bioloških podataka
02:56
and builtizgrađen a databasebaza podataka of any existingpostojanje
informationinformacija about metabolitesmetabolita
46
164662
4424
i izgradili bazu podataka svih postojećih
informacija o metabolitima
03:01
and theirnjihov interactionsinterakcije
with other moleculesmolekule.
47
169110
3128
i interakcija njih s drugim molekulama.
03:04
We combinedkombinirana all this datapodaci
as a meganetworkmeganetwork.
48
172262
3424
Povezali smo sve te podatke u megamrežu.
03:07
Then, from tissuestkiva or bloodkrv of patientspacijenti,
49
175710
3396
Zatim iz tkiva ili krvi bolesnika
03:11
we measuremjera massesmase of metabolitesmetabolita
50
179130
2751
mjerimo mase metabolita
03:13
and find the massesmase
that are changedpromijenjen in a diseasebolest.
51
181905
3259
i tražimo one koje se mijenjaju u bolesti.
03:17
But, as I mentionedspominje earlierranije,
we don't know exactlytočno what they are.
52
185188
3190
Ali, kao što sam spomenula ranije,
ne znamo točno koji su.
03:20
A molecularmolekularna massmasa of 180 could be
eitherili the glucoseglukoza, galactoseGalaktozu or fructosefruktoza.
53
188402
5135
Molekulska masa 180 može biti
glukoza, galaktoza ili fruktoza.
03:25
They all have the exacttočno sameisti massmasa
54
193561
2019
Sve one imaju iste mase
03:27
but differentdrugačiji functionsfunkcije in our bodytijelo.
55
195604
2087
ali različite funkcije u našem tijelu.
03:29
Our AIAI algorithmalgoritam consideredsmatra
all these ambiguitiesnejasnoća.
56
197715
3587
Naš AI algoritam uzima u obzir
sve te nedorečenosti.
03:33
It then minedminiran that meganetworkmeganetwork
57
201326
2736
Zatim pretražuje tu megamrežu
03:36
to find how those metabolicmetabolički massesmase
are connectedpovezan to eachsvaki other
58
204086
4353
da vidi kako su te metaboličke mase
međusobno povezane
03:40
that resultproizlaziti in diseasebolest.
59
208463
1958
kad rezultiraju bolešću.
03:42
And because of the way they are connectedpovezan,
60
210445
2238
I po načinu na koji su povezani,
03:44
then we are ableu stanju to inferzaključiti
what eachsvaki metaboliteMetabolit massmasa is,
61
212707
4323
onda možemo zaključiti
što je svaka metabolička masa,
03:49
like that 180 could be glucoseglukoza here,
62
217054
2924
kao, ovdje bi 180 mogla biti glukoza,
03:52
and, more importantlyvažnije, to discoverotkriti
63
220002
2551
i, što je još važnije, otkriti
03:54
how changespromjene in glucoseglukoza
and other metabolitesmetabolita
64
222577
3367
kako promjene u glukozi
i drugim metabolitima
03:57
leaddovesti to a diseasebolest.
65
225968
1505
dovode do bolesti.
03:59
This novelroman understandingrazumijevanje
of diseasebolest mechanismsmehanizmi
66
227497
2995
To novo razumijevanje mehanizama bolesti
04:02
then enableomogućiti us to discoverotkriti
effectivedjelotvoran therapeuticsTherapeutics to targetcilj that.
67
230516
4492
omogućuje nam zatim otkrivanje
učinkovitih ciljanih terapija.
04:07
So we formedformirana a start-uppuštanje u pogon companydruštvo
to bringdonijeti this technologytehnologija to the markettržište
68
235601
3845
Stoga smo osnovali start-up tvrtku kako
bismo tu tehnologiju stavili na tržište
04:11
and impactudar people'snarodno livesživot.
69
239470
1805
i poboljšali živote ljudi.
04:13
Now my teamtim and I at ReviveMedRevivje
are workingrad to discoverotkriti
70
241722
3545
Sada moj tim i ja u ReviveMed
radimo na otkrivanju
04:17
therapeuticsTherapeutics for majorglavni diseasesoboljenja
that metabolitesmetabolita are keyključ driversupravljački programi for,
71
245291
5105
terapija za glavne bolesti
kojima su ključni pokretači metaboliti,
04:22
like fattymasne liverjetra diseasebolest,
72
250420
1897
poput bolesti masne jetre,
04:24
because it is causedizazvan
by accumulationakumulacija of fatsmasti,
73
252341
2924
jer je uzrokovana nakupljanjem masti,
04:27
whichkoji are typesvrste
of metabolitesmetabolita in the liverjetra.
74
255289
2473
koje su vrste metabolita u jetri.
04:29
As I mentionedspominje earlierranije,
it's a hugeogroman epidemicepidemija with no treatmentliječenje.
75
257786
3940
Kao što sam spomenula ranije,
to je ogromna epidemija bez lijeka.
04:33
And fattymasne liverjetra diseasebolest
is just one exampleprimjer.
76
261750
2724
A bolest masne jetre je
samo jedan primjer.
04:36
MovingKoji se kreće forwardnaprijed, we are going to tacklepribor
hundredsstotine of other diseasesoboljenja
77
264498
4178
Ubuduće ćemo se boriti
sa stotinama drugih bolesti
04:40
with no treatmentliječenje.
78
268700
1493
za koje nema lijeka.
04:42
And by collectingprikupljanje more and more
datapodaci about metabolitesmetabolita
79
270217
4554
Prikupljanjem sve više
podataka o metabolitima
04:46
and understandingrazumijevanje
how changespromjene in metabolitesmetabolita
80
274795
3544
i razumijevanjem kako promjene metabolita
04:50
leadsvodi to developingrazvoju diseasesoboljenja,
81
278363
2402
dovode do razvoja bolesti,
04:52
our algorithmsalgoritmi will get
smarterpametnije and smarterpametnije
82
280789
3489
naši algoritmi će postajati sve pametniji
04:56
to discoverotkriti the right therapeuticsTherapeutics
for the right patientspacijenti.
83
284302
4196
u otkrivanju pravih terapija
za pravog pacijenta.
05:00
And we will get closerbliže to reachdohvatiti our visionvizija
84
288522
3770
Približit ćemo se ostvarenju naše vizije:
05:04
of savingušteda livesživot with everysvaki linecrta of codekodirati.
85
292316
3863
spašavanja života sa svakim retkom koda.
05:08
Thank you.
86
296203
1321
Hvala vam.
05:09
(ApplausePljesak)
87
297548
3827
(Pljesak)
Translated by Ivan Nekić
Reviewed by Sanda Liker

▲Back to top

ABOUT THE SPEAKER
Leila Pirhaji - Biotech entrepreneur
Leila Pirhaji uses artificial intelligence for drug discovery and the treatment of metabolic diseases.

Why you should listen

Leila Pirhaji is the founder of ReviveMed, an AI platform that can quickly and inexpensively characterize large numbers of metabolites (small molecules like glucose or cholesterol) from the blood, urine and tissues of patients. This allows for the detection of molecular mechanisms that lead to disease and the discovery of drugs that target these disease mechanisms.

More profile about the speaker
Leila Pirhaji | Speaker | TED.com