XtalPi gab die Unterzeichnung eines neuen Abkommens mit CK Life Sciences, einem Mitglied der CK Hutchison Group, bekannt. In Erweiterung ihrer bestehenden Partnerschaft werden die beiden Unternehmen KI-Algorithmen mit anonymisierten klinischen und Biomarker-Daten von Krebspatienten und gesunden Personen aus dem Datenspeicher von CK Life Sciences kombinieren, um gemeinsam miRNA-basierte postoperative molekulare Diagnosemodelle für die Vorhersage des prognostischen Risikos zu erforschen und zu entwickeln. Mit Hilfe von KI und maschinellen Lernmodellen wird diese Zusammenarbeit hoffentlich zur Entwicklung fortschrittlicher und intelligenter Lösungen für die Verarbeitung und Modellierung ganzheitlicher multidimensionaler biomedizinischer Daten, die Entdeckung von Biomarkern und die Vorhersage des postoperativen Rezidivrisikos führen.

Moderne experimentelle Techniken haben sich in der klinischen Forschung erheblich weiterentwickelt, was zu einer Fülle von Daten aus verschiedenen Dimensionen wie der Genomik, der Zellbiologie und der Gewebeanalyse geführt hat. Diese Kombination, die durch die rasante Entwicklung von Technologien der künstlichen Intelligenz unterstützt wird, eröffnet der klinischen Forschung und der Arzneimittelentdeckung ungeahnte Möglichkeiten. Die Frühdiagnose ist ein Paradebeispiel dafür, dass durch die Entwicklung besserer KI-Vorhersagemethoden erhebliche medizinische Ressourcen eingespart werden können.

Die Anwendung von KI in diesem Zusammenhang ist sehr vielversprechend, um die postoperative Prognose und das Rückfallrisiko bei Krebspatienten genau vorherzusagen und gleichzeitig die Verschwendung wertvoller medizinischer Ressourcen zu reduzieren. Dieses sich schnell entwickelnde Feld hat daher sowohl bei Fachleuten aus dem Gesundheitswesen als auch bei Branchenexperten großes Interesse geweckt. XtalPi, ein KI- und Robotik-Technologieunternehmen mit einer nachgewiesenen Erfolgsbilanz bei der Anwendung und Entwicklung modernster Algorithmen in der biowissenschaftlichen Forschung, bietet einzigartige Vorteile und umfangreiche Erfahrungen bei der Modellierung biologischer Sequenzdaten, insbesondere in den Bereichen Proteine und Gene.

CK Life Sciences engagiert sich aktiv in der Forschung und Entwicklung von therapeutischen Krebsimpfstoffen und Krebsdiagnostika. Mit einem Fundus an Krebs-Biomarkern und klinischen Daten aus jahrelanger klinischer Forschung will CK Life Sciences sein Fachwissen und seine strategischen Beziehungen nutzen, um die Krebsbehandlung zu revolutionieren und durch Spitzenforschung auf dem Gebiet der Krebsdiagnostik bessere Ergebnisse für Patienten zu erzielen. Im Jahr 2022 unterzeichneten die beiden Unternehmen eine Kooperation zur gemeinsamen Entwicklung einer neuartigen Forschungs- und Entwicklungsplattform für KI-Tumorimpfstoffe, um die Entdeckungs- und Designfähigkeiten von Tumorimpfstoffen zu verbessern und die Entwicklung weiterer Impfstofftypen zu beschleunigen.

Diese neue Vereinbarung wird sich auf eine bestimmte Krebsart konzentrieren, bei der XtalPi KI-Modelle auf der Grundlage einer umfangreichen Sammlung von de-sensibilisierten, multidimensionalen molekularen Diagnosedaten im Repository von CK Life Sciences erstellen wird. Das Hauptziel dieses Projekts ist die Entwicklung bahnbrechender Modellierungsfunktionen für miRNA-Daten. Auf diese Weise wollen XtalPi und CK Life Sciences klinisch anwendbare, hochpräzise Tumordiagnoseinstrumente schaffen, die die Fähigkeit der Ärzte verbessern, das Risiko eines postoperativen Krebsrezidivs bei Patienten zuverlässig einzuschätzen und besser abgestimmte Behandlungspläne zu implementieren, um die Überlebensraten und die Lebensqualität der Patienten zu verbessern.

Gleichzeitig werden sich die beiden Unternehmen bemühen, entscheidende Biomarker zu identifizieren und robuste Computermodelle für die klinische Diagnose, das Krankheitsmanagement und die Entdeckung neuer Therapeutika zu entwickeln. Die aus diesem Projekt abgeleiteten Modelle und Methoden werden die Grundlage für zukünftige Kooperationen mit größeren und komplexeren Datensätzen bilden. Die Anwendung dieser Modelle und Werkzeuge hat das Potenzial, in Zukunft ein breites Spektrum von Krankheitsbereichen zu umfassen, wobei sich ihre Nutzung auf die Analyse heterogener Omics-Daten, einschließlich Genomics, Proteomics und Metabolomics, ausweiten wird.

Dies wird die Integration von multimodalen Daten wie Genomik- und Bildgebungsdaten ermöglichen und wichtige Anwendungen wie die Identifizierung von Biomarkern, die klinische Diagnose, die Entdeckung neuer Arzneimittel und die Neupositionierung von Medikamenten unterstützen.