PathAI จะแสดงความก้าวหน้าล่าสุดในการประยุกต์ใช้พยาธิวิทยาที่ใช้ AI

PathAI ผู้นำระดับโลกด้านเทคโนโลยีปัญญาประดิษฐ์ (AI) สำหรับพยาธิวิทยา ประกาศในวันนี้ว่างานวิจัยล่าสุดขององค์กรจะนำเสนอในการประชุม AASLD 2022 Liver Meeting* ประจำปี 2022 ซึ่งจะจัดขึ้นที่กรุงวอชิงตัน ดี.ซี. ระหว่างวันที่ 4-8 พฤศจิกายน 2022

ในงานปีนี้ PathAI จะนำเสนอการนำเสนอทั้งหมด XNUMX รายการ การนำเสนอโปสเตอร์ XNUMX รายการ และการนำเสนอด้วยปากเปล่า XNUMX รายการ โดย XNUMX รายการได้รับการพัฒนาร่วมกับพันธมิตรด้านเภสัชกรรม โดยเฉพาะอย่างยิ่ง การค้นพบใหม่สำหรับโรคตับอักเสบชนิดไม่มีแอลกอฮอล์ (NASH) เน้นย้ำว่า PathAI ยังคงตอบสนองความต้องการเครื่องมือให้คะแนน Clinical Research Network (CRN) ที่ทำซ้ำได้และแม่นยำเพื่อให้เป็นไปตามมาตรฐานของการทดลองทางคลินิกของ NASH ในปัจจุบัน ตลอดจนความต้องการเพิ่มเติม มาตรการข้อมูลเชิงปริมาณที่แข็งแกร่ง

“งานวิจัยล่าสุดของทีมของเรามุ่งสำรวจความแปรปรวนที่มีอยู่ในการตรวจสอบทางพยาธิวิทยาของการตรวจชิ้นเนื้อตับ การค้นพบของเราบ่งชี้ว่าการรวมโซลูชัน AI เข้ากับกระบวนการนี้สามารถปรับปรุงความสอดคล้องและความแม่นยำของการประเมินเหล่านี้ได้อย่างมาก” ดร. Mike Montalto หัวหน้าเจ้าหน้าที่วิทยาศาสตร์ของ PathAI “แนวทางนี้จะขยายไปสู่การปรับปรุงการพัฒนายา NASH โดยธรรมชาติ ซึ่งมีความสำคัญอย่างยิ่งต่อการตอบสนองความต้องการทางการแพทย์จำนวนมากที่ไม่ได้รับการตอบสนองสำหรับผู้ป่วย”

ในการนำเสนอปากเปล่าที่พัฒนาโดยความร่วมมือกับ Gilead Sciences  “การวิเคราะห์เชิงสำรวจของมิญชวิทยา NASH โดยใช้คะแนน CRN ที่ได้มาจากวิธีการเรียนรู้ด้วยเครื่องหลายจุด” PathAI จะเน้นโมเดลการให้คะแนนโดยใช้การเรียนรู้ด้วยเครื่อง (ML) ใหม่ ซึ่งใช้ข้อมูลที่รวมกันจากภาพสามสี H&E และ Masson เพื่อทำนายเกรด/สเตจของ NASH CRN กระบวนการปัจจุบันสำหรับการประเมินการตรวจชิ้นเนื้อ NASH นั้นมีความแปรปรวนสูง งานวิจัยนี้แสดงให้เห็นว่า PathAI ML สามารถรวมข้อมูลทางเนื้อเยื่อวิทยาจากภาพสไลด์ทั้งหมดหลายภาพเพื่อทำนายเกรด/ระยะของ NASH CRN ในระดับต่อเนื่องได้อย่างไร ซึ่งอาจลดการเปลี่ยนแปลงระหว่างตัวอย่างเนื้อเยื่อที่ประเมินสำหรับแต่ละคราบ นอกจากนี้ คะแนนคุณลักษณะ CRN ต่อเนื่องที่สกัดจากการคาดคะเนเหล่านี้ได้มาจากอินพุตเดียวกัน ด้วยเหตุนี้ โมเดล PathAI จึงช่วยให้สามารถเปรียบเทียบคุณสมบัติที่เกี่ยวข้องกับลักษณะทางเนื้อเยื่อวิทยาทั้งสี่ของ NASH ได้โดยตรง

เพื่อแสดงให้เห็นเพิ่มเติมถึงประสิทธิภาพของความสามารถในการให้คะแนน ML อย่างต่อเนื่องของ PathAI PathAI จะนำเสนอข้อมูลที่พัฒนาขึ้นโดยความร่วมมือกับ Novo Nordisk ซึ่งแสดงให้เห็นว่าการประเมินทางเนื้อเยื่อวิทยาของตับโดยทั่วไปมีความสอดคล้องกันระหว่างนักพยาธิวิทยาและการประเมิน ML ในผู้ป่วยโรคตับแข็ง NASH “การเปรียบเทียบผลเซมากลูไทด์ต่อเนื้อเยื่อตับในผู้ป่วยโรคตับแข็งชนิดไม่มีแอลกอฮอล์ระหว่างการประเมินโมเดลการเรียนรู้ด้วยเครื่องและการประเมินพยาธิแพทย์”  ชี้ให้เห็นว่าการวิเคราะห์ ML ของ PathAI พบผู้ตอบด้วยยาหลอกน้อยกว่าคะแนนของนักพยาธิวิทยาอย่างมีนัยสำคัญ ซึ่งสนับสนุนการสังเกตที่รายงานไว้ก่อนหน้านี้ และให้หลักฐานเพิ่มเติมว่าวิธีการ ML สามารถจับการตอบสนองต่อการรักษาได้แม่นยำยิ่งขึ้นในการทดลองทางคลินิกบน NASH

PathAI เดินหน้าพัฒนาการวิจัยของ NASH อย่างต่อเนื่องเพื่อสนับสนุนความต้องการระยะยาวสำหรับการประเมินการตรวจชิ้นเนื้อตับที่ละเอียดมากขึ้น นำเสนอวิธีการใหม่ใน ” การถ่ายภาพ anisotropy หลายรูปแบบเชิงปริมาณช่วยให้สามารถทำนายการเรียนรู้ด้วยเครื่องของขั้นตอน CRN NASH fibrosis โดยไม่ต้องใส่คำอธิบายประกอบด้วยตนเอง “ PathAI กล่าวถึงความผันแปรของระยะพยาธิสภาพด้วยตนเองของการเกิดพังผืดใน NASH โดยใช้การถ่ายภาพ anisotropy หลายแบบจำลองเชิงปริมาณ (QMAI) ของการเกิดพังผืดเพื่อให้คำอธิบายประกอบที่เป็นกลางเพื่อฝึกแบบจำลองเพื่อทำนายระยะของการเกิดพังผืดของ NASH CRN ในส่วนเนื้อเยื่ออื่น ๆ โดยการเปรียบเทียบประสิทธิภาพของแบบจำลองกับคะแนนพยาธิแพทย์ แบบจำลองเหล่านี้คาดการณ์ระยะของการเกิดพังผืด CRN ด้วยความแม่นยำที่เทียบได้กับแบบจำลองที่ได้รับการฝึกฝนโดยนักพยาธิวิทยาหมายเหตุประกอบของส่วนเนื้อเยื่อที่มีคราบสี MT

BlogInnovazione.it

†<