PathAI 將展示基於人工智能的病理學應用的最新進展
PathAI，基於技術的全球領導者人工智能 (AI) 對於病理學，今天宣布該組織的最新研究將在即將於 2022 年 2022 月 4 日至 8 日在華盛頓特區舉行的 2022 AASLD XNUMX 肝臟會議*上公佈。
在今年的活動中，PathAI 將分享總共五場演講、四場海報演講和一場口頭演講，其中四場是與製藥合作夥伴共同開發的。 特別是，非酒精性脂肪性肝炎 (NASH) 的新發現突出了 PathAI 如何繼續滿足對可重現和準確的臨床研究網絡 (CRN) 評分工具的需求，以滿足當今 NASH 臨床試驗的標準，以及對更多的需求穩健的定量數據措施。
“L’ultima ricerca del nostro team mirava a esplorare le variabilità che esistono nella revisione patologica delle biopsie epatiche. I nostri risultati indicano che l’integrazione di soluzioni di 人工智能 in questo processo può migliorare notevolmente la coerenza e l’accuratezza di queste valutazioni “, ha affermato il dott. Mike Montalto, Chief Scientific Officer di PathAI. “Questo approccio si estenderà naturalmente al miglioramento dello sviluppo di farmaci NASH, che è fondamentale per affrontare una grande esigenza medica insoddisfatta per i pazienti”.
在與 Gilead Sciences 合作開發的口頭報告中， “使用來自多染色機器學習方法的 CRN 分數對 NASH 組織學進行探索性分析”， PathAI 將重點介紹一種新的基於機器學習（ML）的評分模型，該模型使用來自 H&E 和 Masson 三色圖像的組合信息來預測 NASH CRN 等級/階段。 目前用於評估 NASH 活檢的過程具有很大的可變性； 這項研究展示了 PathAI ML 如何結合來自多個完整幻燈片圖像的組織學信息，以連續預測 NASH CRN 等級/階段，從而有可能減輕為每個染色評估的組織樣本之間的差異。 此外，從這些預測中提取的連續 CRN 特徵分數來自相同的輸入； 因此，PathAI 模型允許直接比較與 NASH 所有四種組織學特徵相關的特徵，
為了進一步證明 PathAI 的連續 ML 評分能力的有效性，PathAI 將展示與諾和諾德合作開發的數據，表明肝臟組織學評估在病理學家和 NASH 肝硬化患者的 ML 評估中大體一致。 “在機器學習模型評估和病理學家評估之間比較 Semaglutide 對非酒精性脂肪性肝炎肝硬化患者肝臟組織學的影響，” 指出 PathAI 的 ML 分析發現安慰劑反應者明顯少於病理學家的評分，支持先前報告的觀察結果並提供進一步證據表明 ML 方法可以更準確地捕捉 NASH 臨床試驗中的治療反應。
PathAI 繼續推進 NASH 研究，以支持對肝活檢進行更精細評估的長期需求。 提出一種新方法” 定量多模態各向異性成像無需人工註釋即可實現 CRN NASH 纖維化階段的機器學習預測 “，PathAI 使用纖維化的定量多模型各向異性成像 (QMAI) 解決 NASH 纖維化手動病理分期的變化，以提供無偏見的註釋來訓練模型以預測其他組織切片中的 NASH CRN 纖維化階段。 通過將模型性能與病理學家評分進行比較，這些模型預測 CRN 纖維化分期的準確性可與病理學家對 MT 染色組織切片進行註釋訓練的模型相媲美。
BlogInnovazione.it
