PathAI AI-ভিত্তিক প্যাথলজির প্রয়োগে সাম্প্রতিক অগ্রগতি প্রদর্শন করবে

PathAI, প্রযুক্তি ভিত্তিক বিশ্বব্যাপী নেতাকৃত্রিম বুদ্ধিমত্তা (AI) প্যাথলজির জন্য, আজ ঘোষণা করেছে যে সংস্থার সাম্প্রতিক গবেষণাটি আসন্ন 2022 AASLD 2022 লিভার মিটিং*-এ উপস্থাপন করা হবে, যা ওয়াশিংটন, ডিসি 4-8 নভেম্বর, 2022-এ অনুষ্ঠিত হচ্ছে।

এই বছরের ইভেন্টে, PathAI মোট পাঁচটি উপস্থাপনা, চারটি পোস্টার উপস্থাপনা এবং একটি মৌখিক উপস্থাপনা ভাগ করবে, যার মধ্যে চারটি ফার্মাসিউটিক্যাল অংশীদারদের সাথে সহ-উন্নত করা হয়েছে। বিশেষ করে, নন-অ্যালকোহলিক স্টেটোহেপাটাইটিস (NASH) এর জন্য নতুন অনুসন্ধানগুলি তুলে ধরে যে PathAI কীভাবে আজকের NASH ক্লিনিকাল ট্রায়ালের মান পূরণের জন্য একটি প্রজননযোগ্য এবং নির্ভুল ক্লিনিক্যাল রিসার্চ নেটওয়ার্ক (CRN) স্কোরিং টুলের প্রয়োজনীয়তাকে মোকাবেলা করে চলেছে, সেইসাথে আরও কিছুর প্রয়োজন। শক্তিশালী পরিমাণগত তথ্য পরিমাপ।

“আমাদের দলের সর্বশেষ গবেষণার লক্ষ্য লিভার বায়োপসিগুলির প্যাথলজিকাল পর্যালোচনায় বিদ্যমান পরিবর্তনশীলতা অন্বেষণ করা। আমাদের অনুসন্ধানগুলি ইঙ্গিত দেয় যে এই প্রক্রিয়ার মধ্যে AI সমাধানগুলিকে একীভূত করা এই মূল্যায়নগুলির ধারাবাহিকতা এবং নির্ভুলতাকে ব্যাপকভাবে উন্নত করতে পারে, "ড. মাইক মন্টালটো, পাথএআই-এর প্রধান বৈজ্ঞানিক কর্মকর্তা। "এই পদ্ধতিটি স্বাভাবিকভাবেই NASH ওষুধের উন্নয়নের উন্নতিতে প্রসারিত হবে, যা রোগীদের জন্য একটি বৃহৎ অসম্পূর্ণ চিকিৎসা প্রয়োজন মোকাবেলার জন্য গুরুত্বপূর্ণ।"

গিলিয়েড সায়েন্সেসের সহযোগিতায় বিকশিত একটি মৌখিক উপস্থাপনায়,  "একটি মাল্টি-স্টেইনিং মেশিন লার্নিং পদ্ধতি থেকে প্রাপ্ত CRN স্কোর ব্যবহার করে NASH হিস্টোলজির অনুসন্ধানমূলক বিশ্লেষণ", PathAI একটি নতুন মেশিন লার্নিং (ML)-ভিত্তিক স্কোরিং মডেল হাইলাইট করবে, যা NASH CRN গ্রেড/পর্যায়গুলির ভবিষ্যদ্বাণী করতে H&E এবং ম্যাসন ত্রি-রঙের ছবি থেকে সম্মিলিত তথ্য ব্যবহার করে। NASH বায়োপসি মূল্যায়নের বর্তমান প্রক্রিয়া উচ্চ পরিবর্তনশীলতার বিষয়; এই গবেষণাটি দেখায় কিভাবে PathAI ML একাধিক সম্পূর্ণ স্লাইড ইমেজ থেকে হিস্টোলজিক্যাল তথ্য একত্রিত করতে পারে একটি ক্রমাগত স্কেলে NASH CRN গ্রেড/পর্যায়গুলির ভবিষ্যদ্বাণী করতে, সম্ভাব্যভাবে প্রতিটি দাগের জন্য মূল্যায়ন করা টিস্যু নমুনার মধ্যে পার্থক্যকে প্রশমিত করে। তদ্ব্যতীত, এই ভবিষ্যদ্বাণীগুলি থেকে বের করা ক্রমাগত CRN বৈশিষ্ট্য স্কোরগুলি একই ইনপুট থেকে নেওয়া হয়েছিল; যেমন, PathAI মডেলটি NASH-এর চারটি হিস্টোলজিক্যাল বৈশিষ্ট্যের সাথে সম্পর্কিত বৈশিষ্ট্যগুলির সরাসরি তুলনা করার অনুমতি দেয়,

PathAI-এর ক্রমাগত ML স্কোরিং ক্ষমতার কার্যকারিতা আরও প্রদর্শনের জন্য, PathAI নভো নরডিস্কের সহযোগিতায় বিকশিত ডেটা উপস্থাপন করবে যা দেখায় যে লিভার হিস্টোলজি মূল্যায়ন সাধারণত প্যাথলজিস্ট এবং NASH সিরোসিস রোগীদের এমএল মূল্যায়ন জুড়ে সামঞ্জস্যপূর্ণ ছিল। "মেশিন লার্নিং মডেল অ্যাসেসমেন্ট এবং প্যাথলজিস্ট অ্যাসেসমেন্টের মধ্যে নন-অ্যালকোহলিক স্টিটোহেপাটাইটিস সিরোসিস রোগীদের লিভার হিস্টোলজিতে সেমাগ্লুটাইড প্রভাবের তুলনা,"  নির্দেশ করে যে PathAI-এর ML বিশ্লেষণে প্যাথলজিস্টদের স্কোরের তুলনায় উল্লেখযোগ্যভাবে কম প্ল্যাসিবো প্রতিক্রিয়া পাওয়া গেছে, পূর্বে রিপোর্ট করা পর্যবেক্ষণগুলিকে সমর্থন করে এবং আরও প্রমাণ প্রদান করে যে ML পদ্ধতিগুলি NASH-এর ক্লিনিকাল ট্রায়ালগুলিতে আরও সঠিকভাবে চিকিত্সার প্রতিক্রিয়া ক্যাপচার করতে পারে।

PathAI লিভার বায়োপসিগুলির আরও দানাদার মূল্যায়নের জন্য দীর্ঘমেয়াদী প্রয়োজনকে সমর্থন করার জন্য NASH গবেষণাকে অগ্রসর করে চলেছে। একটি নতুন পদ্ধতি উপস্থাপন করা হচ্ছে” পরিমাণগত মাল্টিমডাল অ্যানিসোট্রপি ইমেজিং ম্যানুয়াল টীকা ছাড়াই CRN NASH ফাইব্রোসিস পর্যায়ের মেশিন লার্নিং পূর্বাভাস সক্ষম করে “, PathAI অন্যান্য টিস্যু বিভাগে NASH CRN ফাইব্রোসিস পর্যায়ে ভবিষ্যদ্বাণী করার জন্য মডেলদের প্রশিক্ষণের জন্য নিরপেক্ষ টীকা প্রদান করার জন্য ফাইব্রোসিসের পরিমাণগত মাল্টি-মডেল অ্যানিসোট্রপি ইমেজিং (QMAI) ব্যবহার করে NASH-এ ফাইব্রোসিসের ম্যানুয়াল প্যাথলজিক স্টেজিং-এর বৈচিত্র্যকে সম্বোধন করে। প্যাথলজিস্ট স্কোরের সাথে মডেলের পারফরম্যান্সের তুলনা করে, এই মডেলগুলি এমটি-দাগযুক্ত টিস্যু বিভাগের প্যাথলজিস্ট টীকা দ্বারা প্রশিক্ষিত মডেলগুলির সাথে তুলনীয় নির্ভুলতার সাথে CRN ফাইব্রোসিস পর্যায়ের পূর্বাভাস দিয়েছে।

BlogInnovazione.it

​