De la muestra a los datos: Lunit se alía con Discovery para integrar la patología con IA en el desarrollo de fármacos

¿Cómo se convierte una muestra de tejido en datos comparables para el desarrollo de fármacos? Además de identificar características biológicas en las imágenes, la preparación de las muestras y los procesos de análisis deben ser suficientemente uniformes. La empresa surcoreana Lunit anunció el 12 de octubre una colaboración con Discovery Life Sciences para integrar su plataforma de inteligencia artificial para patología Lunit SCOPE en los servicios de análisis de biomarcadores y tejidos, ofreciendo a las farmacéuticas una vía más concreta en el laboratorio para investigar tejidos mediante IA.

Según el anuncio de ambas empresas, SCOPE se incorporará a los procesos de trabajo existentes de Discovery en función del diseño de investigación de cada cliente biotecnológico y farmacéutico. La obtención de muestras, el procesamiento de tejidos, el análisis de patología molecular y la generación de resultados cuantitativos se realizarán en los laboratorios propios de Discovery. En la etapa de análisis se integrará la tecnología de análisis de imágenes de Lunit para apoyar la investigación clínica, la investigación traslacional y el desarrollo de fármacos.

Esta colaboración se centra en la información sobre biomarcadores presente en los tejidos: los investigadores buscan transformar las características biológicas que muestran las imágenes en mediciones cuantitativas comparables, para explorar más a fondo la relación entre las enfermedades y la respuesta al tratamiento. La información publicada ese mismo día por BioSpectrum Asia también señaló la estandarización de la información cuantitativa y la mejora de la reproducibilidad del análisis como objetivos de la colaboración. Sin embargo, el anuncio no identificó los primeros programas de desarrollo de fármacos que la adoptarán, las poblaciones con enfermedades concretas ni los biomarcadores específicos; sus aplicaciones reales siguen dependiendo de cada estudio.

En este proceso, los pasos previos a la IA son igualmente esenciales. Anna Juncker-Jensen, vicepresidenta de Asuntos Científicos de Discovery, destacó que una preparación uniforme de los tejidos y unos procesos de trabajo consistentes son requisitos previos para un análisis fiable de patología con IA. Integrar el procesamiento de muestras y el análisis en un mismo servicio de laboratorio busca proporcionar una base de calidad más uniforme para los materiales de entrada y las mediciones posteriores; cuánto puede reducir esta integración las diferencias entre análisis aún requiere el respaldo de datos empíricos.

La colaboración también abre una vía de acceso a los clientes existentes de investigación clínica. Según las cifras publicadas por la empresa, Discovery ha prestado servicios de biomarcadores a más de 2.000 programas de ensayos clínicos y actualmente apoya más de 350 programas en curso. Esto refleja la escala de sus servicios, pero no puede interpretarse como prueba de que SCOPE ya se haya implementado o validado en esos ensayos. Ambas partes también prevén ampliar los servicios de análisis de tejidos con IA, aunque no revelaron el importe de la colaboración ni el calendario para su implementación completa.

El avance que puede confirmarse por ahora es el establecimiento de una vía de colaboración entre la plataforma de patología con IA y los servicios de muestras y laboratorio. Este anuncio no presentó nuevos resultados de validación clínica ni proporcionó información sobre el tamaño de los conjuntos de datos, la exactitud del análisis o los resultados de comparaciones con los métodos existentes. Si en el futuro se pretende utilizar estas mediciones para ayudar a estratificar a los pacientes o seleccionar tratamientos, será necesaria una validación para cada uso específico; esta colaboración de servicios de investigación, por sí sola, no demuestra que los análisis correspondientes hayan sido autorizados para su uso en decisiones clínicas.