Deep Bio于2日表示,本月将在美国癌症研究学会(AACR)年会上发布利用人工智能(AI)进行癌症诊断及生物标志物定量分析的最新研究成果。
Deep Bio将以海报形式发布三项研究,包括免疫抑制蛋白“PD-L1”和与细胞增殖及转移相关的受体蛋白“c-MET”的免疫组织化学染色(IHC)图像定量分析,以及基于AI的乳腺淋巴结冰冻切片病理图像诊断。此次发布的核心是,通过基于深度学习的模型分析病理图像,可提高生物标志物评估的精确度和可重复性,并有助于临床决策。
特别是在针对非小细胞肺癌(NSCLC)的研究中,用AI对PD-L1染色强度进行定量的结果与临床判读的肿瘤比例分数(TPS)呈现高度相关性。在非小细胞肺癌亚型中,腺癌的PD-L1染色强度比鳞状细胞癌更强。Deep Bio方面解释称,对以往方式难以处理的PD-L1染色强度进行AI定量分析,展示了基于IHC的治疗策略精细化的可能性。
Deep Bio还介绍称,在以c-MET生物标志物为对象的研究中,从IHC染色切片图像中提取的基于AI的H评分(综合染色强度与染色细胞比例的半定量分数)与病理医生的H评分表现出高度一致性。此外,为改善用各种扫描仪扫描的乳腺淋巴结冰冻切片病理图像的癌病灶检出性能,提出了将多示例学习(MIL)与分类模型分离(classifier-isolate)学习方式相结合的新方法。
Deep Bio的IHC图像分析平台“DeepCDx Membrane IHC”是一款AI解决方案,可在“HER2”、PD-L1等细胞膜表达生物标志物的IHC染色图像中,执行癌细胞区室(细胞核、细胞质、细胞膜)层面的定量分析。Deep Bio相关人士表示:“它有助于减少观察者之间IHC判读差异的问题,并提供多种分析数值,从而推动IHC分析的高端化”,“正与Abion合作,用于新药开发临床研究中筛选患者和预测药物反应的研究。”
Deep Bio代表金善宇表示:“这些研究很好地展示了AI能为癌症诊断带来的创新”,“利用深度学习技术的生物标志物定量分析将提供更准确、更可重复的诊断结果,提高PD-L1、c-MET及冰冻切片诊断的精确度,并有助于临床治疗决策。”






