Researchable heeft Protyon ondersteund bij hun missie om kankerbehandeling te personaliseren door de ontwikkeling van het Protyon-platform.
Dit softwareplatform is specifiek ontworpen om clinici te helpen bij het selecteren van de meest geschikte behandelingsopties voor longkankerpatiënten door de analyse van eiwitsequentiemodificaties te automatiseren.
In onze samenwerking met Protyon richtte Researchable zich op het leveren van een softwareoplossing die voldoet aan strenge eisen op medisch gebied, waardoor het klaar is voor integratie in de klinische workflow. Onze bijdrage concentreerde zich op de ontwikkeling en implementatie van een platform dat de eisen op het gebied van prestaties, beveiliging en gegevensprivacy ondersteunt, en het modelleren van workflowautomatisering met een gebruikersinterface die het operationele bereik van Protyon verbetert.
De uitdaging
Het effectief beheren van de complexiteit van longkankermutaties is een grote uitdaging. De traditionele handmatige analyse kan wel een week duren, waardoor de mogelijkheid om snelle en gepersonaliseerde behandelingsopties aan te bieden wordt vertraagd, wat een negatieve invloed heeft op de patiëntenzorg.
We zagen de noodzaak in van een geautomatiseerd systeem dat binnen enkele uren in plaats van dagen nauwkeurige analyses zou kunnen leveren. Een dergelijk systeem zou niet alleen de efficiëntie van de behandelselectie verbeteren, maar ook de patiëntenzorg door snellere toegang tot op maat gemaakte behandelingsopties.
Om deze uitdaging aan te gaan, was het essentieel om een snelle en efficiënte architectuur te identificeren en te implementeren die grootschalige moleculaire berekeningen en analyses kan ondersteunen. Dit leidde tot de ontwikkeling van een robuust, geautomatiseerd softwareplatform dat in staat is om complexe moleculaire modelleringstaken te integreren met geavanceerde modellen voor machinaal leren en tegelijkertijd te voldoen aan de strenge regelgevende normen die vereist zijn op medisch gebied. Dit systeem stelt een nieuwe norm voor tijdige en nauwkeurige analyse van de behandeling van longkanker.
Projectdoelen:
- •Ontwikkeling van een geavanceerd softwareplatform dat in staat is om complexe eiwitsequentiemodificaties te analyseren.
- •Verkorting van de analysetijd van een week naar minder dan vier uur.
- •Het verbeteren van de nauwkeurigheid en betrouwbaarheid van behandelingsselectie voor longkankerpatiënten.
De oplossing
Researchable heeft een softwareoplossing ontwikkeld die geavanceerde algoritmen gebruikt om complexe mutaties in kankereiwitten te analyseren. Deze oplossing maakt gebruik van Databricks op Azure om een schaalbaar en veilig platform te creëren, dat de privacy en beveiliging van patiëntgegevens waarborgt en tegelijkertijd efficiënt grote moleculaire datasets verwerkt.
Het ontwerp van de software maakt het mogelijk om machine learning en kunstmatige intelligentie in te zetten om relaties te identificeren tussen specifieke mutaties en de effectiviteit van verschillende kankerbehandelingen. Op deze manier verbetert elke nieuwe casus die door de software wordt verwerkt, de voorspellende mogelijkheden ervan, waardoor de nauwkeurigheid en betrouwbaarheid van de resultaten in de loop van de tijd toenemen. Dit iteratieve leerproces draagt niet alleen bij aan de voorspellende capaciteiten, maar ook aan de standaardisatie en reproduceerbaarheid van resultaten, wat zorgt voor consistente en betrouwbare inzichten voor zorgverleners.
Belangrijk in onze implementatie was de constructie van een cloudgebaseerde infrastructuur met de benodigde beveiligingscertificeringen, waardoor we gevoelige gezondheidsgegevens op verantwoorde wijze kunnen beheren. We hebben ook een gebruiksvriendelijke frontend ontwikkeld die de eerste stappen van de modelleringsprocedure faciliteert.
De integratie van deze technologieën heeft de tijd die nodig is voor moleculaire analyse aanzienlijk verminderd, van enkele dagen tot slechts enkele uren, de workflow gestandaardiseerd en de reproduceerbaarheid van resultaten verbeterd. Deze efficiënte, datagestuurde aanpak stelt zorgverleners in staat om snel weloverwogen beslissingen te nemen, de effectiviteit van behandelingen te verbeteren en de kans op succesvolle patiëntuitkomsten te vergroten.
Innoveren met data
Met zijn expertise op het gebied van data heeft Researchable de propositie van Protyon naar een hoger niveau getild, waardoor clinici toegang krijgen tot geavanceerde in silico moleculaire analyses voor precisieoncologie. Door de kracht van data-analyse en moleculaire modellering te combineren, versnelt Protyon de ontwikkeling van gepersonaliseerde behandelingen. Dit initiatief betekent een belangrijke stap voorwaarts in het gebruik van gegevens om de patiëntenzorg en de efficiëntie van behandelingen te verbeteren.
De volgende stap
Na de succesvolle afronding van dit project zetten Researchable en Protyon hun samenwerking voort voor de verdere ontwikkeling en verbetering van de Protyon-software. Protyon wil de software valideren in klinische studies en uiteindelijk integreren in standaard zorgprocessen voor longkankerpatiënten, om zo een nieuwe standaard te zetten in de oncologie.
Samenwerkingspartners
