Telo Genomics Corp. gibt bekannt, dass das Unternehmen die Validierung einer Reihe von firmeneigenen Automatisierungswerkzeugen abgeschlossen hat, die unter Verwendung modernster Technologien für maschinelles Lernen, tiefes maschinelles Lernen und künstliche Intelligenz entwickelt wurden, um die Effizienz und den Durchsatz seines technologischen Workflows zu maximieren. Die Validierung wurde an einer Untergruppe von Patientenproben mit schwelendem multiplem Myelom (SMM) durchgeführt, die in Zusammenarbeit mit dem Francois Baclesse Cancer Center in Caen, Frankreich, erhalten wurden. TELO hat vor kurzem eine Reihe von Projekten abgeschlossen, die darauf abzielen, die Genauigkeit und
Effizienz seiner neuartigen Diagnoseplattform zu automatisieren und zu verbessern. Diese Projekte umfassten: i) eine verstärkte Automatisierung und Stapelverarbeitung der mikroskopischen Aspekte des Assays, ii) die Entwicklung von Algorithmen des maschinellen Lernens und der künstlichen Intelligenz zur Erleichterung der automatisierten Auswahl von Zielzellen, einem Schlüsselschritt in der Einzelzellanalyse, der den Wert der TeloView-Analyse bereichert, und iii) die Verbesserung der Verarbeitungskapazität der TeloView-Plattform. Es wird erwartet, dass die Implementierung dieser Automatisierungstools die Effizienz und Produktivität des TeloView-Workflows um mehr als 40% steigern wird. Zu den wichtigsten Vorteilen dieser Verbesserungen gehören: i) eine verkürzte Probenverarbeitungszeit, ii) vereinfachte und weniger bedienerabhängige Prozesse, die zu einer höheren Präzision führen, iii) geringere Arbeitskosten und iv) eine Nettoreduzierung der Probenverarbeitungsschritte. Kurz gesagt, das entwickelte Bündel von Automatisierungswerkzeugen wird die Durchlaufzeit von Assays verkürzen, ein wichtiger wertsteigernder Faktor, der die Akzeptanz der Technologie in der Klinik vorantreiben wird.