您好,欢迎您

ESMO Daily Reporter | 代理型AI如何重塑肿瘤临床试验与新药研发格局?

03月24日
整理:肿瘤资讯
来源:ESMO Daily Reporter

2026年ESMO靶向抗癌治疗大会(ESMO TAT)上,ESMO Daily Reporter发布了Jorge Reis-Filho博士的一篇题为Redesigning oncology clinical trials with agentic AI的报道。随着人工智能(AI)技术的飞速发展,代理型AI(agentic AI)模型正以半自主的方式在肿瘤学研究和抗癌药物开发中发挥重要作用。【肿瘤资讯】特此整理该报道的核心内容,以飨读者。

专家介绍

3241.png
Jorge Reis-Filho
医学博士

美国马里兰州盖瑟斯堡

AI重塑肿瘤学研究格局

过去30年中,肿瘤学的关键演变与技术的进步相呼应,AI也是如此,它正日益重塑肿瘤学研究的格局。当前的代理型AI模型已经能够以半自主的方式,以不同水平的精度和准确度执行多种不同的任务。这项技术正以惊人的速度发展:昨日的尖端技术已被超越,其所能处理的复杂程度每个月都在成倍增加。

多模态基础模型与真实世界数据

去年,一家大型制药公司与专业AI公司合作,创建了肿瘤学领域最大的多模态基础模型,该模型基于电子健康记录、实验室检测、病理图像、病理报告、放射学图像、放射学报告以及患者住院期间的非结构化记录。通过自监督模型提取的患者“嵌入特征”有助于解决一系列重要问题,例如预测哪些患者可能对特定治疗反应最佳,以及至关重要的是,如何使用医疗保健提供者可广泛访问的系统大规模地提供这些潜在益处。

这些工具可用于帮助改善关键肿瘤领域患者的下一代治疗选择,利用真实世界数据不仅为新型治疗药物的开发提供信息,还为结合新旧疗法的方法提供指导。最新AI系统的一个关键优势是它们允许在相对较小的数据集上进行准确的泛化,从而以传统研发途径所需时间、人力和最终成本的一小部分来促进进展。通过简化临床试验并降低从II期过渡到III期试验的失败风险,这些工具有效地消除了大规模招募的需求,并有助于加速监管流程。在数百万患者数据上训练的模型已被投入使用,并显示出在早期癌症检测和毒性预测方面的潜力。

AI在生物标志物开发中的应用

2024年,首个基于病理学AI的抗体偶联药物预测性生物标志物【涉及TROP2归一化膜比率(TROP2 normalised membrane ratio)】在TROPION-Lung01试验中被证明可有效指导非小细胞肺癌患者的datopotamab deruxtecan治疗。该模型使用定量连续评分(QCS)平台,这是一种完全监督的计算病理学AI解决方案,允许在单细胞分辨率下识别癌细胞并量化癌细胞亚细胞区室【(即细胞膜、细胞质和细胞核)】内的靶蛋白表达水平。通过实施最先进的前沿基础模型,QCS的开发得到了大幅加速,从而在算法开发期间减少或消除了对手工注释的需求,将开发时间从估计的2.5年缩短至约5.5个月。这些基于AI的解决方案高度敏捷,允许开发多重生物标志物解决方案和下一代多模态生物标志物。

构建特定领域的AI生态系统

将特定领域的AI模型整合到肿瘤学研发中,依赖于一个复杂的共生伙伴关系生态系统,该系统认识到不同的需求并建立在各贡献者的个人优势之上。缺乏专业AI知识的制药公司和中心可以从专业的AI公司外部获取合适的特定领域自监督基础模型,并使用它们来强化、微调和扩充专有数据。处于研究前沿的学术机构的专业知识是网络成功的不可或缺的一部分,其回报是这种关系将有助于加速他们自己项目的进展。最后,与患者和倡导团体的咨询对于确保在药物开发的最早阶段纳入患者的声音至关重要。

AI不是未来,而是现在。通过学习如何最好地利用其力量,我们可以帮助提高个性化护理交付的速度和功效。

责任编辑:肿瘤资讯-古木
排版编辑:肿瘤资讯-古木
版权声明
本文专供医学专业人士参考,未经著作人许可,不可出版发行。同时,欢迎个人转发分享,其他任何媒体、网站如需转载或引用本网版权所有内容,须获得授权,且在醒目位置处注明"转自:良医汇-肿瘤医生APP"。