– Presentasi ASCO 2024 Lunit untuk menyoroti kemajuan termasuk deteksi ultra-rendah HER2 dan model prediksi respons ICI bertenaga AI untuk NSCLC, menunjukkan dampak rangkaian Lunit SCOPE pada onkologi presisi
SEOUL, Korea Selatan, 24 Mei 2024 /PRNewswire/ — Lunit (KRX:328130.KQ), penyedia terkemuka solusi bertenaga AI untuk diagnostik dan terapi kanker, hari ini mengumumkan presentasi tujuh studi pada Pertemuan Tahunan American Society of Clinical Oncology (ASCO) 2024 di Chicago, dari 31 Mei hingga 4 Juni. Lunit akan menyajikan temuan terperinci tentang beberapa studi inovatif, termasuk identifikasi ekspresi ultra-rendah HER2 pada kanker payudara menggunakan kuantifikasi berbasis AI, dan model berbasis pembelajaran mendalam yang mengintegrasikan CT dada dan analisis histopatologi untuk memprediksi respons imunoterapi pada kanker paru-paru sel non-kecil (NSCLC).
Kunjungi Lunit di stan IH22 untuk mengetahui bagaimana rangkaian Lunit SCOPE merevolusi penelitian onkologi dan praktik klinis.
Dalam presentasi poster, Lunit’s AI-powered HER2 analyer, Lunit SCOPE HER2, menunjukkan kemampuan untuk mengidentifikasi ekspresi ultra-rendah HER2 dan membedakannya dari kasus HER2-negatif yang sebenarnya pada pasien kanker payudara menggunakan kuantifikasi subseluler berkelanjutan dari gambar imunohistokimia HER2 (IHC).
Menurut temuan yang dipresentasikan di ASCO 2022, konjugat antibodi-obat (ADC) yang ditargetkan HER2 dapat secara efektif menargetkan sel tumor bahkan pada kanker payudara rendah HER2. Ini menyoroti pentingnya mengidentifikasi secara akurat ekspresi HER2-rendah dan HER2 ultra-rendah pada kanker payudara, terutama untuk pasien yang sebelumnya diklasifikasikan sebagai HER2-negatif. Sebagai tanggapan, Lunit mengembangkan analisis gambar seluruh slide (WSI) berbasis AI untuk slide bernoda IHC untuk membedakan antara kasus HER2-negatif dan HER2 ultra-rendah yang sebenarnya. Model AI mengevaluasi lebih dari 67 juta sel tumor dan 119 juta sel non-tumor dari 401 WSI, mengidentifikasi proporsi yang signifikan dari kasus ultra-rendah HER2 di antara kasus skor HER2 0 yang dinilai patologi. Analisis bertenaga AI ini dapat memperluas dan menyempurnakan pilihan pengobatan untuk pasien dengan terapi bertarget HER2, seperti yang ditunjukkan oleh 23,6% kasus skor 0 HER2 yang diidentifikasi sebagai HER2 sangat rendah oleh AI, dan 51,9% kasus skor HER2 1+ diklasifikasikan sebagai HER2 rendah oleh AI, sebanding dengan tingkat respons obyektif 52,3% terhadap ADC bertarget HER2 yang diamati dalam uji klinis lain.
Dalam studi lain, Lunit mengembangkan dan memvalidasi model AI yang menganalisis gambar CT dada pasien saja dan dalam kombinasi dengan gambar patologi untuk memprediksi respons Immune Checkpoint Inhibitor (ICI) pada pasien NSCLC. Model prediksi CT dada berbasis pembelajaran mendalam Lunit, dikembangkan menggunakan data dari 1.876 pasien NSCLC yang diobati dengan ICI, memprediksi respons pengobatan berdasarkan CT scan dada pra-perawatan, bersama dengan status PD-L1 dan fenotip kekebalan. Model ini menunjukkan kekuatan prediksi yang signifikan sebagai biomarker independen. Pasien yang diprediksi sebagai responden oleh model AI menunjukkan waktu rata-rata yang jauh lebih lama untuk perawatan berikutnya (TTNT; 7 bulan vs. 2,5 bulan) dan kelangsungan hidup keseluruhan yang lebih lama (OS; 16,5 bulan vs. 7,6 bulan) dibandingkan dengan pasien yang diprediksi sebagai non-responden. Menggabungkan model AI CT dengan biomarker histopatologi seperti ekspresi PD-L1 dan limfosit infiltrasi tumor (TIL) semakin meningkatkan akurasi prediksi, menyoroti kekuatan komplementer dari data pencitraan dan patologi dalam meningkatkan model prediktif untuk respons ICI.
Sebuah studi kolaboratif dengan Stanford University School of Medicine meneliti hubungan fenotipe imun dengan hasil setelah imunoterapi pada melanoma metastatik, menyoroti heterogenitas fenotipe imun di seluruh subtipe melanoma.
Studi lain dengan Northwestern University menggunakan analisis bertenaga AI dari struktur limfoid tersier (TLS) dalam gambar keseluruhan H&E untuk memprediksi respons imunoterapi pada pasien NSCLC. Ini menunjukkan potensi AI dalam mengidentifikasi biomarker prediktif untuk hasil bertahan hidup.
“Di ASCO 2024, Lunit dengan bangga mempersembahkan tujuh studi inovatif yang menggambarkan peran perintis kami dalam onkologi presisi berbasis AI,” kata Brandon Suh, CEO Lunit. “Dari kuantifikasi HER2 hingga model prediktif untuk respons imunoterapi, pekerjaan kami mengubah onkologi dengan membuat pengobatan kanker tidak hanya dipersonalisasi tetapi juga prediktif, memastikan hasil terbaik bagi pasien di seluruh dunia.”
Selain studi di atas, Lunit akan menyajikan tiga studi lagi di ASCO tahun ini, menunjukkan beragam kemampuan suite Lunit SCOPE. Studi ini mencakup model prediksi histopatologi komprehensif untuk kanker payudara dini, dan generasi kelompok uji-dan-kontrol hipotetis untuk pemilihan pengobatan di TPS-high NSCLC.
Kunjungi Lunit di stan IH22 untuk mengetahui bagaimana rangkaian Lunit SCOPE merevolusi penelitian onkologi dan praktik klinis.
Presentasi di ASCO 2024 yang menampilkan Lunit SCOPE meliputi:
- “Identifikasi HER2 ultra-rendah berdasarkan kuantifikasi subseluler HER2 bertenaga kecerdasan buatan (AI) dari gambar imunohistokimia HER2” (1115, Poster Board 93)
- “Model CT dada berbasis pembelajaran mendalam untuk memprediksi respons pengobatan terhadap inhibitor pos pemeriksaan kekebalan pada kanker paru-paru sel non-kecil secara independen dan aditif terhadap biomarker histopatologis” (8536, Poster Board 400)
- “Analisis gambar seluruh slide H&E (WSI) bertenaga kecerdasan buatan (AI) untuk memprediksi kekambuhan pada kanker payudara dini reseptor hormon positif (HR +) (EBC)” (571, Poster Board 163)
- “Profil fenotip imun berdasarkan asal anatomi melanoma dan dampak pada hasil klinis pengobatan inhibitor pos pemeriksaan kekebalan” (9569, Poster Board 353)
- “Analisis gambar seluruh slide H&E (WSI) bertenaga kecerdasan buatan (AI) dari struktur limfoid tersier (TLS) untuk memprediksi respons terhadap imunoterapi pada kanker paru-paru sel non-kecil (NSCLC)” (3135, Poster Board 280)
- “Keamanan yang diperbarui, kemanjuran, farmakokinetik, dan biomarker dari studi fase 1 IMC-002, antibodi monoklonal anti-CD47 baru, pada pasien dengan tumor padat lanjut” (2642, Poster Board 121)
- “Hubungan antara fenotip imun dan pemilihan pengobatan Chemo-IO vs. IO-only di TPS-high NSCLC menggunakan generasi kelompok uji-dan-kontrol hipotetis berdasarkan data kelangsungan hidup yang diekstraksi dari uji coba fase III” (e13569)
Tentang Lunit
Didirikan pada tahun 2013, Lunit adalah perusahaan AI medis dengan misi untuk menaklukkan kanker. Kami memanfaatkan analitik citra medis yang didukung AI dan biomarker AI untuk memastikan diagnosis yang akurat dan perawatan optimal untuk setiap pasien kanker. Suite Lunit INSIGHT kami yang disetujui FDA untuk skrining kanker melayani lebih dari 3.000 rumah sakit dan institusi medis di 40+ negara.
Temuan klinis kami ditampilkan dalam jurnal top, termasuk Journal of Clinical Oncology dan Lancet Digital Health, dan dipresentasikan pada konferensi global seperti ASCO dan RSNA.
Pada tahun 2024, Lunit mengakuisisi Volpara Health Technologies, menyiapkan panggung untuk sinergi dan akurasi yang tak tertandingi, terutama dalam kesehatan payudara dan teknologi skrining.
Berkantor pusat di Seoul, Korea Selatan, dengan jaringan kantor global, Lunit memimpin dalam inovasi AI medis. Temukan selengkapnya di lunit.io.
