Marchés français ouverture 20 min
  • Dow Jones

    29 590,41
    -486,29 (-1,62 %)
     
  • Nasdaq

    10 867,93
    -198,87 (-1,80 %)
     
  • Nikkei 225

    26 431,55
    -722,28 (-2,66 %)
     
  • EUR/USD

    0,9640
    -0,0048 (-0,49 %)
     
  • HANG SENG

    17 785,44
    -147,83 (-0,82 %)
     
  • BTC-EUR

    19 464,68
    -420,94 (-2,12 %)
     
  • CMC Crypto 200

    429,95
    -14,59 (-3,28 %)
     
  • S&P 500

    3 693,23
    -64,76 (-1,72 %)
     

Blood Cancer Discovery publie une analyse soutenant la validation de la plateforme de médecine de précision basée sur l'IA développée par Exscientia pour améliorer les résultats des patients

Les résultats confirment que le criblage ex vivo de médicaments par apprentissage profond à partir de tissus de patients est un outil prometteur pour identifier des traitements individuels efficaces contre le cancer du sang en stade avancé, comparé aux méthodes conventionnelles

Des algorithmes d'apprentissage profond personnalisés et l'analyse unicellulaire de plus d'un milliard de cellules de patients révèlent un potentiel supplémentaire pour améliorer les résultats chez les patients

VIENNE et OXFORD, Angleterre, September 20, 2022--(BUSINESS WIRE)--Exscientia (Nasdaq : EXAI), l'ETH Zurich, l'Université médicale de Vienne et le Centre de recherche CeMM en médecine moléculaire annoncent aujourd'hui une nouvelle publication dans Blood Cancer Discovery, une revue de l'Association américaine pour la recherche sur le cancer, intitulée «Deep Morphology Learning Enhances Precision Medicine by Image-Based Ex Vivo Drug Testing» réalisée par le laboratoire du professeur Berend Snijder. Cette analyse post-hoc s'appuie sur les travaux transformateurs de l'essai EXALT-1, publiés dans Cancer Discovery, en utilisant des algorithmes d'apprentissage profond pour classer les morphologies cellulaires complexes en « morphotypes » de la maladie dans les échantillons de tissus cancéreux des patients.

EXALT-1 a été le premier essai prospectif à démontrer une amélioration significative des résultats pour les patients atteints de cancer hématologique à un stade avancé, en utilisant une plateforme de médecine de précision basée sur l'IA pour guider des recommandations de traitement personnalisées, comparé au choix de traitement du médecin. Dans le cadre de l'essai EXALT-1, 40 % des patients ont présenté des réponses exceptionnelles sur une durée au moins trois fois supérieure à celle qui était prévue pour leur maladie respective. L'analyse post-hoc publiée aujourd'hui dans Blood Cancer Discovery révèle que la combinaison de la technologie telle qu'utilisée dans EXALT-1 avec de nouvelles avancées d'apprentissage profond qui tirent parti des caractéristiques spécifiques des cellules dans les images à haut contenu a révélé la possibilité d'améliorer davantage ces résultats chez les patients.

« Suite aux résultats de l'essai EXALT-1, ces observations continuent de valider que notre plateforme de médecine de précision basée sur l'IA a la capacité d'identifier des recommandations de traitement clinique hautement exploitables pour les cancers du sang, en approfondissant nos connaissances et en améliorant le pouvoir prédictif clinique de la plateforme pour venir en aide aux patients », a déclaré Gregory Vladimer, Ph.D., vice-président de la recherche translationnelle chez Exscientia et co-investisseur de la technologie de la plateforme. « La morphologie cellulaire, ou l'évaluation des caractéristiques des cellules, est fondamentale pour le diagnostic du cancer. Dans le cadre de cette recherche, nous avons pu utiliser l'apprentissage profond dans la plateforme pour améliorer notre capacité à identifier des traitements personnalisés contre le cancer, ce qui conduit à de meilleurs résultats cliniques chez les patients. Chez Exscientia, nous sommes enthousiastes à l'idée d'étendre les applications de la plateforme pour mettre la médecine personnalisée à la portée de populations plus larges. »

« Nous pensons que la réalisation de criblages de médicaments directement dans les tissus tumoraux de patients atteints de cancer constitue un grand pas en avant dans la compréhension de la complexité des tumeurs par rapport aux systèmes traditionnels de modèles cellulaires. Le fait que nous puissions aujourd'hui exploiter la puissance de l'apprentissage profond pour transformer ces téraoctets d'images en informations exploitables est vraiment très encourageant », a ajouté le professeur Berend Snijder, chercheur principal à l'Institut de biologie moléculaire systémique de l'ETH Zurich, en Suisse.

L'impact de l'apprentissage profond sur le pouvoir prédictif clinique du criblage ex vivo de médicaments a été évalué dans une analyse post-hoc de 66 patients sur une période de trois ans dans un ensemble de données combinées de 1,3 milliard de cellules de patients pour 136 médicaments testés ex vivo dans des diagnostics hématologiques comprenant la leucémie myéloïde aiguë, les lymphomes à cellules T, les lymphomes diffus à grandes cellules B, la leucémie lymphocytaire chronique et le myélome multiple. Les patients recevant des traitements recommandés par l'analyse d'immunofluorescence de la plateforme ou l'apprentissage profond sur les morphologies cellulaires ont présenté un taux accru d'obtention d'une réponse clinique exceptionnelle, définie comme une période de survie sans progression qui a duré trois fois plus longtemps que prévu pour la maladie respective de chaque patient. Des analyses post-hoc ont confirmé que les prédictions cliniques devenaient plus précises lorsqu'on prenait également en compte la toxicité du médicament sur les cellules saines dans l'échantillon de patients testé.

La plateforme de médecine de précision d'Exscientia fait appel à des techniques personnalisées d'apprentissage profond et de vision par ordinateur pour extraire des données unicellulaires significatives à partir d'images à haut contenu d'échantillons de tissus de chaque patient. Cette analyse génère des informations pertinentes d'un point de vue clinique sur les traitements qui seront les plus bénéfiques chez un patient individuel. Une évaluation plus poussée des résultats chez un patient donné au moyen des capacités génomiques et transcriptomiques d'Exscientia peut aider Exscientia à mieux comprendre quels autres patients peuvent bénéficier de traitements similaires. La technologie sous-jacente a été développée par Dr Gregory Vladimer et Prof. Berend Snijder alors qu'ils travaillaient dans le laboratoire de Giulio Superti-Furga au centre de recherche CeMM pour la médecine moléculaire en Autriche.

À propos d’Exscientia

Exscientia est une société de technologies pharmaceutiques optimisées par l’IA qui s’engage à découvrir, concevoir et développer les meilleurs médicaments possibles de la manière la plus rapide et la plus efficace. Exscientia a mis au point la toute première plateforme d’oncologie de précision fonctionnelle pour guider avec succès la sélection des traitements et améliorer les résultats des patients dans une étude clinique interventionnelle prospective, mais aussi pour faire progresser vers le contexte clinique de petites molécules conçues grâce à l’IA. Notre portefeuille de projets internes s'appuie sur notre plateforme de médecine de précision en oncologie, alors que notre portefeuille de projets en partenariat étend notre approche à d'autres domaines thérapeutiques. En tant que pionniers d'une nouvelle approche dans la création de médicaments, nous pensons que les meilleures idées scientifiques peuvent très vite devenir les meilleurs médicaments pour les patients.

Basé à Oxford (Angleterre, Royaume-Uni), Exscientia possède des bureaux à Vienne (Autriche), Dundee (Écosse, Royaume-Uni), Boston (Massachusetts, États-Unis), Miami (Floride, États-Unis), Cambridge (Angleterre, Royaume-Uni) et Osaka (Japon).

Pour de plus amples renseignements, veuillez visiter https://www.exscientia.ai ou nous suivre sur Twitter @exscientiaAI.

Énoncés prospectifs

Ce communiqué de presse contient certains énoncés prospectifs au sens des dispositions de règle refuge (safe harbor) du Private Securities Litigation Reform Act de 1995, notamment des énoncés ayant trait aux attentes d'Exscientia en ce qui concerne l'avancement du développement des molécules candidates, au calendrier et à l'avancement des études précliniques et des essais cliniques des produits candidats d'Exscientia, et aux attentes d'Exscientia concernant sa plateforme de médecine de précision et sa plateforme de découverte de médicaments alimentée par l'IA. Des mots tels que « prévoit », « pense », « s'attend à », « a l'intention de », « projette », « anticipe » ainsi que les tournures au futur ou des expressions similaires sont destinés à identifier les énoncés prospectifs. Ces énoncés prospectifs sont soumis aux incertitudes inhérentes à la prévision de résultats et de conditions futurs, notamment le champ d'application, les progrès et l'expansion des efforts de développement de produits d'Exscientia ; le lancement, le champ d'application et les progrès des essais cliniques d'Exscientia et de ses partenaires et les répercussions de leur coût ; les développements cliniques, scientifiques, réglementaires et techniques ; et ceux inhérents au processus de découverte, de développement et de commercialisation de produits candidats qui sont sûrs et efficaces en vue d'une utilisation à des fins de thérapeutique humaine, et à l'effort de développement d'activités articulées autour de ces produits candidats. Exscientia n'assume aucune obligation de mettre à jour ou de réviser publiquement les énoncés prospectifs, à la suite de nouvelles informations, d'événements futurs ou d'autres facteurs, sauf si la loi l'exige.

Le texte du communiqué issu d’une traduction ne doit d’aucune manière être considéré comme officiel. La seule version du communiqué qui fasse foi est celle du communiqué dans sa langue d’origine. La traduction devra toujours être confrontée au texte source, qui fera jurisprudence.

Consultez la version source sur businesswire.com : https://www.businesswire.com/news/home/20220919005871/fr/

Contacts

Investisseurs :
Sara Sherman
investors@exscientia.ai

Médias :
Amanda Galgay
media@exscientia.ai