كيف تستخدم Roche التعلم الآلي لتعزيز قدراتها في علم الأمراض الرقمي

نظرة عامة

تستفيد شركة فارما من التعلم الآلي لزيادة ودعم أخصائيي الأمراض في تقييم سمية الأدوية بشكل أفضل وأسرع من أي وقت مضى، وزيادة شفافية عملية ضمان الجودة ورفع مستوى رعاية المرضى.

التحدي الرئيسي

تولد الدراسات قبل السريرية كميات كبيرة من البيانات المرضية، مما يجعل التحليل المرضي مستهلكًا للوقت. للامتثال لمعايير سلامة الأدوية الصارمة، تقوم Roche بتحليل آلاف صور الشرائح الكاملة كجزء من عملية تقييم السمية.

في كل دراسة، يجب على أخصائيي علم الأمراض العثور على الآفات الدقيقة وتسجيلها على ما يقرب من 1600 شريحة، يبلغ قياس كل منها 200 مليون بكسل (أي 23 مترًا في 23 مترًا). ومع ذلك، فإن حوالي 70٪ من الشرائح لا تحتوي على أي آفات. لذلك يبحث أخصائيو علم الأمراض في معظم الأوقات عن الشرائح العادية.

كيف ساعدنا

قمنا بتطوير نموذج التعلم الآلي الذي يحدد الشرائح الصحية ويرفضها تلقائيًا باستخدام أحدث تقنيات رؤية الكمبيوتر وبيانات علم الأمراض الرقمية. يوفر النموذج خرائط حرارية على شرائح الأنسجة لتسليط الضوء على المناطق المعرضة للآفات لأخصائيي علم الأمراض الخبراء، مما يجعل تحليلهم أكثر دقة وكفاءة.

• يتخلص بأمان من الشرائح السلبية الحقيقية (التي لا تحتوي على آفة)
• يساعد أخصائيي علم الأمراض في تحديد أولويات مجالات التركيز للشرائح المتبقية
• يقلل الوقت اللازم للعثور على الآفات

التأثير

من خلال طريقة أكثر فاعلية لتحليل الشرائح، يمكن للشركة تقليل عدد الشرائح المراد مراجعتها بنسبة 50٪. كما أنه يقلل من مخاطر تقديم تقارير إيجابية كاذبة يمكن أن تؤخر بشكل كبير عملية تطوير الدواء وتقلل من القدرة التنافسية للأدوية في المستقبل. يمكن لقدرات الذكاء الاصطناعي المكتسبة حديثًا تسريع التجارب السريرية وتقصير وقت الوصول إلى السوق. وأخيرًا، فإنه يسمح لشركة Roche بالاستفادة بشكل أفضل من بياناتها مع تطوير قدراتها التقنية وفهم حلول علوم البيانات.

انخفاض في مراجعات الشرائح


يمكن لـ Roche تقليل عدد الشرائح المراد مراجعتها بمقدار النصف، مما يؤدي إلى زيادة كفاءة سير العمل وتوفير الوقت في عملية التحليل.

الاستفادة المثلى من البيانات


من المقرر أن يكون للاستخدام الاستراتيجي للبيانات فوائد طويلة الأجل، مما يعزز فهم حلول علوم البيانات ويغذي تطوير الأدوية المبتكرة.

التجارب السريرية المعجلة (قبل)


يمكن أن يؤدي نشر نموذج الذكاء الاصطناعي إلى تسريع مرحلة التجارب السريرية، مما يقلل من الجدول الزمني العام لتطوير الأدوية ويزيد من سرعة الوصول إلى السوق.