A Biopharmazeutisches Unternehmen der Spitzenklasse war an der Einbindung eines auf künstlicher Intelligenz (KI) basierenden Modells interessiert, das die Behandlungsreaktion auf Immuncheckpoint-Inhibitoren bei nicht-kleinzelligem Lungenkrebs (NSCLC) anhand von CT-Basisscans des Brustkorbs vorhersagt.
Die Identifizierung von Patienten, die mit höherer Wahrscheinlichkeit auf ihre Therapie ansprechen, kann die Gestaltung künftiger klinischer Studien verbessern, indem die Wirksamkeit des Behandlungsarms bei einem bestimmten Krankheitsphänotyp maximiert wird. In einem Szenario nach der Zulassung wäre der prädiktive Algorithmus auch als Begleitdiagnostik (CDx) zur Behandlung von Patienten nützlich, die wahrscheinlich von der Behandlung profitieren.
Angesichts der zunehmenden Verbreitung leistungsbezogener Vergütungsmodelle im Bereich der Immuntherapie ist es für Ärzte wichtiger denn je, dem richtigen Patienten zum richtigen Zeitpunkt die richtige Behandlung zu verabreichen.
Eine große Datenbank mit mehr als 1000 CT-Scans des Brustkorbs aus einer fehlgeschlagenen Phase-III-Studie wurde verwendet, um Erkenntnisse zu gewinnen, die für zukünftige Studien relevant sind. Der Datensatz enthielt Informationen über Patientenergebnisse wie Behandlungsreaktion und Gesamtüberleben. Der biopharmazeutische Partner beteiligte sich an einer wertorientierte strategische Zusammenarbeit mit Quibim zur Konzeption und Erstellung eines KI-Modells das die Behandlungsreaktion auf der Grundlage von CT-Scans vor der Behandlung vorhersagen könnte.
Quibim führte eine Machbarkeitsanalyse durch und stellte eine große Variabilität der Bildqualität an den über 70 an der Studie beteiligten Standorten fest. Alle Bilder, die die Mindestqualitätsanforderungen erfüllten, wurden durch von Quibim implementierte GAN-basierte Bildharmonisierungsalgorithmen in eine Standardbildqualität umgewandelt.
Nach der Harmonisierung der Bildqualität des gesamten Datensatzes, Quibim entwickelte und validierte einen KI-Algorithmus basierend auf Radiomics, Deep Features und Deep-Learning-Techniken. Der resultierende Algorithmus sagte in 80 Prozent der Fälle korrekt voraus, ob der Patient auf die Immuntherapie ansprechen würde oder nicht.
Was ist für den biopharmazeutischen Partner und Quibim drin?
Weiterlesen
Weiterlesen
Weiterlesen