GEDiCube schließt sich NVIDIA Inception an, um die Plattform zur Krebsfrüherkennung voranzutreiben

31.08.2023 – Zuletzt aktualisiert am 31.08.2023 um 13:18 GMT

Verwandte Tags Künstliche Intelligenz, maschinelles Lernen, KI, klinische Studien, Krebsfunktion, sanitize_gpt_value2(gptValue) { var vOut = ""; var aTags = gptValue.split(','); var reg = new RegExp('\\W+', "g"); für (var i=0; i

GEDiCube ist eine Plattform für künstliche Intelligenz und maschinelles Lernen, die differenzielle molekulare Fähigkeiten mit Multi-Omic-Analyse kombiniert.

NVIDIA Inception beabsichtigt, die GEDiCube-Plattform einzusetzen, die auf ihrer beschleunigten Infrastruktur basiert und das Medical Imaging Open Network for Artificial Intelligence (MONAI) nutzt, um das Potenzial zu schaffen, die Früherkennung von Bauchspeicheldrüsenkrebs zu revolutionieren.

Dieser multimodale Ansatz wird zum ersten Mal in einer bevorstehenden klinischen Studie verwendet, in der MONAI zur Erkennung und Erstellung eines Vorhersagemodells basierend auf der Tumorgröße in Kombination mit der Multi-Omic-Plattform basierend auf dem Tumortyp verwendet wird.

Nach Angaben beider Unternehmen wird dieser Ansatz von GEDiCube dazu beitragen, wichtige Informationen für die Bekämpfung von Krebsarten wie Bauchspeicheldrüsenkrebs zu liefern, die fast immer in späten Stadien auftreten und überwiegend schlechte Ergebnisse haben. Tatsächlich sterben viele Patienten innerhalb weniger Monate nach der Diagnose.

Die Kombination und Analyse möglichst vieler Daten mithilfe künstlicher Intelligenz wird möglicherweise die Effizienz der klinischen Studie steigern und mehr Möglichkeiten für klinische Studien für GEDiCube schaffen.

Craig Rhodes, CEO von GEDiCube, sagte: „Dies ist eine natürliche Ergänzung für GEDiCube und wird uns bei unserer Mission helfen, Krebs im frühesten Stadium zu erkennen.“

„NVIDIAs fortschrittliche medizinische Bildgebungsfunktionen mit dem bestehenden Multi-Omic-KI-System von GEDiCube werden dazu beitragen, einen Algorithmus zu erstellen, der sowohl die Bildgebungs- als auch die Omic-Modalität nutzt. Dies wird unseren Wissenschaftlern helfen, die radiologischen und pathologischen Bildgebungsdaten sowie die Multi-Omic-Daten zu verstehen und so eine bessere Analyse von Krebs zu ermöglichen.“

Urheberrecht – Sofern nicht anders angegeben, unterliegen alle Inhalte dieser Website dem © 2023 – William Reed Ltd – Alle Rechte vorbehalten – Ausführliche Informationen zur Verwendung der Materialien auf dieser Website finden Sie in den Allgemeinen Geschäftsbedingungen

verwandte ThemenMärkte und Vorschriften Schwellenländer