Publié en 2023 dans Nature Biopharma Dealmakers, cet article présente L'approche de Quibim pour transformer les données d'imagerie médicale en prédictions exploitables pour la médecine de précision et le développement de médicaments.

Au cœur de cette stratégie se trouve un écosystème basé sur l'IA qui relie l'imagerie aux données cliniques et multi-omiques, tout en répondant à l'un des problèmes suivants : Principaux défis de l'IA en imagerie médicale : la variabilité entre les scanners, les fournisseurs et les institutions. Harmonisation d'images, segmentation automatisée des organes et des lésions, extraction de caractéristiques radiomiques et modélisation prédictive former un pipeline intégré conçu pour générer des biomarqueurs d'imagerie robustes.

L'article souligne comment Cette approche peut apporter un soutien aux entreprises biopharmaceutiques au-delà de l'analyse d'images conventionnelle. En reliant les phénotypes d'imagerie aux résultats cliniques, Quibim vise à développer des panels de biomarqueurs prédictifs, y compris des modèles de prédiction de la réponse au traitement et de stratification des patients.

Un différenciateur clé est le La combinaison de données d'imagerie à grande échelle, de technologies d'IA et de partenariats stratégiques, avec une validation externe sur plusieurs sites de soins de santé indépendants, est considérée comme essentielle à la généralisation du modèle.

Cette fonctionnalité illustre une vision plus large de l'imagerie médicale : Passer d'images utilisées principalement pour le diagnostic à des données quantitatives et prédictives capables de soutenir les essais cliniques, les tests compagnons et les soins personnalisés aux patients.