Una compañía biofarmacéutica líder buscaba incorporar un modelo de IA que pudiera predecir la respuesta de los pacientes al tratamiento con inhibidores de puntos de control inmunitarios en cáncer de pulmón de células no pequeñas (CPCNP). El modelo utilizaría tomografías computarizadas (TC) basales de tórax. La capacidad de identificar a los pacientes con mayor probabilidad de responder al tratamiento optimiza el diseño de futuros ensayos clínicos, permitiendo una selección más precisa de candidatos y aumentando la eficacia de las terapias dirigidas a fenotipos específicos de la enfermedad.
Además, en una etapa posterior a la aprobación, este modelo predictivo podría actuar como una herramienta de diagnóstico complementario (Companion Diagnostics, CDx), ayudando a seleccionar a los pacientes más adecuados para beneficiarse de la inmunoterapia, maximizando la efectividad del tratamiento.
Con la expansión de los modelos de reembolso basados en el desempeño, es cada vez más importante que los profesionales de la salud administren el tratamiento adecuado al paciente indicado en el momento preciso.
Se utilizó una gran base de datos de más de 1000 tomografías computarizadas de tórax de un estudio de fase III fallido para extraer información que pudiera aplicarse a estudios futuros. El conjunto de datos incluía información sobre los resultados de los pacientes, como la respuesta al tratamiento y la supervivencia general. El socio biofarmacéutico participó en un Colaboración estratégica basada en valor con Quibim para diseñar y crear un modelo de IA que podrían predecir la respuesta al tratamiento basándose en tomografías computarizadas previas al tratamiento.
Establecimos una colaboración estratégica con nuestro socio biofarmacéutico para diseñar y desarrollar un modelo de IA capaz de predecir la respuesta al tratamiento de los pacientes a partir de las imágenes de TC tomadas antes de su inicio. Durante el análisis de viabilidad, Quibim detectó una significativa variabilidad en la calidad de las imágenes obtenidas de los más de 70 centros participantes en el estudio. Las imágenes que cumplieron con los estándares mínimos de calidad fueron optimizadas mediante algoritmos de armonización de imágenes basados en redes generativas antagónicas (GAN), desarrollados e implementados por Quibim.
Después de la armonización de la calidad de imagen de todo el conjunto de datos, Quibim desarrolló y validó un algoritmo de IA Basado en técnicas de radiomics, deep features y deep learning, el algoritmo resultante predijo correctamente si el paciente responderá o no a la inmunoterapia en el 80 por ciento de los casos.
¿Qué beneficios obtienen la empresa biofarmacéutica y Quibim?
LEER MÁS
LEER MÁS
LEER MÁS