近日（14），拜耳（Bayer）宣布與 Aignostics GmbH （簡稱 Aignostics）進行合作，將共同開發以人工智慧驅動的精準腫瘤學技術。合作重點在於建立一個能夠連結基礎病理學數據與臨床數據的平台，讓病人識別、分層與臨床試驗篩選的流程能夠更有效率，在臨床方面克服目前在標靶發現與疾病異質性方面的挑戰，而在 AI 方面則增強模型詮釋性。
2024 年初，生物技術和製藥 IPO 創新療法激增：從 Kymera Therapeutics 到 Kyverna Therapeutics 引領潮流（基因線上國際版）Aignostics 於 2018 年，在柏林夏里特大學（Charité-Universitätsmedizin Berlin）和柏林健康研究所（Berlin Institute of Health，BIH）內成立，專注研發藥物研究、臨床試驗與伴隨式診斷的計算病理學技術。
該技術首先進行組織影像分割（tissue segmentation），將不同的感興趣區域（region of interest），例如腫瘤區域（carcinoma）、間質區（stroma）與壞死區（necorsis）等進行切分。根據官網表示，病理影像資料由病理學家進行標記（annotation），並使用監督式學習方法（Supervised learning）進行模型訓練，目前為止此模型能成功辨認並切分至少 27 種主要區域，除了前述 3 種區域，也可辨認不同組織與細胞類型，並排除如筆跡與水泡等干擾區域（詳見表格）。
表格、Aignostics 病理學 AI 切片分類技術
（來源：官網；整理：基因線上）
在細胞檢測與分類方面，來自 H&E 染色、免疫染色（IHC）或多重螢光染色（Multiple-IF）等病理切片，Aignostics 標記出數百萬個標籤進行半自動化的模型訓練，同時也會針對同一區域進行多重比對與驗證。
Aignostics 根據影像與多模態資料建立「端到端預測模型（“End-to-end” prediction models）」，能據此預測包含預後、復發與疾病無進展存活（Invasive Disease-Free Survival）等重要臨床參數。其專利技術「可詮釋模型（Explainable AI）」利用「逐層相關性傳播（layer-wise relevance propagation）」方法，能夠克服複雜模型難以解釋的障礙，逆向推導出模型學習到的特徵，其中也包含寶貴的潛在生物標誌物。
拜耳制藥部門執行委員會成員兼研發負責人 Christian Rommel 表示，本次合作將可以結合拜耳在臨床試驗方面累積的多種疾病、多模態巨量影像資料，與 Aignostics 的機器學習模型，識別出具有強烈疾病關聯的新型癌症標靶，加速藥物開發。拜耳的數據集來自具有良好表徵的病人群體，因此有望找到具有臨床指標性的新型腫瘤學標靶。
根據協議，公司將在多個開發項目進行合作，並啟動至少 2 個標靶識別專案。Aignostics 將收到一筆前期付款（upfront payment），在達到協議中的特定目標將獲得相關里程碑付款（milestone payment）與任何由合作產生的商業化療法的權利金（Royalties）。
延伸閱讀：拜耳新型藥物：為非小細胞肺癌治療帶來突破參考資料：
2. https://www.aignostics.com/our-tech
©www.geneonline.news. All rights reserved. 基因線上版權所有 未經授權不得轉載。合作請聯繫：service@geneonlineasia.com
