精准医学平台辅助寻找个性化患者医护和改进神经退行性疾病药物开发的标志物
# X3 L1 f- C6 k/ B0 D; N
以色列贝尔谢巴,2019年2月19日——本-古里安大学(BGU)技术转让公司BGN Technologies今日发布了一种新型人工智能(AI)平台,用于监测和预测神经退行性疾病的进展,目的是识别个性化患者护理和改进药物开发的标志物。该技术由BGU工业工程与管理系Boaz Lerner教授开发,最初将专注于肌萎缩侧索硬化(ALS),随后将被应用于各种其他神经退行性疾病,比如帕金森病和阿尔茨海默病。
0 {4 P: H0 R& u' r
ALS是一种运动神经疾病,病情几乎总是随时间推移而发展。ALS患者群体的异质性导致发病时症状、疾病进展速度和模式以及生存期均存在可变性,致使该病的研究和药物开发变得复杂。该新型AI平台实现了对同质亚群患者的可靠分层以及亚群疾病进展速度和模式的个性化预测,将提高患者的医护和生活质量。该平台还可以通过识别不同患者亚群的治疗反应标志物而提高临床试验设计和评价临床研究中治疗影响的能力,从而提高研究的成功率。 ) @1 Z- r" v: s
该平台使用机器学习和数据挖掘算法来分析人口统计学和临床数据以生成模型。相关模型能够预测ALS进展的速度和模式,识别预测关键因素(比如特定实验室测试或生命体征),并对异质性的ALS患者群体进行同质亚群分层。随着每个患者的临床数据的增加,该算法和疾病进展预测,得到改进。
4 ^5 z' s; O) Y2 ~7 z- Q2 G k
5 W- x! \3 Z1 P4 U3 q! K
“设计和管理ALS临床试验的一大挑战在于,它不仅是一种罕见的疾病,而且其临床异质性导致很难识别与疾病严重程度相关的标志物,因而临床试验难以取得成功。结果,经过几十年的研究,ALS和其他神经退行性疾病,仍然没有真正的治愈方法,” Lerner教授解释说,“这一使用机器学习算法的新平台,不仅能够准确预测疾病进展(更好的临床试验的关键要素),还能够识别人口统计数据和可测量因素(来自体格检查和患者功能)之间的相互关系,从而推进这种毁灭性疾病的临床研究。通过使用患者临床数据进一步验证该ALS平台,我们现在正将其扩展到其他神经退行性疾病,比如帕金森病和阿尔茨海默病。”
7 `7 _4 M4 j0 w1 v
“由于该算法产生模型已经得到确立和评估,最近来自以色列创新局的资助将使得我们的研究人员能够创建一个系统,该系统可以应用于电脑、云端和手机程序,供患者、医生、护理人员、制药公司和健康维护组织个性化监测和预测ALS进展,” BGN Technologies公司Itzik Mashiach说,“我们现在寻求业界合作伙伴,进一步开发和商业化正在申请专利的创新技术。” ( t* g( s1 f+ \3 m G
2 q) x; Y. Q$ w1 J) I
|