لونیـت نتایج پژوهش‌های هوش مصنوعی خود را در همکاری با آسترازنکا و دای‌ایچی سانکیو در کنگره ESMO ارائه می‌کند
شرکت لونیـت نتایج پژوهش خود درباره استفاده از هوش مصنوعی برای تحلیل سرطان پستان را که با مشارکت شرکت‌های داروسازی بین‌المللی آسترازنکا و دای‌ایچی سانکیو انجام شده است، ارائه خواهد کرد. همچنین نتایج مطالعه‌ای درباره مقایسه ارزیابی نشانگر زیستی سرطان ریه به کمک هوش مصنوعی و آسیب‌شناسان و پژوهشی درباره محیط بافتی اطراف سلول‌های سرطانی در بیماران مبتلا به سرطان پانکراس منتشر خواهد شد.
لونیـت روز ۲۰ اکتبر اعلام کرد که پنج چکیده پژوهشی مبتنی بر پلتفرم نشانگرهای زیستی هوش مصنوعی این شرکت، با نام Lunit Scope، را در کنگره انجمن اروپایی انکولوژی پزشکی (ESMO 2026) ارائه می‌کند. این کنگره از ۲۳ تا ۲۷ اکتبر در مادرید اسپانیا برگزار می‌شود.
مهم‌ترین ارائه به نخستین نتایج پژوهش پروژه بین‌المللی هوش مصنوعی AIforHER اختصاص دارد که بر تحلیل HER2 در سرطان پستان متمرکز است. این پروژه به رهبری مرکز سرطان‌شناسی ICO فرانسه و با مشارکت شرکت‌های داروسازی و مؤسسات درمانی، از جمله آسترازنکا و دای‌ایچی سانکیو، در حال توسعه و اعتبارسنجی الگوریتم‌های هوش مصنوعی برای انتخاب درمان متناسب با شرایط بیماران مبتلا به سرطان پستان است.
تیم پژوهشی، راهکارهای هوش مصنوعی چند شرکت را برای بیمارانی مقایسه و ارزیابی کرد که میزان پروتئین HER2 در تومور آن‌ها بسیار پایین است. سطح این پروتئین در تعیین روش درمان سرطان پستان نقش دارد. با توجه به اینکه اکنون بیمارانی با سطح بیان بسیار پایین HER2 نیز ممکن است واجد شرایط دریافت داروهای کونژوگه آنتی‌بادی و دارو (ADC) باشند، تشخیص تفاوت‌های ظریف در میزان بیان این پروتئین اهمیت بیشتری پیدا کرده است. در این ارزیابی، راهکار لونیـت برای شرکت در مرحله بعدی پژوهش انتخاب شد؛ مرحله‌ای که تنها دو شرکت در آن حضور دارند و عملکرد راهکارهای منتخب در محیط واقعی بالینی بررسی می‌شود.
در پژوهش مربوط به سرطان ریه، نمونه‌های بافتی حاصل از جراحی ۹۹۳ بیمار مبتلا به سرطان ریه سلول غیرکوچک بررسی شد. این بیماران در یک پروژه پژوهشی به سرپرستی مرکز ملی سرطان ژاپن شرکت داشتند. آسیب‌شناسان و سامانه هوش مصنوعی Lunit Scope PD-L1 به‌طور جداگانه میزان بروز پروتئین PD-L1 را ارزیابی کردند؛ پروتئینی که یکی از شاخص‌های مورد استفاده برای تصمیم‌گیری درباره درمان‌های ایمنی‌درمانی سرطان است. میزان تطابق کلی نتایج دو روش ۷۳ درصد بود.
اختلاف ارزیابی‌ها در نمونه‌هایی که میزان PD-L1 در آن‌ها پایین‌تر بود، بیشتر به چشم می‌آمد. در ۲۱۱ مورد، آسیب‌شناسان میزان بیان PD-L1 را کمتر از یک درصد تشخیص دادند، اما هوش مصنوعی آن را بیش از یک درصد ارزیابی کرد. از این تعداد، در ۲۰۴ مورد، معادل ۹۷ درصد، میزان بیان این پروتئین بر اساس ارزیابی هوش مصنوعی بین یک تا ۱۰ درصد برآورد شد. پژوهشگران توضیح دادند که برای مشخص شدن تأثیر این اختلاف در ارزیابی‌ها بر نتایج واقعی درمان، انجام مطالعات بالینی تکمیلی ضروری است.
در مطالعه دیگری، ۱۸۱ بیمار مبتلا به آدنوکارسینوم مجرایی پانکراس بررسی شدند تا مشخص شود ویژگی‌های بافتی اطراف بافت سرطانی و جهش‌های ژنتیکی چه ارتباطی با پیش‌آگهی بیماری دارند. پژوهشگران با استفاده از ابزار Lunit Scope IO تصاویر آسیب‌شناسی را تحلیل کردند. نتایج نشان داد در کل گروه بیماران، هرچه میزان استرومای اطراف بافت تومور بیشتر بود، فاصله زمانی تا پیشرفت سرطان یا مرگ کوتاه‌تر می‌شد. بااین‌حال، در میان بیمارانی که جهش مشخص G12D در ژن KRAS داشتند، این فاصله زمانی در گروه دارای استرومای بیشتر طولانی‌تر بود.
میانه بقای کلی در بیماران فاقد جهش KRAS برابر با ۴۳٫۸ ماه بود. این میزان در گروه دارای سایر جهش‌های KRAS به ۱۹٫۵ ماه و در بیماران دارای جهش G12D به ۱۵٫۱ ماه رسید.
سئو بوم‌سوک، مدیرعامل لونیـت، گفت: «در این کنگره پژوهش‌های معناداری ارائه خواهیم کرد که نقش هوش مصنوعی را در حوزه‌هایی بررسی می‌کنند که ارزیابی صرفاً با مشاهده میکروسکوپی در آن‌ها دشوار است؛ از جمله تشخیص موارد دارای سطح بیان بسیار پایین HER2.»
او افزود: «همکاری خود را با شرکت‌های داروسازی بین‌المللی و مؤسسات پژوهشی گسترش خواهیم داد تا Lunit Scope بتواند معیارهای دقیق‌تری برای طبقه‌بندی بیماران مبتلا به سرطان ارائه کند.»
