--News Direct--

PathAI, Inc., ein führendes KI-gestütztes Unternehmen für präzise Pathologie, gab heute bekannt, dass es Forschung aus seiner Palette von Onkologie-Produkten auf der Jahrestagung der AACR vom 7. bis 10. April 2024 in San Diego, Kalifornien, präsentieren wird. Die Forschung zeigt, wie sich mit maschinellem Lernen entwickelte Modelle zur Charakterisierung des Tumor-Mikroumfeldes (TME) aus routinemäßig mit Hämatoxylin und Eosin (H&E) gefärbten ganzen Schnittbildern (WSIs) zur Förderung der Biomarker-Entwicklung und präzisen Medizinstrategien einsetzen lassen.

Die Präsentationen umfassen neue Forschung, die PathAI’s pan-tumor foundation models und sein kommerziell erhältliches Produkt, PathExplore1, zur Identifizierung wichtiger histologischer Merkmale im Zusammenhang mit molekularen Signaturen und der Patientenreaktion auf die Therapie, nutzt. Highlights:

• Forscher setzten PathExplore auf HNSCC- und NSCLC-Proben ein, um die Zell- und Gewebezusammensetzung des Tumor-Mikroumfelds zu charakterisieren und Immunphänotypen direkt aus H&E WSI zu berechnen. (Poster #905)
• Forscher von Incendia Therapeutics entwickelten eine kontinuierliche Bewertungsmethode für Discoidin Domain Receptor 1 (DDR1), die anhand der räumlichen Verteilung von Lymphozyten, CD8+ T-Zellen und CD45+ Immunzellen aus H&E- und mIF-Bildern eine weit verbreitete immunologische Ausschließung in Tumoren aufzeigt. DDR1 wird in epithelialen Krebsarten stark exprimiert und wird mit Tumorwachstum, Invasion und mangelnder Reaktion auf die Therapie in Verbindung gebracht. Die Immunausschließungsnote korreliert mit der DDR1-mRNA- und Proteinexpression. Die Studie liefert zusätzliche Einblicke in die Rolle von DDR1 bei menschlichen Krebserkrankungen und kann bei der Auswahl von Indikationen und der Stratifizierung von Patienten für DDR1-gezielte Therapien nützlich sein. (Poster #2916)
• Unter Verwendung von unüberwachtem Lernen, das von den Merkmalen von PathExplore gesteuert wird, und einer neuartigen Bildgebungstechnologie zur Detektion von Kollagenfasern entdeckten Forscher drei verschiedene Phänotypen des kancer-assoziierten Stroma (CAS), die unterschiedliche Überlebensmuster und Genexpressionsmuster aufwiesen. Zwei von ihnen waren in der Dichte der Kollagenfasern sowie in der Dichte der Fibroblasten angereichert, während der dritte Phänotyp die höchste Dichte an Immunzellen aufwies und eine Kategorisierung verschiedener Arten der CAS-Tumor-Interaktion lieferte, die für die Patientenstratifizierung hilfreich sein könnten. (Poster #4912)
• Unter Verwendung von KI-gestützten Modellen von PathAI untersuchten Forscher von Foundation Medicine digitale Pathologie-TME-Merkmale von Immunotherapieergebnissen bei NSCLC-Patienten in einem realen Datensatz aus der Flatiron Health-Foundation Medicine Clinico-Genomic Database. Diese Ergebnisse deuten darauf hin, dass die Zusammensetzung des TME, die mittels digitaler Pathologie bewertet wurde, nützlich sein kann, um NSCLC-Patienten zu identifizieren, die auf Immuntherapien der ersten Linie ansprechen, jenseits der etablierten Immuntherapie-Biomarker. (Poster #4969)
• In Zusammenarbeit mit EMD Serono wurden KI-gestützte TME-Modelle von PathAI verwendet, um H&E WSI von NSCLC aus einer randomisierten Phase-3-Studie zu analysieren, in der zwei Immuntherapien direkt verglichen wurden. Die Forscher verglichen die Zellreichtumsmerkmale mit Genexpressionsdaten aus denselben Proben und fanden heraus, dass die Reichtumsmerkmale von Immun- und Stromazellen mit der Expression von Genen in relevanten zellulären Signalwegen zusammenhängen, was die biologische Relevanz unserer zellulären Merkmale bestätigt. Bei der Analyse der Merkmale neben den klinischen Daten aus der retrospektiven Studie identifizierten die Forscher aussichtsreiche prognostische Immuntherapie-Biomarker. (Poster #6179)
• Forscher von Incendia Therapeutics zeigten, dass morphologische Merkmale, die aus H&E-Bildern mit PathExplore abgeleitet wurden, effektive Vorhersagen von CD8-definierter immunologischer Ausschließung liefern können und eine Möglichkeit zur Patientenstratifizierung nach Immunphänotyp mittels weit verbreiteter H&E-Bilder bieten. Die Merkmale und die Assoziationsrichtung stimmen mit dem bisherigen Wissen über den Mechanismus oder die Manifestationen der immunologischen Ausschließung oder Infiltration im TME überein, einschließlich der relativen Dichte von Lymphozyten im Tumor und im Stroma. (Poster #7392)
• Die pan-tumor foundation-Modelle von PathAI wurden eingesetzt, um Geweberegionen und Zelltypen auf H&E WSI zu identifizieren, um die Tumorpure auf mehreren Tumorarten zu quantifizieren. Die aus den Modellen abgeleiteten Tumorpure-Schätzungen wurden mit drei orthogonalen molekularen Methoden der Reinheit verglichen und Korrelationen bei Krankheitsindikationen gefunden. Diese Ergebnisse belegen, dass KI die Effizienz von molekularen Tests verbessern und die Präzisionsdiagnostikstrategien optimieren kann. (Poster #7402)

Folgen Sie PathAI auf LinkedIn und X für weitere Updates von #AACR24 und besuchen Sie uns persönlich an Stand #1549.

Abstract #

Titel

Kollaborator

Produkt

Abstract #905

7. April 2024, 13:30 Uhr - 17:00 Uhr

ML-Quantifizierung von tumorinfiltrierenden Lymphozyten unterscheidet immun-Phänotypen und enthüllt phänotypische Heterogenität

AbbVie

PathExplore

Abstract #2916

8. April 2024, 13:30 Uhr - 17:00 Uhr

Die Expression des Discoidin-Domänen-Rezeptors 1 (DDR1) ist mit dem Ausmaß der Immunexklusion bei epithelialen Tumoren assoziiert

Incendia Therapeutics

PathExplore

Abstract #4912

9. April 2024, 9:00 Uhr - 12:30 Uhr

Unüberwachtes Erkennen von stromalen Phänotypen mit unterschiedlichen fibrogenen und entzündlichen Eigenschaften bei NSCLC

N/A

PathExplore

Abstract #4969

9. April 2024, 9:00 Uhr - 12:30 Uhr

Untersuchung von digitalen pathologischen Biomarkern für die Immuntherapieantwort-Stratifizierung bei Patienten mit fortgeschrittenem nicht-squamösem NSCLC

Foundation Medicine

PathExplore

Abstract #6179

9. April 2024, 13:30 Uhr - 17:00 Uhr

Machine-Learning-Raumquantifizierung des Tumor-Mikroumfelds identifiziert Unterschiede, die mit der Reaktion auf die Behandlung mit Bintrafusp alfa (BA) vs. Pembrolizumab (PEM) in der Phase-3-INTR@PID Lung 037-Studie zusammenhängen

EMD Serono

PathExplore

Abstract #7392

10. April 2024, 9:00 Uhr - 12:30 Uhr

Maschinelles Lernen zur Identifizierung H&E-abgeleiteter morphologischer Merkmale, die mit der Immunexklusion von CD8+ T-Zellen verbunden sind

Incendia Therapeutics

PathExplore

Abstract #7402

10. April 2024, 9:00 Uhr - 12:30 Uhr

Die Foundation-KI-Modelle sagen molekulare Messungen der Tumorpure vor

N/A

1PathExplore ist nur für Forschungszwecke bestimmt. Nicht für diagnostische Verfahren.

Über PathAI

PathAI ist das einzige KI-fokussierte Technologieunternehmen, das umfassende präzise Pathologie-Lösungen von Nasslabor-Services bis zur Bereitstellung von Algorithmen für klinische Studien und Laborgebrauch bietet. Ihre KI-gestützten Modelle, die sorgfältig trainiert und mit Daten aus mehr als 15 Millionen Annotationen validiert wurden, können genutzt werden, um die Analyse von Pathologieproben zu optimieren, die Effizienz und Genauigkeit der Pathologieinterpretation zu verbessern sowie die therapeutische Wirksamkeit besser einzuschätzen und die Arzneimittelentwicklung für komplexe Krankheiten zu beschleunigen.

PathAI, mit Hauptsitz in Boston, MA, und einem CAP/CLIA-zertifizierten Labor in Memphis, TN, ist stolz darauf, ein Team von über 600 innovativen Denkern aus der ganzen Welt zu haben. Für weitere Informationen besuchen Sie bitte www.pathai.com.

SVM Public Relations and Marketing Communications

Maggie Naples

+1 401-490-9700

pathai@svmpr.com

https://www.pathai.com/

View source version on newsdirect.com: https://newsdirect.com/news/pathai-announces-research-presentations-at-the-2024-aacr-annual-meeting-566770794

Haftungsausschluss: Diese Übersetzung wurde automatisch von NewsRamp™ für News Direct (gemeinsam als "DIE UNTERNEHMEN" bezeichnet) mit öffentlich zugänglichen generativen KI-Plattformen erstellt. DIE UNTERNEHMEN garantieren nicht die Genauigkeit oder Vollständigkeit dieser Übersetzung und haften nicht für Fehler, Auslassungen oder Ungenauigkeiten. Die Nutzung dieser Übersetzung erfolgt auf eigenes Risiko. DIE UNTERNEHMEN haften nicht für Schäden oder Verluste, die aus solcher Nutzung entstehen. Die offizielle und maßgebliche Version dieser Pressemitteilung ist die englische Version.