Mitteilungen an die Presse

August 8, 2024

Die Komplexität von Krebs entschlüsseln: Paige bringt die weltweit größten KI-Modelle auf den Markt und revolutioniert die Krebsdiagnose mit der zweiten Generation von Virchow

Der Umfang von Virchow ist größer als bei jedem anderen Modell der Pathologie-Stiftung: Trainiert auf 3 Millionen Pathologie-Objektträgern; von mehr als 40 verschiedenen Gewebearten; Basierend auf 1,8 Milliarden Parametern NEW YORK–(BUSINESS WIRE)–Paige, ein weltweit führender Anbieter von klinischen KI-Anwendungen für Krebs, hat in Zusammenarbeit mit Microsoft die zweite Generation von Virchow, seinem Millionen-Objektträger-Modell für Krebs, vorgestellt.
Virchow2 und Virchow2G sind Ergänzungen der Paige-Suite von Basismodellen, den weltweit größten und fortschrittlichsten KI-Modellen in der klinischen Pathologie. Sie bieten ein tieferes Verständnis von Zellen und Gewebe und zielen darauf ab, die Krebsdiagnose und -behandlung neu zu definieren.
Virchow2 und Virchow2G basieren auf einem vielfältigen Datensatz von über 3 Millionen Pathologie-Objektträgern aus über 800 Labors und 45 Ländern und bieten eine beispiellose Datenvielfalt und -tiefe.
Diese Modelle wurden mit anonymisierten Daten von über 225.000 Patienten trainiert und umfassen ein breites Spektrum von Geschlecht, Ethnie und geografischen Regionen, was ein ganzheitlicheres Verständnis von Krebs ermöglicht.
Dieser umfassende Datensatz enthält außerdem über 40 verschiedene Gewebetypen, die mit H&E und diversen Immunfärbungen (IHC) gefärbt wurden, und eignet sich damit für eine Vielzahl von Anwendungen.
Mit beeindruckenden 1,8 Milliarden Parametern, die die Größe früherer Modelle verdreifachen, ist Virchow2G das größte jemals erstellte Pathologiemodell.
Diese Modelle wurden in Zusammenarbeit mit Microsoft-Forschern und unter Verwendung der fortschrittlichen Supercomputing-Infrastruktur von Microsoft trainiert und stellen einen neuen Rekord im Bereich der KI-Trainingsgröße auf, der die bisherigen Leistungsstandards übertrifft, wie ein kürzlich veröffentlichter technischer Bericht zeigt.
„Unsere Zusammenarbeit mit Microsoft war ausschlaggebend für die Entwicklung von Virchow, die bereits in Nature Medicineanerkannt wurde.
gewürdigt wurde“, sagte Dr. Thomas Fuchs, Gründer und Chief Scientist von Paige. „Wir kratzen gerade einmal an der Oberfläche dessen, was diese Basismodelle erreichen können, um unser Verständnis von Krebs durch computergestützte Pathologie zu verändern. Der immense Umfang von Virchow setzt Schlüsselinformationen frei, die für bahnbrechende Innovationen genutzt werden können, um präzise Diagnosen, gezielte Behandlungen und eine personalisierte Patientenversorgung zu ermöglichen. Dies ist der Beginn einer neuen Ära in der Onkologie, in der Technologie und Wissenschaft zusammenwachsen, um Krebs effektiver als je zuvor zu bekämpfen.“ „Diese zweite Generation des Virchow-Modells von Paige übertrifft alles bisher Dagewesene und erweitert unser Wissen und unsere Fähigkeiten, was uns der Verwirklichung der Präzisionsmedizin näher bringt“, sagte Razik Yousfi, Senior Vice President of Technology bei Paige. „Wir erweitern nicht nur unsere Fähigkeiten, erhöhen die Genauigkeit und verkürzen die Zeit bei der Krebsdiagnose, sondern verschieben auch die Grenzen des Möglichen. Unser Ziel ist es, weiterhin die fortschrittlichste KI in die Pathologie zu bringen, was zu besseren Ergebnissen für die Patienten und zu bedeutenden Fortschritten beim Verständnis und der Behandlung von Krankheiten führt.“ Die Technologie des Virchow-Foundation-Modells und ihre Auswirkungen auf Krebs heute Um die Erkennung von Krebs zu unterstützen, hat Paige seine Foundation-Model-Technologie zur Entwicklung einer universellen
eine universelle klinische KI-Anwendung für Pathologen entwickelt, die bei der Erkennung und Diagnose von Krebs bei über 40 Gewebearten hilft. Die Diagnose kann oft zeitaufwändig und fehleranfällig sein, aber KI kann dem Pathologen dabei helfen, selbst seltene Krebsarten schnell zu identifizieren und jeden bedenklichen Bereich für die weitere Prüfung durch den Pathologen genau hervorzuheben, so dass die Beurteilung und Diagnose einfacher und effizienter wird. 1,2,3 Über die Krebserkennung hinaus und um die genetischen Marker von Krebs besser zu verstehen, hat Paige auch KI-Module entwickelt, die als vorgefertigte Lösungen für Life Sciences, Pharmaunternehmen und Forschungseinrichtungen dienen.
Diese Module ermöglichen ein präzises therapeutisches Targeting, die Identifizierung neuer Biomarker und eine optimierte Planung klinischer Studien.
Das Ergebnis sind erfolgreichere klinische Studien, eine schnellere Markteinführung neuer Therapien und deutlich verbesserte F&E-Pipelines für Pharma- und Biowissenschaftsunternehmen.
Durch die Integration dieser fortschrittlichen KI-Funktionen können Unternehmen der Biowissenschaften die Forschungseffizienz steigern, neue Erkenntnisse gewinnen und Innovationen in verschiedenen wissenschaftlichen Disziplinen vorantreiben.
Diese KI-Module, zu denen Pan Cancer Detection, Pan Cancer Digital Biomarker Panel und Cellular Analytics gehören, sind zusammen mit Virchow2 und Virchow2G jetzt für die kommerzielle Nutzung verfügbar.
Virchow2 gehört auch zu Paige’s OpenPFM Suite auf Hugging Face für nicht-kommerzielle Forschungszwecke.
Für weitere Informationen über den Zugang zu Paiges Stiftungsmodell-Technologie oder um mehr über deren Anwendungen zu erfahren, senden Sie eine E-Mail an [email protected]. Pressemitteilung ansehen 1Eloy, Catarina et al. „Künstliche Intelligenz-unterstützte Krebsdiagnose verbessert die Effizienz von Pathologen bei Prostatabiopsien“. Virchows Archiv : an international journal of pathology vol. 482,3 (2023): 595-604.
doi:10.1007/s00428-023-03518-5 2Perincheri, S., Levi, A.W., Celli, R. et al. „Eine unabhängige Bewertung eines künstlichen Intelligenzsystems zur Erkennung von Prostatakrebs zeigt eine hohe diagnostische Genauigkeit“. Mod Pathol 34, 1588-1595 (2021) 3Raciti, Patricia., Sue, Jillian., et al. „Clinical Validation of Artificial Intelligence Augmented Pathology Diagnosis Demonstrates Significant Gains in Diagnostic Accuracy in Prostate Cancer Detection.“ Archive der Pathologie & Labormedizin (2022)