Imaging basato sull'intelligenza artificiale per accelerare lo sviluppo di farmaci oncologici
Selezione ottimizzata dei pazienti e arricchimento della coorte tramite profilazione multi-omica dei biomarcatori
Grazie alle funzionalità di standardizzazione delle immagini, rilevamento e segmentazione delle lesioni basate sull'intelligenza artificiale e biomarcatori di imaging predittivi basati sull'intelligenza artificiale, la piattaforma Quibim consente una progettazione ottimizzata degli studi clinici, velocizza il processo decisionale e migliora lo sviluppo di trattamenti personalizzati.
Combinando l'analisi quantitativa di imaging estratta dalle immagini SoC con la profilazione multi-omica dei biomarcatori, non solo ottimizziamo la selezione dei pazienti e l'arricchimento della coorte, ma riveliamo anche l'eterogeneità del tumore, le caratteristiche del microambiente e i modelli di risposta al trattamento. Utilizzati da soli o in associazione ai dati dei pazienti, questi biomarcatori aiutano a identificare i pazienti con maggiori probabilità di beneficiare di terapie mirate o immuno-oncologiche, migliorando l'efficienza degli studi clinici attraverso l'arricchimento della coorte basato su fattori biologici e accelerando i tempi di risposta.
Pre-elaborazione dell'armonizzazione delle immagini per la riproducibilità multi-sito
Garantire informazioni standardizzate e di alta qualità dalle immagini mediche provenienti da tutti i siti e scanner con armonizzazione avanzata
Spesso riscontriamo una variabilità nei dati di imaging reali dovuta a differenze nei protocolli di acquisizione e nei tipi di scanner, che porta a variazioni significative nell'intensità delle immagini. Queste incongruenze ostacolano l'interpretazione tradizionale, riducono la robustezza dei modelli di intelligenza artificiale e compromettono la riproducibilità dei biomarcatori di imaging, in particolare nella risonanza magnetica.
L'armonizzazione è una fase di pre-elaborazione fondamentale per migliorare la generalizzabilità del modello di intelligenza artificiale e garantire la riproducibilità negli studi su larga scala.
La pipeline di armonizzazione di Quibim standardizza le immagini tra scanner e protocolli, garantendo coerenza e migliorando l'affidabilità dell'intelligenza artificiale negli studi clinici multicentrici.
Dataset delle immagini MRI pre- (sinistra) e post-armonizzazione (destra)
Rilevamento e segmentazione automatizzati di organi e lesioni
Accelerare i flussi di lavoro di imaging e ridurre la variabilità negli studi oncologici ad alto rendimento.
I nostri algoritmi di segmentazione validati identificano, segmentano e misurano organi e lesioni in scansioni PSMA-PET/TC, FDG PET/TC, TC e RM. Questi strumenti riducono drasticamente il lavoro manuale tradizionalmente svolto dagli operatori e forniscono risultati coerenti e riproducibili su diversi set di dati.
La segmentazione convalidata e completamente automatizzata su più organi sta superando questa barriera. Lo sviluppo continuo mira a soddisfare e superare gli standard degli studi clinici in termini di prestazioni, scalabilità e precisione.
Caratterizzazione quantitativa delle lesioni e monitoraggio
1. Strumento di valutazione delle lesioni supportato dall'intelligenza artificiale
Lesioni target rilevate, segmentate e misurate automaticamente di un paziente con NSCLC avanzato al basale [sinistra] e 1st scansioni durante il trattamento [a destra]
Gli strumenti di Quibim identificano, segmentano, misurano e tracciano automaticamente le lesioni durante l'intera sperimentazione clinica. Semplificando questi processi, si ottengono valutazioni radiologiche più rapide e meno variabili, ottenendo interpretazioni più coerenti. Gli esperti possono anche segmentare manualmente o modificare i risultati automatizzati all'interno di un sistema integrato. DICOM spettatore, sostenendo RECIST 1.1 e le sue varianti senza compromettere l'efficienza del flusso di lavoro.
Le caratteristiche includono:
-
Quantificazione del carico tumorale su più organi, con espansione in corso
-
Cinetica della crescita tumorale per analisi retrospettive e simulazione predittiva
-
Valutazione dell'eterogeneità del tumore tramite radiomica
Benefici: Monitoraggio rigoroso della risposta al trattamento e della progressione del tumore.
2. Valutazione del carico tumorale dell'intero corpo
Maschera di segmentazione 3D da una scansione PET/CT PSMA [18F] in un paziente con mCRPC. Le metriche includono la conta tumorale, il volume tumorale organo-specifico e il volume tumorale totale (TTV). Per l'imaging molecolare (ad esempio, PSMA PET, FDG PET), vengono valutati anche i parametri relativi all'assorbimento.
3. Cinetica della crescita del tumore
La valutazione retrospettiva e le simulazioni predittive per singole lesioni e l'evoluzione del carico tumorale forniscono informazioni sull'evoluzione del tumore in più bracci di trattamento. Questa capacità consente ai ricercatori di modellare e confrontare i risultati del trattamento con una precisione senza precedenti.
TC di un paziente con NSCLC avanzato che mostra l'evoluzione della lesione target in tre momenti temporali. Questa simulazione concettuale illustra come la cinetica di crescita tumorale e la delta-radiomica possano essere valutate nei diversi regimi di trattamento. Non si basa su un modello predittivo reale..
4. Valutazione dell'eterogeneità del tumore
L'entropia e altre caratteristiche radiomiche avanzate estratte dalle immagini mediche aiutano a quantificare la variabilità intra-lesionale, fondamentale per comprendere l'aggressività del tumore e prevedere la risposta al trattamento.
Eterogeneità intra-lesionale quantificata utilizzando l'entropia di una risonanza magnetica in diffusione (DWI). Le caratteristiche della texture rivelano un'eterogeneità microscopica che va oltre la valutazione visiva. Un'entropia elevata spesso indica tumori più aggressivi, mentre una bassa entropia suggerisce una migliore risposta al trattamento. Le variazioni temporali possono fungere da biomarcatori precoci dell'effetto terapeutico..
5. Modelli basati sulle funzionalità
Modelli basati sulle caratteristiche per l'estrazione di migliaia di variabili correlate ai tessuti (tra cui caratteristiche radiomiche, caratteristiche profonde e biomarcatori di imaging).
Filtri estrazione di funzionalità profonda da un tumore rettangolo di selezione e il suo tool proprietario microambiente utilizzando un codificatore-decodificatore architettura
Pannelli di biomarcatori di imaging scalabili per la medicina di precisione
Estraiamo caratteristiche ad alta dimensionalità, tra cui radiomica, caratteristiche profonde e biomarcatori di imaging, da dati a livello di organo e lesione per creare pannelli personalizzati per uso diagnostico, prognostico e predittivo. Questi pannelli supportano l'arricchimento di coorti e la stratificazione dei pazienti. I pannelli di biomarcatori di Quibim consentono una caratterizzazione dettagliata della malattia, il monitoraggio della risposta e la valutazione del trattamento. Stiamo espandendo la nostra attività nei classificatori di imaging mutazionale, modelli di intelligenza artificiale che predicono in modo non invasivo caratteristiche molecolari, come lo stato di mutazione dell'EGFR nel NSCLC. Combinando l'analisi avanzata delle immagini con la modellazione predittiva, Quibim sta plasmando il futuro della medicina di precisione.
Trova tutte queste funzionalità in QP-Insights, una piattaforma di imaging end-to-end
La piattaforma avanzata di nuova generazione per la gestione, l'archiviazione e l'analisi di dati multi-omici e immagini mediche su larga scala in studi clinici e progetti di ricerca.
Articoli correlati
-
Di Quibim QP-Prostate® CAD, inclusa la capacità di rilevamento e diagnosi delle lesioni, approvata dalla FDA
Leggi di più
-
Discorso di intelligenza artificiale ECR 2024
Leggi di più
-
Philips collabora con lo specialista di biomarcatori per l'imaging Quibim per soluzioni di imaging e reporting basate sull'intelligenza artificiale per gli esami RM della prostata
Leggi di più