PathAI AI негізіндегі патологияны қолданудағы соңғы жетістіктерді көрсетеді

PathAI, технологияға негізделген әлемдік көшбасшыжасанды интеллект (AI) патология бойынша бүгін ұйымның соңғы зерттеулері Вашингтонда, 2022 жылдың 2022-4 қарашасында өтетін 8 AASLD 2022 бауыр жиналысында* ұсынылатынын хабарлады.

Биылғы іс-шарада PathAI жалпы бес презентациямен, төрт постерлік және бір ауызша презентациямен бөліседі, олардың төртеуі фармацевтикалық серіктестермен бірлесіп әзірленген. Атап айтқанда, алкогольсіз стеатогепатитке (NASH) қатысты жаңа нәтижелер PathAI бүгінгі NASH клиникалық сынақтарының стандарттарына сәйкес келетін қайталанатын және дәл клиникалық зерттеулер желісінің (CRN) баллдық құралының қажеттілігін шешуді қалай жалғастыратынын, сондай-ақ қосымша зерттеулердің қажеттілігін көрсетеді. сенімді сандық деректер өлшемдері.

«Біздің топтың соңғы зерттеулері бауыр биопсияларының патологиялық шолуындағы өзгермелілігін зерттеуге бағытталған. Біздің қорытындыларымыз AI шешімдерін осы процеске біріктіру осы бағалаулардың дәйектілігі мен дәлдігін айтарлықтай жақсарта алатынын көрсетеді », - деді доктор. Майк Монталто, PathAI бас ғылыми қызметкері. «Бұл тәсіл, әрине, пациенттердің қанағаттандырылмаған медициналық қажеттіліктерін шешу үшін маңызды болып табылатын NASH препараттарын әзірлеуді жақсартуға ықпал етеді».

Gilead Sciences компаниясымен бірлесіп әзірленген ауызша баяндамада,  «Көп бояулы машинаны оқыту әдісінен алынған CRN ұпайларын пайдаланып NASH гистологиясының зерттеу талдаулары», PathAI NASH CRN бағаларын/кезеңдерін болжау үшін H&E және Masson үш түсті кескіндерінен біріктірілген ақпаратты пайдаланатын жаңа машиналық оқытуға (ML) негізделген баллдық үлгіні ерекшелейді. NASH биопсияларын бағалаудың ағымдағы процесі жоғары өзгергіштікке ұшырайды; Бұл зерттеу PathAI ML NASH CRN деңгейлерін/кезеңдерін үздіксіз шкала бойынша болжау үшін бірнеше тұтас слайд кескіндеріндегі гистологиялық ақпаратты қалай біріктіре алатынын көрсетеді, бұл әрбір дақ үшін бағаланған тін үлгісі арасындағы ықтималдылықты азайтады. Бұдан басқа, осы болжамдардан алынған үздіксіз CRN мүмкіндігі ұпайлары бірдей кірістен алынды; осылайша, PathAI моделі NASH-тың барлық төрт гистологиялық ерекшеліктерімен байланысты белгілерді тікелей салыстыруға мүмкіндік береді,

PathAI үздіксіз ML балл қою мүмкіндіктерінің тиімділігін одан әрі көрсету үшін PathAI Novo Nordisk-пен бірлесіп әзірленген деректерді ұсынады, бұл бауыр гистологиясының бағалауы әдетте патологтар арасында және NASH циррозы бар науқастарда ML бағалауында сәйкес келетінін көрсетеді. «Машиналық оқыту моделін бағалау мен патологты бағалау арасындағы алкогольсіз стеатогепатит циррозы бар науқастарда семаглютидтің бауыр гистологиясына әсерін салыстыру»,  PathAI-дің ML талдауы патологтардың ұпайларына қарағанда әлдеқайда аз плацебо-жауап берушілерді анықтағанын көрсетеді, бұл бұрын хабарланған бақылауларды қолдайды және ML әдістері NASH бойынша клиникалық зерттеулерде емдеу жауабын дәлірек түсіре алатынын қосымша дәлелдермен қамтамасыз етеді.

PathAI бауыр биопсияларын түйіршікті бағалаудың ұзақ мерзімді қажеттілігін қолдау үшін NASH зерттеулерін ілгерілетуді жалғастыруда. Жаңа әдісті ұсыну » Сандық мультимодальды анизотропиялық бейнелеу қолмен аннотациясыз CRN NASH фиброзының сатысын машиналық оқытуға болжауға мүмкіндік береді. «, PathAI фиброздың сандық көп модельді анизотропиялық бейнелеуін (QMAI) пайдалана отырып, NASH-те фиброздың қолмен патологиялық сатысындағы вариацияны басқа ұлпа бөлімдеріндегі NASH CRN фиброзының сатысын болжау үшін үлгілерді үйрету үшін бейтарап аннотацияларды қамтамасыз ету үшін қарастырады. Модельдің өнімділігін патологтың ұпайымен салыстыру арқылы бұл модельдер МТ-боялған тін бөліктерінің патолог аннотациясы үйреткен үлгілермен салыстырылатын дәлдікпен CRN фиброзының сатысын болжады.

BlogInnovazione.it

مور