PathAI mun sýna nýlegar framfarir í beitingu gervigreindrar meinafræði

PathAI, leiðandi á heimsvísu í tækni byggtgervigreind (AI) fyrir meinafræði, tilkynnti í dag að nýlegar rannsóknir stofnunarinnar verði kynntar á komandi 2022 AASLD 2022 Liver Meeting*, sem fram fer í Washington DC 4.-8. nóvember 2022.

Á viðburðinum í ár mun PathAI deila alls fimm kynningum, fjórum veggspjaldakynningum og einni munnlegri kynningu, þar af fjögur sem voru þróuð í samvinnu við lyfjafyrirtæki. Sérstaklega benda nýjar niðurstöður fyrir óáfenga fituhrörnunarbólgu (NASH) fram hvernig PathAI heldur áfram að takast á við þörfina fyrir endurtakanlegt og nákvæmt stigatæki fyrir klínískt rannsóknarnet (CRN) til að uppfylla staðla NASH klínískra rannsókna í dag, sem og þörfina fyrir fleiri öflugar mælingar á megindlegum gögnum.

„Nýjustu rannsóknir teymisins okkar miðuðu að því að kanna breytileikann sem er í meinafræðilegri endurskoðun á lifrarsýnum. Niðurstöður okkar benda til þess að samþætting gervigreindarlausna í þetta ferli getur bætt samkvæmni og nákvæmni þessara mata til muna,“ sagði Dr. Mike Montalto, yfirmaður vísindamála hjá PathAI. „Þessi nálgun mun náttúrulega ná til að bæta NASH lyfjaþróun, sem er mikilvægt til að mæta mikilli óuppfylltri læknisfræðilegri þörf fyrir sjúklinga.

Í munnlegri kynningu sem þróað var í samvinnu við Gilead Sciences,  "Könnunargreiningar á NASH vefjafræði með því að nota CRN stig fengnar úr fjöllitunarvélanámsaðferð", PathAI mun varpa ljósi á nýtt stigalíkan sem byggir á vélanámi (ML), sem notar samsettar upplýsingar frá H&E og Masson þrílita myndum til að spá fyrir um NASH CRN einkunnir/stig. Núverandi ferli til að meta NASH vefjasýni er háð miklum breytileika; Þessi rannsókn sýnir hvernig PathAI ML getur sameinað vefjafræðilegar upplýsingar úr mörgum heilum glærumyndum til að spá fyrir um NASH CRN einkunnir/stig á samfelldum mælikvarða, sem hugsanlega dregur úr breytileika á milli vefjasýnis sem metið er fyrir hvern lit. Ennfremur voru samfelldu CRN eiginleikaskorin sem voru dregin út úr þessum spám fengnar frá sama inntakinu; sem slíkt gerir PathAI líkanið kleift að bera beinan samanburð á eiginleikum sem tengjast öllum fjórum vefjafræðilegum einkennum NASH,

Til að sýna enn frekar fram á virkni stöðugrar ML stigagetu PathAI mun PathAI kynna gögn sem þróuð voru í samvinnu við Novo Nordisk sem sýna að mat á lifrarvefjafræði var almennt í samræmi meðal meinafræðinga og ML mat hjá sjúklingum með NASH skorpulifur. „Samanburður á áhrifum semaglútíðs á vefjafræði í lifur hjá sjúklingum með óáfengan lifrarbólguskorpulifur á milli mats á vélanámi og mats á meinafræðingum,“  bendir á að ML-greining PathAI fann marktækt færri lyfleysu-svörun en skor meinafræðinga, sem styður áður tilkynntar athuganir og gefur frekari vísbendingar um að ML-aðferðir geti fanga meðferðarsvörun betur í klínískum rannsóknum á NASH.

PathAI heldur áfram að efla NASH rannsóknir til að styðja við langtímaþörf fyrir meira kornótt mat á lifrarsýnum. Kynna nýja aðferð í ” Magnbundin fjölmóta anisotropy myndgreining gerir vélanámsspá um CRN NASH bandvefsstig án handvirkrar skýringar “, PathAI fjallar um breytileika í handvirkri meinafræðilegri stigun bandvefs í NASH með því að nota megindlega multi-model anisotropy imaging (QMAI) af bandvefsmyndun til að veita óhlutdrægar athugasemdir til að þjálfa líkön til að spá fyrir um NASH CRN bandvefsstig í öðrum vefjahlutum. Með því að bera saman frammistöðu líkansins við stig meinafræðinga spáðu þessi líkön fyrir um CRN bandvefsstig með sambærilegri nákvæmni og líkön sem þjálfuð voru með skýringu meinafræðings á MT-lituðum vefjahlutum.

BlogInnovazione.it

​