PathAI sil resinte foarútgong sjen litte yn 'e tapassing fan AI-basearre patology

PathAI, in wrâldwide lieder yn technology basearrekeunstmjittige yntelliginsje (AI) foar patology, hjoed oankundige dat it resinte ûndersyk fan 'e organisaasje sil wurde presintearre op' e kommende 2022 AASLD 2022 Liver Meeting *, plakfine yn Washington, DC 4-8 novimber 2022.

By it barren fan dit jier sil PathAI in totaal fan fiif presintaasjes, fjouwer posterpresintaasjes en ien mûnlinge presintaasje diele, wêrfan fjouwer mei-ûntwikkele binne mei farmaseutyske partners. Benammen de nije befiningen foar net-alkoholyske steatohepatitis (NASH) markearje hoe't PathAI trochgiet mei it oanpakken fan 'e needsaak foar in reprodusearber en akkuraat Clinical Research Network (CRN) skoare-ark om te foldwaan oan' e noarmen fan hjoeddeistige NASH klinyske proeven, lykas ek de needsaak foar mear robúste kwantitative gegevens maatregels.

"It lêste ûndersyk fan ús team wie bedoeld om de fariabiliteit te ferkennen dy't bestiet yn 'e patologyske resinsje fan leverbiopsies. Us befinings jouwe oan dat it yntegrearjen fan AI-oplossingen yn dit proses de konsistinsje en krektens fan dizze beoardielingen sterk kin ferbetterje, "sei Dr. Mike Montalto, Chief Scientific Officer fan PathAI. "Dizze oanpak sil natuerlik útwreidzje nei it ferbetterjen fan NASH-medisynûntwikkeling, wat kritysk is foar it oanpakken fan in grutte ûnfoldwaande medyske need foar pasjinten."

Yn in mûnlinge presintaasje ûntwikkele yn gearwurking mei Gilead Sciences,  "Exploratory analyzes of NASH histology using CRN scores of a multi-staining machine learning method", PathAI sil in nij masine learen (ML)-basearre skoaremodel markearje, dat kombineare ynformaasje brûkt fan H&E en Masson trijekleurige ôfbyldings om NASH CRN-graden / stadia te foarsizzen. It hjoeddeiske proses foar it evaluearjen fan NASH-biopsies is ûnderwurpen oan hege fariabiliteit; Dit ûndersyk lit sjen hoe't PathAI ML histologyske ynformaasje kin kombinearje fan meardere heule slide-ôfbyldings om NASH CRN-graden / stadia op in trochgeande skaal te foarsizzen, wat mooglik de fariaasje tusken it weefselmonster evaluearre foar elke flekken ferminderje. Fierder waarden de trochgeande CRN-funksjeskoares dy't út dizze foarsizzingen helle waarden ôflaat fan deselde ynput; as sadanich makket it PathAI-model in direkte fergeliking fan funksjes ferbûn mei alle fjouwer histologyske skaaimerken fan NASH,

Om de effektiviteit fan PathAI's trochgeande ML-skoaringsmooglikheden fierder te demonstrearjen, sil PathAI gegevens presintearje ûntwikkele yn gearwurking mei Novo Nordisk dy't sjen litte dat beoardieling fan leverhistoaryske oer it algemien konsekwint wie oer patologen en ML-beoardieling yn pasjinten mei NASH-cirrhosis. "Fergeliking fan Semaglutide-effekten op leverhistology yn pasjinten mei net-alkoholyske Steatohepatitis-cirrhosis tusken beoardieling fan masine-learenmodel en beoardieling fan patolooch."  wiist derop dat PathAI's ML-analyse signifikant minder placebo-responders fûn dan de skoare fan 'e patologen, stipet earder rapporteare observaasjes en leveret fierdere bewiis dat ML-metoaden de behannelingsantwurden sekuer kinne fange yn klinyske proeven op NASH.

PathAI bliuwt NASH-ûndersyk foarút om de lange termyn needsaak foar mear korrelige evaluaasje fan leverbiopsies te stypjen. In nije metoade presintearje yn " Kwantitative multimodale anisotropy-ôfbylding makket masinelearen foarsizzing mooglik fan CRN NASH-fibrose-stadium sûnder hânmjittige annotaasje ", PathAI adressearret fariaasje yn manuele patologyske staging fan fibrosis yn NASH mei help fan kwantitative multi-model anisotropy imaging (QMAI) fan fibrosis om unbiased annotaasjes te leverjen om modellen te trenen om NASH CRN fibrosis-poadium yn oare tissue-seksjes te foarsizzen. Troch modelprestaasjes te fergelykjen mei de skoare foar patolooch, foarsizze dizze modellen CRN-fibrose-stadium mei in krektens fergelykber mei modellen oplaat troch patoloochannotaasje fan MT-bevlekte weefselseksjes.

BlogInnovazione.it

​