通过用户友好的人工智能系统加速药物研发,用于组织病理学图像分析

科学领域:

• 数字病理学数字病理学
• 计算生物学是一种计算生物学.
• 制药研究 制药研究

背景情况:

• 组织病理学分析在药物研发中至关重要,但往往需要专门的专业知识.
• 将先进的计算工具集成到现有的工作流中可能是具有挑战性的.

研究的目的:

• 开发一个人工智能驱动的系统,用于可访问的组织病理学数据分析.
• 促进数据科学家和临床医生之间的跨学科合作.
• 简化对整个幻灯片图像的定量分析.

主要方法:

• 部署最先进的AI工具作为自助服务模块在开源的整个幻灯片图像平台上.
• 集成细分,特征提取和多实例学习模型.
• 实施一个CI/CD管道,用于稳健的模型部署和版本管理.
• 分析输出的自动编目用于数据来源跟踪.

主要成果:

• 使非数据科学家 (例如临床医生) 能够利用和评估AI算法.
• 提供了结果的交互可视化,如注释和热图.
• 已成功应用于各种药物开发任务,包括质细胞细分,细胞计数,目标参与度测量和PD-L1得分预测.
• 集成了SegmentAnything模型以加速注释过程.

结论:

• 开发的系统有效地民主化了AI驱动的药物研发中的组织病理学分析.
• 促进跨学科合作,加快药物开发时间表.
• 为整合新型人工智能模型提供了一个灵活和可扩展的平台.