Tempus
Tempus là một công ty công nghệ hàng đầu thúc đẩy y học chính xác thông qua ứng …
Tempus là một công ty công nghệ hàng đầu thúc đẩy y học chính xác thông qua ứng dụng thực tế của trí tuệ nhân tạo trong chăm sóc sức khỏe. Nó tận dụng một trong những thư viện dữ liệu lâm sàng và phân tử đa phương thức lớn nhất thế giới để giúp các bác sĩ cung cấp dịch vụ chăm sóc bệnh nhân được cá nhân hóa và đẩy nhanh việc khám phá và phát triển các liệu pháp mới.
Về Y học chính xác
Các công cụ Y học chính xác là nền tảng do AI cung cấp được thiết kế để phân tích dữ liệu di truyền, môi trường và lối sống của cá nhân nhằm tùy chỉnh việc điều trị và phòng ngừa bệnh tật. Những công cụ này tận dụng các thuật toán học máy để xử lý các bộ dữ liệu khổng lồ và phức tạp, chẳng hạn như giải trình tự gen, proteomics và hồ sơ sức khỏe điện tử. Giá trị chính của chúng nằm ở việc chuyển từ phương pháp tiếp cận một kích cỡ cho tất cả sang chăm sóc sức khỏe được cá nhân hóa cao, cho phép các bác sĩ lâm sàng lựa chọn các liệu pháp và can thiệp có khả năng hiệu quả nhất cho một bệnh nhân cụ thể. Cách tiếp cận dựa trên dữ liệu này cải thiện đáng kể độ chính xác chẩn đoán và kết quả điều trị.
Tính năng cốt lõi
- Phân tích dữ liệu gen: Xử lý và diễn giải dữ liệu giải trình tự thế hệ mới (NGS) để xác định các biến thể di truyền, đột biến và dấu ấn sinh học liên quan đến bệnh.
- Mô hình hóa dự đoán: Xây dựng các thuật toán để dự báo nguy cơ mắc bệnh, sự tiến triển và phản ứng tiềm năng của bệnh nhân với các liệu pháp cụ thể dựa trên hồ sơ độc nhất của họ.
- Khám phá dấu ấn sinh học: Xác định các dấu ấn phân tử hoặc tế bào mới từ dữ liệu đa omics để hỗ trợ chẩn đoán sớm và phân tầng bệnh nhân.
- Đề xuất điều trị cá nhân hóa: Tạo ra các đề xuất điều trị dựa trên bằng chứng bằng cách tích hợp dữ liệu của bệnh nhân với các hướng dẫn lâm sàng và tài liệu nghiên cứu.
Trường hợp sử dụng
Các công cụ này chủ yếu được sử dụng trong các môi trường nghiên cứu và lâm sàng tiên tiến. Các bác sĩ ung thư sử dụng chúng để thiết kế các liệu pháp điều trị ung thư nhắm trúng đích dựa trên di truyền của khối u. Các công ty dược phẩm áp dụng chúng trong việc khám phá thuốc để xác định các phân nhóm bệnh nhân cho các thử nghiệm lâm sàng. Các nhà di truyền học và các phòng khám chuyên khoa cũng sử dụng chúng để chẩn đoán bệnh hiếm và đánh giá nguy cơ di truyền.
Cách lựa chọn
Khi chọn một công cụ Y học chính xác, hãy xem xét khả năng phân tích của nó đối với các loại dữ liệu cụ thể (ví dụ: genomics, transcriptomics). Đánh giá sự xác thực và độ chính xác của các mô hình dự đoán của nó. Đảm bảo nó tuân thủ các quy định về quyền riêng tư dữ liệu như HIPAA hoặc GDPR. Cuối cùng, đánh giá khả năng tích hợp của nó với các hệ thống Hồ sơ sức khỏe điện tử (EHR) hiện có và quy trình làm việc trong phòng thí nghiệm để luồng dữ liệu được liền mạch.
Y học chính xácTrường hợp sử dụng
Lập kế hoạch điều trị ung thư cá nhân hóa
Một bác sĩ ung thư điều trị cho bệnh nhân ung thư phổi không tế bào nhỏ sử dụng nền tảng y học chính xác để phân tích dữ liệu giải trình tự gen của khối u. AI xác định một đột biến EGFR cụ thể được biết là đáp ứng tốt với liệu pháp nhắm trúng đích. Thay vì kê đơn hóa trị tiêu chuẩn, nền tảng đề xuất một chất ức chế EGFR cụ thể. Điều này cho phép bác sĩ ung thư lựa chọn một phương pháp điều trị hiệu quả hơn với ít tác dụng phụ tiềm tàng hơn, cá nhân hóa kế hoạch chăm sóc trực tiếp theo sinh học khối u của bệnh nhân và cải thiện cơ hội có kết quả tích cực.
Dược lý di truyền để kê đơn thuốc
Một bác sĩ tâm thần đang xem xét kê đơn thuốc chống trầm cảm cho bệnh nhân bị rối loạn trầm cảm nặng. Để tránh quá trình thử và sai, họ sử dụng một công cụ dược lý di truyền do AI cung cấp. Công cụ này phân tích dữ liệu di truyền của bệnh nhân liên quan đến các enzyme chuyển hóa thuốc (như CYP2D6). Báo cáo của AI chỉ ra rằng bệnh nhân là 'người chuyển hóa kém' đối với một loại thuốc SSRI phổ biến, cho thấy nó có thể dẫn đến nồng độ thuốc cao hơn và tăng tác dụng phụ. Dựa trên điều này, bác sĩ tâm thần chọn một loại thuốc thay thế được chuyển hóa khác, tối ưu hóa hiệu quả và an toàn ngay từ đầu.
Tăng tốc chẩn đoán bệnh hiếm
Một nhà di truyền học nhi khoa phải đối mặt với một đứa trẻ có một loạt các triệu chứng phức tạp không khớp với bất kỳ bệnh thông thường nào. Việc tìm kiếm thủ công trong y văn có thể mất hàng tháng. Thay vào đó, họ sử dụng một công cụ chẩn đoán AI cho các bệnh hiếm. Họ nhập các triệu chứng của bệnh nhân, ghi chú lâm sàng và dữ liệu giải trình tự toàn bộ exome. AI đối chiếu thông tin này với một cơ sở dữ liệu khổng lồ về các rối loạn di truyền và các nghiên cứu trường hợp đã được công bố, xác định một đột biến gen ứng cử viên có khả năng gây ra một rối loạn chuyển hóa hiếm gặp. Điều này rút ngắn hành trình chẩn đoán từ nhiều năm xuống còn vài ngày, cho phép can thiệp sớm hơn.
Phân tầng bệnh nhân cho các thử nghiệm lâm sàng
Một công ty dược phẩm đang khởi động một thử nghiệm lâm sàng cho một loại thuốc điều trị Alzheimer mới. Để tăng tỷ lệ thành công của thử nghiệm, các nhà nghiên cứu sử dụng một công cụ y học chính xác AI để phân tầng nhóm bệnh nhân. AI phân tích các dấu hiệu di truyền (như APOE4), dữ liệu hình ảnh não và điểm số nhận thức từ hàng nghìn người tham gia tiềm năng. Nó xác định một phân nhóm cụ thể có khả năng đáp ứng cao nhất với cơ chế hoạt động của thuốc. Bằng cách chỉ tuyển chọn những ứng viên có tiềm năng cao này, công ty có thể tiến hành một thử nghiệm tập trung, hiệu quả và tiết kiệm chi phí hơn với xác suất chứng minh hiệu quả lâm sàng cao hơn.
Dự đoán nguy cơ bệnh tật từ dữ liệu di truyền
Một bác sĩ chăm sóc ban đầu cung cấp dịch vụ sàng lọc sức khỏe chủ động bằng công cụ đánh giá rủi ro di truyền do AI cung cấp. Bệnh nhân cung cấp mẫu nước bọt để phân tích DNA. Thuật toán AI của công cụ phân tích hàng trăm nghìn biến thể di truyền để tính toán điểm rủi ro đa gen (PRS) cho các tình trạng như bệnh động mạch vành, tiểu đường loại 2 và ung thư vú. Báo cáo cho thấy bệnh nhân có nguy cơ di truyền mắc bệnh tiểu đường loại 2 tăng đáng kể. Điều này cho phép bác sĩ đề xuất những thay đổi lối sống cụ thể, được cá nhân hóa và theo dõi thường xuyên hơn rất lâu trước khi bất kỳ triệu chứng nào xuất hiện, tập trung vào phòng ngừa thay vì phản ứng.
Xác định mục tiêu thuốc mới
Các nhà nghiên cứu tại một công ty công nghệ sinh học đang tìm kiếm những cách mới để điều trị bệnh Parkinson. Họ sử dụng một nền tảng y học chính xác AI để phân tích dữ liệu đa omics (genomics, proteomics, transcriptomics) từ hàng nghìn bệnh nhân và nhóm đối chứng khỏe mạnh. Mô hình AI xác định một con đường protein bị bỏ qua trước đây bị rối loạn điều hòa đáng kể ở một nhóm nhỏ bệnh nhân Parkinson. Khám phá này cung cấp một mục tiêu thuốc mới, đã được xác thực. Nhóm nghiên cứu giờ đây có thể tập trung nỗ lực vào việc phát triển một phân tử điều chỉnh con đường cụ thể này, có khả năng dẫn đến một loại liệu pháp cá nhân hóa mới cho căn bệnh này.