Źródło: unsplash.com/photos/QTP8UKW_PgI
Dwóch naukowców z Binghamton University w stanie Nowy Jork otrzyma finansowanie zalążkowe w ramach SUNY Technology Accelerator Fund. Program State University of New York wspiera projekty prowadzone przez wynalazców i badaczy akademickich. Tym razem granty trafią do prac nad dwoma wyzwaniami medycznymi: wykorzystaniem sztucznej inteligencji do przyspieszenia diagnostyki raka oraz poprawą dostarczania terapii RNA.
Jedną z dotowanych osób jest Nancy Guo, profesor związana ze School of Computing w Thomas J. Watson College of Engineering and Applied Science. Jej projekt ClinSegAI zakłada stworzenie modelu predykcyjnego, który będzie wykrywał biomarkery w standardowych obrazach patomorfologicznych. Celem jest szybsze dostarczanie informacji potrzebnych przy podejmowaniu decyzji dotyczących leczenia.
Według opisu projektu model ma łączyć analizę obrazów medycznych z informacjami z biologii molekularnej. Takie podejście ma pomóc w rozpoznawaniu wczesnych oznak progresji guza, potencjalnie zanim zmiany staną się widoczne w konwencjonalnej ocenie radiologicznej. Źródło nie podaje jednak wyników badań klinicznych ani informacji, że ClinSegAI jest już narzędziem stosowanym w praktyce.
Drugim beneficjentem finansowania jest John Fetse, adiunkt w School of Pharmacy and Pharmaceutical Sciences, który bada terapie RNA. W źródle wskazano, że obecnie stosowane rozwiązania oparte na nanocząstkach lipidowych mają problemy z efektywnością dostarczania i mogą wiązać się z obawami dotyczącymi toksyczności. Ograniczenia te utrudniają dobór odpowiedniego dawkowania.
Słownik artykułu
Krótkie objaśnienia terminów występujących w tekście. Każde hasło prowadzi do szerszej definicji i przykładów użycia.
W grach komputerowych oznacza mechanizmy sterujące zachowaniem przeciwników lub innych elementów świata. Mogą one dobierać działania na podstawie sytuacji, przyjętych reguł i dostępnych danych.
Mierzalna cecha biologiczna, która może dostarczać informacji o stanie organizmu, przebiegu choroby lub reakcji na leczenie. Sam biomarker nie musi wystarczać do postawienia diagnozy.
Etap sprawdzania, czy proponowana technologia może działać zgodnie z założeniami i być dalej rozwijana.
Leczenie wykorzystujące cząsteczki RNA lub ich działanie do wpływania na procesy zachodzące w komórkach.
Fetse rozwija technologię PeptoLNP. Jej założeniem jest włączenie aminokwasów bezpośrednio do lipidów tworzących nośnik. Według opisu projektu ma to zmniejszyć ryzyko toksyczności i poprawić dostarczanie substancji. PeptoLNP ma być biodegradowalny oraz możliwy do dostosowania do kierowania terapii do różnych tkanek. Finansowanie pozwoli sprawdzić te założenia w dalszych testach.
Łącznie pięć uczelni należących do systemu SUNY podzieli między swoje projekty 400 tys. dolarów. Oprócz Binghamton University są to uczelnie w Albany, Buffalo i Stony Brook oraz Upstate Medical University. Program finansuje między innymi badania wykonalności, tworzenie prototypów i testy, które mają pokazać, czy dana technologia ma potencjał komercyjny.
Celem funduszu jest skrócenie drogi od pomysłu do gotowości rynkowej oraz ułatwienie rozmów z inwestorami, partnerami strategicznymi i przyszłymi klientami. Oznacza to, że opisane rozwiązania znajdują się na etapie rozwoju technologii, a nie potwierdzonego leczenia pacjentów. Przed ewentualnym zastosowaniem klinicznym będą wymagały dalszych badań, testów bezpieczeństwa i oceny skuteczności.
Brak komentarzy. Bądź pierwszy!