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。
“我們團隊的最新研究旨在探索肝臟活檢病理檢查中存在的變異性。 我們的研究結果表明，將人工智能解決方案集成到這個過程中可以大大提高這些評估的一致性和準確性。” PathAI 首席科學官 Mike Montalto。 “這種方法自然會擴展到改善 NASH 藥物開發，這對於解決患者大量未滿足的醫療需求至關重要。”
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
