Predictive Oncology Inc. (NASDAQ: POAI) ha annunciato oggi, 28 Maggio 2024, che i risultati positivi di uno studio retrospettivo che l’azienda ha recentemente completato in collaborazione con UPMC Magee-Womens Hospital saranno presentati al meeting annuale 2024 dell’American Society of Clinical Oncology (ASCO), che si terrà dal 31 maggio al 4 giugno. 2024, a Chicago, Illinois.
Lo scopo dello studio era quello di determinare se l’oncologia predittiva potesse sfruttare la sua intelligenza artificiale e altre capacità per sviluppare modelli di apprendimento automatico (ML) in grado di prevedere in modo più accurato i risultati di sopravvivenza sia a breve termine (a due anni) che a lungo termine (a cinque anni) tra le pazienti con carcinoma ovarico.
“Il carcinoma ovarico sieroso di alto grado è un tumore notoriamente difficile da trattare, in gran parte a causa della mancanza di sintomi nelle prime fasi della malattia”, ha dichiarato Robert Edwards, MD, Professore e Presidente, Dipartimento di Ostetricia, Ginecologia e Scienze Riproduttive, Co-Direttore, Ricerca Oncologica Ginecologica, Magee-Womens Hospital di UPMC. “Mentre la chirurgia e la chemioterapia di prima linea sono efficaci a breve termine, quasi l’80% dei pazienti avrà una ricaduta in uno o due anni e solo il 20% sarà un sopravvissuto a lungo termine. La capacità di utilizzare il ML per prevedere meglio le prognosi dei pazienti può aiutare con la gestione e il monitoraggio clinico e potrebbe servire come strumento di supporto decisionale per adattare meglio i piani di trattamento ai singoli pazienti. I risultati di questo importante studio supportano fortemente il continuo sviluppo di tali modelli di ML e la successiva incorporazione nella pratica clinica quotidiana”.
Â
Arlette Uihlein, MD, Senior Vice President, Translational Medicine and Drug Discovery e Direttore Medico, Predictive Oncology ha poi proseguito: “Riteniamo che questi risultati evidenzino il potenziale dell’intelligenza artificiale e dell’apprendimento automatico non solo per accelerare la scoperta precoce di farmaci oncologici, ma anche per assistere la gestione clinica dei pazienti oncologici in tempo reale, migliorando così i risultati di sopravvivenza. Vediamo anche l’opportunità di sfruttare questi risultati per scoprire biomarcatori unici che possono essere utilizzati da noi o da un partner per sviluppare nuove terapie antitumorali. Con un set unico di risorse e capacità , tra cui la nostra biobanca di oltre 150.000 campioni tumorali, 200.000 vetrini patologici, il laboratorio umido certificato CLIA e decenni di dati longitudinali sui pazienti che ci differenziano chiaramente dai colleghi, Predictive Oncology è orgogliosa di essere leader in questo campo emergente”.
Dei 160 modelli ML costruiti, sette sono risultati in grado di raggiungere un’elevata precisione di previsione alla soglia di due anni e 13 alla soglia di cinque anni. Gli input del set di funzionalità multi-omiche hanno portato a una previsione superiore e a prestazioni migliori rispetto ai soli dati clinici, e i modelli con le migliori prestazioni hanno previsto meglio di qualsiasi set di funzionalità isolatamente.
Â
Utilizzando modelli di apprendimento automatico multi-omico, è stata ottenuta una previsione superiore della sopravvivenza a breve e lungo termine rispetto ai soli dati clinici. I driver specifici dei modelli più performanti erano diversi per le coorti a breve e lungo termine, identificando le future opportunità di ricerca e il potenziale di sviluppo di uno strumento decisionale clinico
Questo annuncio evidenzia un significativo passo avanti nella ricerca oncologica, in particolare nell’ambito del cancro ovarico. L’applicazione dell’intelligenza artificiale e dell’apprendimento automatico per prevedere gli esiti di sopravvivenza rappresenta un’evoluzione nella medicina personalizzata. I risultati dello studio suggeriscono che i modelli predittivi che utilizzano set di dati multi-omici, come il sequenziamento dell’intero esoma (WES), il sequenziamento dell’intero trascrittoma (WTS), i profili di risposta ai farmaci e i profili di patologia digitale, possono migliorare notevolmente l’accuratezza prognostica rispetto ai soli dati clinici tradizionali.
I punteggi AUROC (Area Under the Receiver Operating Character) sono fondamentali in questo caso. Un punteggio AUROC superiore a 0,5 indica un modello migliore del caso casuale e questo studio ha raggiunto un’elevata precisione di previsione con sette modelli alla soglia di due anni e tredici alla soglia di cinque anni. Ciò dimostra la robustezza dei modelli predittivi e la loro potenziale utilità in ambito clinico.
Da un punto di vista clinico, questo può trasformare la gestione del paziente identificando i pazienti a più alto rischio di recidiva e consentendo piani di trattamento personalizzati. Mentre i metodi tradizionali offrono un approccio ad ampio raggio, le intuizioni basate sull’intelligenza artificiale consentono strategie di trattamento più sfumate e specifiche per il paziente.
Questi risultati potrebbero avere implicazioni finanziarie sostanziali per Predictive Oncology Inc. L’efficacia dei loro modelli basati sull’intelligenza artificiale in un’area critica come l’oncologia potrebbe elevare la loro posizione di mercato e attrarre investimenti significativi. Questo progresso migliora la loro proposta di valore, portando potenzialmente a partnership o acquisizioni, dato il loro patrimonio di dati unico come la biobanca e i vetrini di patologia.
Gli effetti a breve termine potrebbero includere un aumento del valore delle azioni poiché gli investitori reagiscono ai risultati positivi dello studio e all’imminente presentazione alla riunione dell’ASCO. Gli impatti a lungo termine potrebbero essere più profondi man mano che la tecnologia viene convalidata e possibilmente adottata in ambito clinico, portando alla generazione di entrate da licenze, partnership o applicazione diretta nei protocolli di trattamento del cancro.
È essenziale monitorare il modo in cui questi sviluppi si traducono in prestazioni finanziarie e se l’oncologia predittiva può sostenere questo slancio nel far progredire le proprie capacità di intelligenza artificiale.
