كيف ساعدت Visium إحدى شركات الأدوية الكبرى في تحديد المؤشرات الحيوية المرئية لتحسين اكتشاف أدوية السرطان

التحدي: تسريع اكتشاف العلامات الحيوية

يعد العثور على المؤشرات الحيوية التمييزية أمرًا ضروريًا للعمليات السريرية الفعالة. إنها توجه تصميم التجارب السريرية بشكل أفضل، وتتيح التوظيف الدقيق للمرضى، وتحسن احتمالية نجاح العلاج. سعى عميلنا، وهو شركة أدوية عالمية، إلى تحديد المؤشرات الحيوية المرئية الجديدة على شرائح علم الأمراض الرقمية لأنسجة الورم من التجارب السريرية في المراحل المبكرة لتمييز المستجيبين عن غير المستجيبين قبل الانتقال إلى المراحل اللاحقة.
ومع ذلك، فإن اكتشاف هذه المؤشرات الحيوية يدويًا عملية شاقة وغير مجدية في كثير من الأحيان. يتطلب الأمر تعاونًا مكثفًا بين أخصائيي الأمراض وعلماء البيانات والأطباء، وحتى مع ذلك، غالبًا ما تظل بيانات الصور القيمة غير مستخدمة بشكل كافٍ بسبب ضيق الوقت والموارد.

كيف ساعدنا

قمنا بتطبيق تقنيات ML القابلة للتفسير على مجموعات بيانات علم الأمراض واسعة النطاق من التجارب السريرية المبكرة. من خلال تحليل الشرائح الرقمية عالية الدقة، حدد النموذج المؤشرات الحيوية والأنماط والميزات المرشحة التي تميز المستجيبين عن غير المستجيبين. ثم استخدمنا التحليل الإحصائي لتحسين هذه النتائج، وتضييقها إلى مجموعة من الميزات ذات الصلة والهامة. تضمنت الخطوة الأخيرة التحقق من صحة خبير علم الأمراض، مما يضمن الاحتفاظ بالمؤشرات الحيوية الواعدة فقط للاستخدام السريري.
هذا النهج المختلط، الذي يجمع بين قوة اكتشاف الذكاء الاصطناعي والتحقق الطبي الخبير، مكّن العميل من استخراج القيمة من بيانات الصور المعقدة وتسريع البحث الانتقالي.
‍

نجري حاليًا مزيدًا من التحقيقات حول مجموعات البيانات الأكبر حجمًا، ويمكن أن يؤدي نجاح هذا النهج إلى تسريع عملية التجارب السريرية بشكل كبير، وبالتالي تقليل تكلفة التطوير السريري وتسريع وقت الوصول إلى السوق لمشاريع تطوير الأدوية لعملائنا.

التأثير: إطلاق رؤى جديدة للطب الدقيق

مكّن دمج الذكاء الاصطناعي مع خبرة علم الأمراض البشرية من اكتشاف المؤشرات الحيوية التي تم تجاهلها سابقًا، والاستفادة من النطاق الحسابي والعمق التحليلي للكشف عن الأنماط البيولوجية غير المرئية للتحليل البشري التقليدي.

• حددنا 3 علامات بيولوجية مرشحة جديدة محتملة، مما عزز المناقشات العلمية الجديدة بين أخصائيي علم الأمراض.
• ساعد تحديد العلامات الحيوية المرشحة من الصور في الاستفادة من أصول البيانات غير المستغلة (صور H&E).
• نظرًا لأن نهجنا أثبت أنه واعد، فإننا نجري حاليًا مزيدًا من التحقيقات على مجموعات بيانات أكبر.