Mục đích chính của PathExplore:

PathExplore chủ yếu dành cho mục đích nghiên cứu (For Research Use Only - RUO). Nó không được sử dụng trong các quy trình chẩn đoán lâm sàng mà tập trung vào việc hỗ trợ các nhà nghiên cứu, các công ty dược phẩm sinh học (biopharma) trong các giai đoạn sau:

Khám phá dấu ấn sinh học (Biomarker Discovery): Tìm kiếm các dấu ấn sinh học mới trong TME có thể dự đoán phản ứng với điều trị hoặc tiên lượng bệnh.

Hiểu biết sâu hơn về sinh học bệnh: Cung cấp cái nhìn chi tiết về cách các tế bào và cấu trúc trong TME tương tác, ảnh hưởng đến sự phát triển và phản ứng của khối u.

Thúc đẩy phát triển liệu pháp: Hỗ trợ phát triển các loại thuốc mới, đặc biệt là trong lĩnh vực ung thư miễn dịch (immuno-oncology) và các bệnh có liên quan đến xơ hóa.

Cách PathExplore hoạt động:

1. Đầu vào là hình ảnh lam kính H&E: PathExplore xử lý các hình ảnh lam kính toàn phần (Whole Slide Images - WSI) từ các mẫu mô bệnh học đã được nhuộm H&E thông thường. Điều này rất quan trọng vì H&E là phương pháp nhuộm tiêu chuẩn, dễ dàng có được và không yêu cầu các kỹ thuật đặc biệt phức tạp.

2. AI phân tích ở độ phân giải đơn bào: Các thuật toán AI của PathAI đã được huấn luyện trên một lượng lớn dữ liệu hình ảnh được chú thích bởi các nhà bệnh học. AI này có khả năng:

Phát hiện và phân loại tế bào: Xác định và phân loại hàng triệu tế bào và vùng mô khác nhau trong mỗi lam kính.

Định lượng không gian: Đo lường mật độ, số lượng, diện tích và đặc biệt là mối quan hệ không gian giữa các loại tế bào khác nhau (ví dụ: tế bào ung thư, tế bào miễn dịch, nguyên bào sợi) trong TME.

Định lượng các đặc điểm cấu trúc: Ví dụ, định lượng mức độ xơ hóa, collagen, hoặc các sợi khác.

3. Xuất ra "Human Interpretable Features" (HIFs):

PathExplore không chỉ đưa ra một kết quả "đen/trắng" mà tạo ra một bảng gồm hơn 600 đặc điểm (features) định lượng và có thể giải thích được cho mỗi mẫu. Các đặc điểm này được chuẩn hóa và cấu trúc, giúp các nhà khoa học dễ dàng phân tích và khai thác.

Các HIFs bao gồm số lượng tế bào, mật độ, diện tích, và các mối quan hệ không gian phức tạp (ví dụ: tỷ lệ lymphocyte thâm nhiễm u, khoảng cách giữa các loại tế bào, mức độ tổ chức của các cấu trúc miễn dịch thứ cấp).

4. Trực quan hóa (Visualizations): PathExplore cũng cung cấp các lớp phủ trực quan trên hình ảnh lam kính, giúp nhà nghiên cứu dễ dàng nhìn thấy các khu vực được AI xác định và phân tích.

Các biến thể của PathExplore và ứng dụng cụ thể:

1. PathExplore™ IOP (Immuno-Oncology Profiling):

Mục tiêu: Tập trung đặc biệt vào việc phân tích các đặc điểm liên quan đến hệ miễn dịch trong TME.

Ứng dụng: Định lượng các tế bào lympho thâm nhiễm u (TILs), phân loại các kiểu hình miễn dịch của khối u (viêm, sa mạc, bị loại trừ), và phân tích cách các tế bào miễn dịch phân bố trong khối u và vùng ngoại vi. Điều này rất quan trọng để dự đoán phản ứng với liệu pháp miễn dịch.

2. PathExplore™ Fibrosis:

Mục tiêu: Định lượng và đặc trưng hóa xơ hóa (fibrosis) và thành phần collagen/sợi trong mô, đặc biệt là trong các bệnh gan như MASH hoặc các bệnh ung thư có liên quan đến xơ hóa.

Ứng dụng: Giúp đánh giá mức độ nghiêm trọng của bệnh, theo dõi tiến triển bệnh, và đánh giá hiệu quả của các liệu pháp nhắm vào xơ hóa.

Hỗ trợ đa dạng các chỉ định ung thư: PathExplore đã mở rộng khả năng phân tích sang hơn 14 loại ung thư khác nhau, bao gồm ung thư phổi không tế bào nhỏ, ung thư vú, đại trực tràng, dạ dày, tuyến tiền liệt, thận, buồng trứng, bàng quang, gan, phổi tế bào nhỏ, u lympho, và đầu cổ.

Lợi ích cho Nghiên cứu và Phát triển Thuốc (Biopharma):

Độ phân giải chưa từng có: Cung cấp thông tin chi tiết đến cấp độ đơn bào và không gian từ các mẫu bệnh lý thông thường.

Khả năng mở rộng: Có thể áp dụng trên số lượng lớn mẫu bệnh nhân, điều mà các phương pháp truyền thống khó thực hiện.

Dữ liệu khách quan và định lượng: Giảm sự chủ quan của con người trong việc đánh giá mô học, mang lại dữ liệu nhất quán và có thể tái lập.

Đẩy nhanh khám phá: Giúp các nhà nghiên cứu nhanh chóng xác định các dấu ấn sinh học mới và hiểu rõ hơn về cơ chế bệnh.

Hỗ trợ thử nghiệm lâm sàng: Cung cấp dữ liệu đáng tin cậy để phân tầng bệnh nhân, đánh giá hiệu quả của thuốc và hỗ trợ quá trình ra quyết định lâm sàng.

PathExplore là một công cụ AI đột phá của PathAI, biến dữ liệu hình ảnh mô bệnh học thành những hiểu biết sâu sắc, định lượng và có giá trị cao, từ đó thúc đẩy nghiên cứu y sinh và phát triển các liệu pháp điều trị chính xác hơn cho bệnh nhân.