SimBioSys presenterer nye data for brystkreft personaliserte medisinplattformer på det 46. årlige San Antonio brystkreftsymposium

Publisert av Platon

Følgere: 0

CHICAGO–(BUSINESS WIRE)–SimBioSys, et TechBio-selskap som låser opp kraften til romlig biofysikk med kunstig intelligens (AI) og datavitenskap for å redefinere presisjonsmedisin for kreft med programvareverktøy, presenterte nylig nye data fra sine TumorSight- og PhenoScope-plattformer på 46^th Årlig San Antonio Breast Cancer Symposium (SABCS), holdt fra 5.–9. desember 2023.

Data fra både interne og eksterne valideringsstudier ble delt i seks separate posterpresentasjoner på konferansen. Resultatene inkluderte samarbeid med topp kreftforskningsinstitusjoner, multiinstitusjonell analyse, forbedret visualisering og volumetriske prediksjonsevner for å hjelpe kirurgisk planlegging.

"Vi var henrykte over å dele disse spennende dataene med det bredere brystkreftforskningsmiljøet, som er et bevis på nytten av våre første av sitt slag digitale diagnostikk- og behandlingsplanleggingsplattformer, TumorSight og PhenoScope, for å støtte en pasients ende-til-ende reise i kampen mot kreft,” sa Tushar Pandey, administrerende direktør i SimBioSys. "Vi uttrykker også vår takknemlighet til våre utrolige samarbeidspartnere og ser frem til å utvide forskningspartnerskapene våre og i nær fremtid støtte deres kliniske behandling."

Presentasjonene og nøkkelfunnene er delt nedenfor og kan også finnes på SimBioSys-nettstedet.

(PO2-01-01) Biofysisk simulering ved bruk av DCE-MRI for å forutsi respons på NAT hos HER2+-pasienter, med glukosekarakterisering og ortogonal validering ved bruk av FDG-PET.

Samarbeidspartnere: City of Hope, Oregon Health & Sciences University

Forskningssammendrag: Vi utførte 3D biofysiske simuleringer av individuelle HER2+ brystkreftpasienter for å forutsi respons på neoadjuvant kjemoterapi (NAT).

Hovedfunnene:

SimBioSys' biofysiske simuleringer av HER2-målrettet terapi predikerte nøyaktig pasientrespons, og ga en prediktiv nøyaktighet på 0.83.
Videre var teamet vårt i stand til å karakterisere ytelsen ved å vise korrelasjon av perfusjonskartene, konstruert fra 3D biofysiske simuleringer på pasient DCE-MRI, med to PET-modaliteter som er representative for tumormikromiljøet.
Denne nye tilnærmingen kan brukes i både forsknings- og kliniske omgivelser, og tilby praktisk informasjon om hva som driver pasientspesifikk terapeutisk respons for mer individualisert behandling.

(PO2-02-11) Radiomik og en erosjonsmodell for å forutsi svulstkarakteristikker for post-neoadjuvant terapi for personlig brystkreftbehandling.

Samarbeidspartnere: Northwestern Medicine, University of North Carolina, Baylor Scott & White

Forskningssammendrag: Vi brukte bildedata før behandling for å forutsi effektiviteten av neoadjuvant terapi (NAT) nøyaktig.

Hovedfunnene:

De forutsagte svulstene som var klinisk relevante karakteristika (tumorvolum, konvekst skrogvolum og morfologiske/romlige egenskaper) viste nær samsvar med post-NAT imaging grunnsannhet.
Ved å gi pålitelige estimater av post-NAT tumorkarakteristikker ved bruk av SOC pre-NAT-data, kan denne prediktive modellen muliggjøre personlig behandlingsplanlegging og pasientstratifisering for å optimalisere pasientbehandlingen.

(PO1-01-05) Romlig PK/PD-modell med HER2-uttrykk for å forutsi individuell tumorrespons på TDM1.

Forskningssammendrag: Vi utviklet en romlig PK/PD-modell for antistoff-legemiddelkonjugatet trastuzumab emtansin (T-DM1) og utforsket forholdet mellom HER2-måluttrykk og andre tumormikromiljøfunksjoner.

Hovedfunnene:

SimBioSys' romlige PK/PD-analyser forbedrer prognostiske spådommer sammenlignet med HER2-genekspresjonsdata alene.
Den romlige biofysiske modellen viste at funksjoner i det romlige tumormikromiljøet også påvirker responsen i tillegg til måluttrykk.

(PO2-02-10) Forutsi gjennomførbarheten av brystbevarende kirurgi ved bruk av pre-treatment standard of Care DCE-MRI: A Novel Clinical Decision Support Tool for Breast Cancer Surgical Planning.

Samarbeidspartnere: University of Chicago, University of Alabama, Mayo Clinic, Northshore Health

Forskningsoppsummering: Vi utviklet et verktøy som er i stand til å gi informerte anbefalinger om brystbevarende kirurgi (BCS) eller mastektomi basert på pasientdata med standard behandling.

Hovedfunnene:

TumorSight forutsa vellykket BCS i 76 % av tilfellene, og mastektomi i 61 %.
TumorSight og BCS Feasibility Score hjelper både pasienter og klinikere med informasjon og verktøy for å forenkle beslutninger om kirurgisk planlegging.

(PO2-07-04) Anvendelse av Alliansens prøveretningslinjer i multifokal brystsykdom ved bruk av en kunstig intelligens-beregningsplattform: økonomisk analyse og kosmetisk sensitivitet.

Samarbeidspartnere: Mayo Clinic, University of Cincinnati, University of Chicago, Baylor College of Medicine

Forskningssammendrag: Vi evaluerte en pasientkohort for å bedre forstå den økonomiske virkningen av Alliance-studien og videre kategorisere pasienter som ville ha størst nytte uten å lide kosmetisk påvirkning.

Hovedfunnene:

Vår økonomiske analyse av BCS vs. mastektomi avslørte anslagsvis $17,000 28,500-$XNUMX XNUMX kostnadsbesparelser for BCS-pasienter med privat forsikring, noe som tyder på at både reduserte kostnader og forbedret livskvalitet kan være gjensidig tilpasset.
Vi estimerte at BCS-konvertering fra mastektomi gir en nettobesparelse på 170-350 millioner dollar årlig.

(PO2-03-01) Personlig tilpassede 3D-svulstmodeller driver delt beslutningstaking i tidlig brystkreft.

Samarbeidspartnere: Patient Advocates in Research, Dana-Farber Cancer Institute

Forskningssammendrag: Tidlige brystkreftpasienter (POL) og kirurger ble undersøkt for å vurdere TumorSights potensielle innvirkning på felles beslutningstaking for kirurgiske alternativer for brystkreft.

Hovedfunnene:

POL-er og kirurger viste positiv mottakelse av TumorSight-visualisering for kirurgisk planlegging og beslutningstaking.
POLs bemerket at mange pasienter ikke vet at de har et valg i kirurgi.
90 % av POL-ene mente visualisering er svært viktig for tidlige brystkreftpasienter, og 80 % mente det vil øke tilliten til deres avgjørelser og til deres kirurg.
Beregningsverktøy som TumorSight kan lette pasientforståelsen og forbedre pasienttilpassede behandlinger.

Om SimBioSys:

SimBioSys er et TechBio-selskap som distribuerer en kombinasjon av kunstig intelligens, datavitenskap og romlig biofysikk for å redefinere presisjonsmedisin, transformere pasientbehandling og beseire kreft. Ved å se kreft mer fullstendig, har SimBioSys som mål å gi klinikere, pasienter og forskere en mer informert forståelse av en pasients svulst for å optimalt vurdere alle tilgjengelige alternativer og levere løftet om virkelig individualisert pasientbehandling. For å lære mer, besøk oss på https://www.simbiosys.com/.

Kontakter

Sarah Ellinwood

540-958-1011

Sarah.ellinwood@themarketelement.com