npj精密肿瘤学的研究重点是多队列训练方法和未见的免疫组织化学数据的准确分析
韩国首尔2024年12月12日/美通社/——为癌症诊断和治疗提供人工智能解决方案的领先供应商Lunit （KRX:328130.KQ）今天宣布，在《npj Precision Oncology》上发表了一项新研究，详细介绍了其通用免疫组织化学（uIHC）人工智能模型的开发。该研究表明，由于采用了一种新颖的训练方法，该模型如何擅长分析各种癌症类型和免疫组化染色，包括以前从未遇到过的数据集。现在作为Lunit SCOPE uIHC商业化，该模型甚至可以从单一IHC中形成先进的生物标志物，具有亚细胞染色定位，连续强度评分和细胞类型鉴定。
Lunit的通用免疫组织化学（uIHC） AI模型，“Lunit SCOPE uIHC”
应对免疫组化分析中的挑战
免疫组织化学（IHC）是肿瘤学的重要工具，使病理学家能够检测和量化蛋白质表达，从而指导全身治疗的决策。然而，尽管有几种人工智能算法可以帮助对IHC图像进行评分并提高准确性，但目前的人工智能模型面临两个主要限制：
数据依赖性：目前的AI-IHC模型需要大量的免疫染色特异性图像进行训练，这很难获得，特别是对于新的免疫染色靶对。
缺乏泛化：目前的AI-IHC模型难以分析与免疫染色或癌症类型训练集不同的数据集，限制了它们在不同适应症中的有效性。
这些挑战强调需要可扩展的解决方案，能够在广泛的癌症类型和免疫染色中进行准确分析。
uIHC模型在泛化方面表现优异
Lunit的研究比较了八种深度学习模型，包括四种单队列（使用来自单一染色或癌症类型的数据进行训练）和四种多队列（使用跨越多种染色和癌症类型的组合数据集进行训练）方法，以评估它们在熟悉和未知数据集上的表现。结果验证了uIHC模型在不同数据集上进行高精度泛化的能力。
主要结果包括：
高有限公司在已知数据集上的不一致性：在分析已知癌症类型和免疫染色时，uIHC模型的Cohen's kappa评分为0.792，超过了最佳单队列模型的0.744。
对未见数据的高级概括在涉及以前未见过的癌症类型和免疫染色的新数据集上，uIHC模型达到了0.610的Cohen's kappa评分，比单队列模型平均0.508的水平相对提高了10.2%。
提高肿瘤比例评分（TPS）准确性：在多染色试验集中，uIHC模型的TPS e的AUC为0.921估值和TPS准确度为75.7%，样本验证了其定量免疫组化图像的可靠性。
这些发现突出了该模型在各种癌症类型和免疫染色上的稳健表现，包括那些它没有接受过训练的。
全民免疫组化模型能够在不同的全民免疫组化图像中进行推广，这标志着数字病理学迈出了革命性的一步。通过减少对大型染色特异性数据集的依赖，它可以为临床诊断和药物开发提供可扩展和高效的生物标志物分析。这种能力对于评估与新疗法相关的新生物标志物特别有价值，解决了精准肿瘤学的一个关键瓶颈。
Lunit首席执行官Brandon Suh表示：“我们的通用免疫组织化学人工智能模型解决了开发环境中的一个实际瓶颈，即在不需要额外数据注释的情况下处理看不见的癌症类型和染色。”“通过证明多队列训练方法的有效性，这项研究展示了人工智能如何适应现实世界的复杂性，同时提供准确性和可扩展性。随着Lunit SCOPE uhc的推出，我们使研究人员和临床医生能够专注于真正重要的事情：推进患者护理和加速治疗创新。”
关于Lunit
Lunit （KRX:328130.KQ）成立于2013年，是一家以攻克癌症为使命的医疗人工智能公司。我们利用人工智能医学图像分析和人工智能生物标志物，确保每位癌症患者的准确诊断和最佳治疗。fda批准的用于癌症筛查的Lunit INSIGHT套件为55多个国家的4,500多家医院和医疗机构提供服务。
单位临床研究已在包括《临床肿瘤学杂志》和《柳叶刀数字健康》在内的顶级期刊上发表，并在ASCO和RSNA等全球会议上发表。2024年，Lunit收购了Volpara Health Technologies，为无与伦比的协同作用和准确性奠定了基础，特别是在乳房健康和筛查技术方面。Lunit总部位于韩国首尔，在全球设有办事处，引领着全球对抗癌症的斗争。更多信息请访问unit.io。
