La pubblicazione su Blood Cancer Discovery convalida ulteriormente la piattaforma di medicina Exscientia basata su intelligenza artificiale per il miglioramento dei risultati dei pazienti
I risultati supportano lo screening deep learning ex vivo del farmaco con tessuto del paziente quale strumento promettente per individuare trattamenti efficaci e individuali per il tumore del sangue avanzato rispetto ai metodi convenzionali
Algoritmi di deep learning personalizzati e analisi di singole cellule di >1 miliardo di cellule di pazienti rivelano un ulteriore potenziale di miglioramento dei risultati dei pazienti
Exscientia, ETH Zurigo, l’Università di medicina di Vienna, e il Centro di medicina molecolare (CeMM) hanno annunciato oggi una nuova pubblicazione su Blood Cancer Discovery, la rivista dell’Associazione americana per la ricerca sul cancro, dal titolo “Deep Morphology Learning Enhances Precision Medicine by Image-Based Ex Vivo Drug Testing (L’apprendimento profondo sulla morfologia migliora la medicina di precisione tramite test sui farmaci ex vivo basati su immagini)” dal laboratorio del Prof. Berend Snijder.
Astratto
I test sui farmaci nelle cellule derivate da biopsia dei pazienti possono identificare trattamenti efficaci per i pazienti affetti da tumori ematologici recidivanti o refrattari. Qui esaminiamo l’uso dell’apprendimento profondo debolmente supervisionato sulle morfologie cellulari (DML) per integrare l’identificazione diagnostica basata su marcatori di cellule maligne e non maligne nei test sui farmaci. In 390 biopsie di 289 pazienti con diversi tumori del sangue, le risposte ai farmaci basate su DML mostrano una migliore riproducibilità e clustering di farmaci con la stessa modalità di azione. DML lo fa adattandosi agli effetti batch e riconoscendo autonomamente le morfologie cellulari associate alla malattia.
In un’analisi post hoc di 66 pazienti, i trattamenti raccomandati da DML hanno portato a una migliore sopravvivenza libera da progressione rispetto alle raccomandazioni basate sui marcatori e ai trattamenti basati sulla scelta del medico. I trattamenti raccomandati sia dall’immunofluorescenza che da DML hanno raddoppiato la frazione di pazienti che hanno ottenuto risposte cliniche eccezionali. Pertanto, lo screening dei farmaci ex vivo potenziato da DML è uno strumento promettente nell’identificazione di trattamenti personalizzati efficaci.
Significato
Abbiamo recentemente dimostrato che lo screening farmacologico basato sulle immagini nei campioni dei pazienti identifica opzioni di trattamento efficaci per i pazienti con tumori del sangue avanzati. Qui mostriamo che l’uso del deep learning per identificare cellule maligne e non maligne in base alla morfologia migliora tali screening. Il flusso di lavoro presentato è robusto, automatizzabile e compatibile con la routine clinica.
Per approfondire vai all’indirizzo: https://aacrjournals.org/bloodcancerdiscov/article/3/6/502/709894/Deep-Morphology-Learning-Enhances-Ex-Vivo-Drug
