NETRAMARK PRÄSENTIERT AUF DER ISCTM-KONFERENZ NEUE KOGNITIVE ERKENNTNISSE ZUR BEHANDLUNG VON KLINISCHER DEPRESSION UND SCHIZOPHRENIE
Toronto, 5. März 2025 (ots/PRNewswire)
NetraMark Holdings Inc. (das „Unternehmen" oder „NetraMark") (CSE: AIAI) (OTCQB: AINMF) (Frankfurt: 8TV) , ein führendes Unternehmen im Bereich der generativen KI-Software für die Analyse klinischer Studien, hat auf der Konferenz der International Society for CNS Clinical Trials and Methodology (ISCTM) zwei bedeutende Studien vorgestellt, die die Leistungsfähigkeit des erweiterten maschinellen Lernens bei klinischen Studien zur klinischen Depression (MDD) und Schizophrenie demonstrieren.
Mathematisch erweitertes maschinelles Lernen definiert die Erkenntnisse aus klinischen MDD-Studien neu
Die erste Präsentation von NetraMark, „Novel Machine Learning Approach Outperforms Traditional Approaches in Major Depressive Disorder Clinical Trials" (neuer Ansatz des maschinellen Lernens übertrifft herkömmliche Ansätzte in klinischen Studien zur Depression), zeigte, wie NetraAI Sub-Insight Learning die Patientenstratifizierung in klinischen Studien zur klinischen Depression im Vergleich zu traditionellen Methoden verbessert.
NetraAI wurde entwickelt, um die Herausforderungen bei der Modellierung von Daten aus klinischen Studien zu meistern, bei denen herkömmliches maschinelles Lernen (ML), einschließlich Deep Learning, häufig versagt. NetraAI ist darauf ausgelegt, optimale Patientenkohorten für zukünftige Studien zu identifizieren, und verbessert etablierte ML-Methoden, indem es Kombinationen von Schlüsselvariablen aufdeckt. In dieser Präsentation wendete NetraMark NetraAI auf die CAN-BIND-Studie zum Ansprechen auf Escitalopram an und demonstrierte damit seine Fähigkeit, branchenübliche ML-Modelle erheblich zu verbessern, wie die Studie ergab:
- Die NetraAI-gesteuerte Analyse von Patientensubpopulationen führte zu einer 28%igen Steigerung der Modellgenauigkeit im Vergleich zu herkömmlichen ML-Ansätzen.
- Die Sensitivität verbesserte sich um 31 %, während die Spezifität um 51 % stieg, wodurch die Rate der falsch-positiven Ergebnisse verringert wurde.
- NetraAI hat erfolgreich Schlüsselkombinationen von Variablen identifiziert, die Einschluss-/Ausschlusskriterien für ein effizienteres Studiendesign verfeinern.
- Ermöglicht wird dies durch die Fähigkeit von NetraAI, zu erkennen, welche Patienten sich erklären lassen und welche nicht.
NetraAI identifiziert und erklärt die wichtigsten Variablenkombinationen und bietet so tiefere Einblicke in das Ansprechen auf Medikamente und Placebos. Wenn die von NetraAI abgeleiteten Variablen in traditionelle ML-Methoden einbezogen wurden, verbesserte sich die Leistung erheblich, wie die folgende Tabelle zeigt.
Traditionelle Methode | Genauigkeit der traditionellen Methode allein (%) | Genauigkeit der traditionellen Methode unter Verwendung der von NetraAI abgeleiteten Variablen (%) | Verbesserung (%) |
Logistische Regression | 54,29 | 77,14 | +22,85 |
XGBoost | 65,71 | 91,43 | +25,72 |
Random Forest | 62,86 | 82,86 | +20,00 |
SVM | 60,00 | 100,00 | +40,00 |
Neuronales Netz | 60,00 | 77,14 | +17,14 |
„Dieser Fortschritt bestätigt die Fähigkeit von NetraAI, komplexe Patientenpopulationen in klinischen Studien auf eine Art und Weise zu verstehen, wie es moderne ML-Methoden nicht können, und dies kann zu einer signifikanten Verbesserung der Ergebnisse klinischer Studien führen", sagte Dr. Joseph Geraci, technischer Direktor und wissenschaftlicher Direktor von NetraMark.
Vorantreiben klinischer Studien zur Schizophrenie mit KI-gestützter Biomarker-Entdeckung
Die zweite Präsentation von NetraMark, „Predictive Biomarker Discovery in Schizophrenia Using Advanced Machine Learning to Decode Heterogeneity" (Entdeckung prädiktiver Biomarker in der Schizophrenie unter Verwendung von erweitertem maschinellem Lernen zum Entschlüsseln der Heterogenität), bewies die Fähigkeit von NetraAI, aus heterogenen Patientenpopulationen in Schizophrenie-Studien zu lernen. Anhand von Daten aus der CATIE-Schizophrenie-Studie identifizierte NetraAI klinisch bedeutsame Subpopulationen, die bevorzugt auf Olanzapin oder Perphenazin ansprechen. Zu den wichtigsten Ergebnissen gehören:
- Patienten mit mittelschwerer bis schwerer Symptombelastung und leichten Verhaltensstörungen sprachen besser auf Olanzapin an.
- Patienten mit mäßigen Negativsymptomen, leichten bis mäßigen Halluzinationen und Paranoia zeigten ein verbessertes Ansprechen auf Perphenazin.
- Dieser innovative Sub-Insight Learning-Ansatz überwindet traditionelle ML-Beschränkungen, indem Subpopulationen mit hoher Effektgröße entdeckt werden, die sich über Datensätze hinweg replizieren und so bessere Studienanreicherungsstrategien ermöglichen.
„Diese Ergebnisse stellen einen bedeutenden Schritt in Richtung Präzisionspsychiatrie dar, da wir damit zeigen können, dass unsere Technologie robuste Modelle erzeugen kann, die sich replizieren. Darüber hinaus verringern diese Modelle die Zahl der Studienabbrüche und erhöhen die Wirksamkeit der Behandlung, indem versucht wird, die richtigen Patienten für die richtigen Therapien zu identifizieren", so Dr. Joseph Geraci.
Wandel der Zukunft klinischer ZNS-Studien
Die KI-gesteuerten Methoden von NetraMark haben das Potenzial, die Landschaft der klinischen ZNS-Forschung umzugestalten durch verbesserte Patientenstratifizierung für gezieltere Studien, Verringerung des Ansprechens auf Placebo und des Scheiterns von Studien und Beschleunigung der Arzneimittelentwicklung durch Verbesserung der Vorhersagemodellierung.
Auf dem Weg zur Präzisionsmedizin bieten die Innovationen von NetraMark Pharmaunternehmen und Forschern ein leistungsfähiges Instrumentarium, um tiefere Einblicke in psychiatrische Störungen und Behandlungsreaktionen zu gewinnen.
Informationen zu NetraAI Im Gegensatz zu anderen KI-basierten Methoden ist NetraAI einmalig so konzipiert, dass sie Fokusmechanismen enthält, die kleine Datensätze in erklärbare und nicht erklärbare Teilmengen unterteilen. Unerklärliche Teilmengen sind Sammlungen von Patienten, die zu suboptimalen Overfit-Modellen und ungenauen Erkenntnissen aufgrund schlechter Korrelationen mit den beteiligten Variablen führen können. NetraAI nutzt die erklärbaren Teilmengen, um Erkenntnisse und Hypothesen abzuleiten (einschließlich Faktoren, die das Ansprechen auf Behandlung und Placebo sowie unerwünschte Ereignisse beeinflussen), die die Erfolgschancen einer klinischen Studie deutlich erhöhen können. Bei anderen KI-Methoden fehlen diese Fokussierungsmechanismen und sie ordnen jeden Patienten einer Klasse zu, auch wenn dies zu einer „Überanpassung" führt, bei der wichtige Informationen untergehen, die zur Verbesserung der Erfolgschancen einer Studie hätten genutzt werden können.
Informationen zu NetraMark
NetraMark ist ein Unternehmen, das sich auf die Entwicklung führender Lösungen für generative künstliche Intelligenz (Gen AI)/ maschinelles Lernen (ML) für die Pharmaindustrie konzentriert. Das Produktangebot des Unternehmens basiert auf einem neuartigen topologiebasierten Algorithmus, der in der Lage ist, Patientendatensätze in Teilmengen von Personen zu zerlegen, die gleichzeitig anhand mehrerer Variablen stark miteinander verbunden sind. Dadurch kann NetraMark je nach Art und Umfang der Daten eine Vielzahl von ML-Methoden einsetzen, um die Daten in leistungsstarke intelligente Daten umzuwandeln, die traditionelle KI/ML-Methoden aktivieren. Im Ergebnis kann NetraMark mit viel kleineren Datensätzen arbeiten und Krankheiten genau in verschiedene Typen unterteilen sowie Patienten hinsichtlich ihrer Empfindlichkeit gegenüber Medikamenten und/oder der Wirksamkeit der Behandlung genau klassifizieren.
Weitere Informationen über das Unternehmen finden Sie in den öffentlich zugänglichen Dokumenten des Unternehmens, die im System für die elektronische Analyse und Abfrage von Dokumenten (SEDAR) hinterlegt sind.
Zukunftsgerichtete Aussagen
Diese Pressemitteilung enthält „zukunftsgerichtete Informationen" im Sinne der geltenden kanadischen Wertpapiergesetze, einschließlich Aussagen über die potenziellen Verbesserungen und den Erfolg von NetraAI und seine Fähigkeit, die Ergebnisse für Patienten, die Identifizierung wirksamer Behandlungen, die betrieblichen Ergebnisse und die Planung klinischer Studien zu verbessern, die auf den aktuellen internen Erwartungen, Schätzungen, Prognosen, Annahmen und Überzeugungen von NetraMark sowie auf Ansichten über zukünftige Ereignisse beruhen. Zukunftsgerichtete Informationen sind an der Verwendung zukunftsgerichteter Begriffe wie „erwarten", „wahrscheinlich", „kann", „wird", „sollte", „beabsichtigen", „antizipieren", „potenziell", „vorgeschlagen", „schätzen" und anderen ähnlichen Begriffen, einschließlich negativer und grammatikalischer Variationen davon, oder an Aussagen, dass bestimmte Ereignisse oder Bedingungen eintreten „können", „würden" oder „werden", oder an Diskussionen über Strategien zu erkennen. Zu den zukunftsgerichteten Informationen gehören Schätzungen, Pläne, Erwartungen, Meinungen, Prognosen, Projektionen, Ziele, Leitlinien oder andere Aussagen, die keine Tatsachenaussagen sind. Bei zukunftsgerichteten Aussagen handelt es sich lediglich um Erwartungen, die bekannten und unbekannten Risiken, Ungewissheiten und anderen wichtigen Faktoren unterliegen, die dazu führen könnten, dass die tatsächlichen Ergebnisse des Unternehmens oder die Branchenergebnisse erheblich von den zukünftigen Ergebnissen, Leistungen oder Erfolgen abweichen. Alle zukunftsbezogenen Informationen sind nur zu dem Zeitpunkt aussagekräftig, zu dem sie getätigt werden, und sofern nicht gesetzlich vorgeschrieben, übernimmt NetraMark keine Verpflichtung, zukunftsgerichtete Informationen zu aktualisieren oder zu überarbeiten, sei es aufgrund neuer Informationen, zukünftiger Ereignisse oder aus anderen Gründen. Von Zeit zu Zeit treten neue Faktoren auf und es ist NetraMark nicht möglich, alle diese Faktoren vorherzusagen.
Bei der Betrachtung dieser zukunftsgerichteten Aussagen sollten die Leser die Risikofaktoren und andere warnende Aussagen berücksichtigen, die in den Unterlagen enthalten sind, die wir bei den zuständigen kanadischen Wertpapieraufsichtsbehörden auf SEDAR unter www.sedarplus.ca einreichen, einschließlich unserer Abschlussanalyse für das am 30. September 2024 zu Ende gegangene Jahr. Diese Risikofaktoren und andere Faktoren können dazu führen, dass die tatsächlichen Ereignisse oder Ergebnisse erheblich von denen abweichen, die in den zukunftsgerichteten Informationen beschrieben sind.
Die CSE übernimmt keine Verantwortung für die Angemessenheit oder Richtigkeit dieser Mitteilung.
View original content: https://www.prnewswire.com/de/pressemitteilungen/netramark-prasentiert-auf-der-isctm-konferenz-neue-kognitive-erkenntnisse-zur-behandlung-von-klinischer-depression-und-schizophrenie-302392399.html
Pressekontakt:
Swapan Kakumanu - Finanzvorstand | swapan@netramark.com | 403-681-2549
Original-Content von: NetraMark Holdings Inc., übermittelt durch news aktuell