近日（14），拜耳（Bayer）宣布与 Aignostics GmbH （简称 Aignostics）进行合作，将共同开发以人工智能驱动的精准肿瘤学技术。合作重点在于建立一个能够连结基础病理学数据与临床数据的平台，让病人识别、分层与临床试验筛选的流程能够更有效率，在临床方面克服目前在标靶发现与疾病异质性方面的挑战，而在 AI 方面则增强模型诠释性。
2024 年初，生物技术和制药 IPO 创新疗法激增：从 Kymera Therapeutics 到 Kyverna Therapeutics 引领潮流（基因线上国际版）Aignostics 于 2018 年，在柏林夏里特大学（Charité-Universitätsmedizin Berlin）和柏林健康研究所（Berlin Institute of Health，BIH）内成立，专注研发药物研究、临床试验与伴随式诊断的计算病理学技术。
该技术首先进行组织影像分割（tissue segmentation），将不同的感兴趣区域（region of interest），例如肿瘤区域（carcinoma）、间质区（stroma）与坏死区（necorsis）等进行切分。根据官网表示，病理影像资料由病理学家进行标记（annotation），并使用监督式学习方法（Supervised learning）进行模型训练，目前为止此模型能成功辨认并切分至少 27 种主要区域，除了前述 3 种区域，也可辨认不同组织与细胞类型，并排除如笔迹与水泡等干扰区域（详见表格）。
表格、Aignostics 病理学 AI 切片分类技术
（来源：官网；整理：基因线上）
在细胞检测与分类方面，来自 H&E 染色、免疫染色（IHC）或多重萤光染色（Multiple-IF）等病理切片，Aignostics 标记出数百万个标签进行半自动化的模型训练，同时也会针对同一区域进行多重比对与验证。
Aignostics 根据影像与多模态资料建立“端到端预测模型（“End-to-end” prediction models）”，能据此预测包含预后、复发与疾病无进展存活（Invasive Disease-Free Survival）等重要临床参数。其专利技术“可诠释模型（Explainable AI）”利用“逐层相关性传播（layer-wise relevance propagation）”方法，能够克服复杂模型难以解释的障碍，逆向推导出模型学习到的特征，其中也包含宝贵的潜在生物标志物。
拜耳制药部门执行委员会成员兼研发负责人 Christian Rommel 表示，本次合作将可以结合拜耳在临床试验方面累积的多种疾病、多模态巨量影像资料，与 Aignostics 的机器学习模型，识别出具有强烈疾病关联的新型癌症标靶，加速药物开发。拜耳的数据集来自具有良好表征的病人群体，因此有望找到具有临床指标性的新型肿瘤学标靶。
根据协议，公司将在多个开发项目进行合作，并启动至少 2 个标靶识别专案。Aignostics 将收到一笔前期付款（upfront payment），在达到协议中的特定目标将获得相关里程碑付款（milestone payment）与任何由合作产生的商业化疗法的权利金（Royalties）。
延伸阅读：拜耳新型药物：为非小细胞肺癌治疗带来突破参考资料：
2. https://www.aignostics.com/our-tech
©www.geneonline.news. All rights reserved. 基因线上版权所有 未经授权不得转载。合作请联系：service@geneonlineasia.com
