Lunit

LunitSCOPE*IO

AI 기반 면역항암제 예측 바이오마커
*연구용

온라인 데모 체험하기

  • 94%

    94% 이상의 정확도로
    조직 슬라이드를 분석합니다.

  • 1 Giga pixel

    고화질의 영화 한 편에 해당하는 양의 수많은 세포 정보가
    들어있는 조직 슬라이드를 분석합니다.

  • 15+

    폐암, 유방암, 대장암 등 15종 이상의
    다양한 암 종을 분석할 수 있습니다.

  • Background
  • Our Vision
  • How It Works
BackgroundOur VisionHow It Works
온라인 데모 체험하기

Background

AI 솔루션으로
면역항암치료
효과를 예측할 수 있다면?

  • AI 분석을 통해
    면역항암치료 효과를 예측합니다.

  • 면역항암치료에 효과를 보일 환자를 더 많이 찾아냅니다.

  • 암 조직 데이터는
    방대하고 복잡합니다.

  • 복잡한 환경일수록
    AI는 빛을 발합니다.

Our Vision

Lunit SCOPE IO는
암 조직 정보를 통해 암을 정복합니다.

  • 딥러닝 기술로
    복잡한 암 조직
    슬라이드를 정확히
    분석합니다.

  • 루닛의 기술은 암 조직 내 정보를 검출할 뿐 아니라 이를 임상 결과와 연결, 치료제에 대한 바이오마커 개발까지 확장합니다.

    • H&E
    • IHC
    • Multiplex IHC

How It Works

AI 기반 조직 분석으로
면역항암치료에 적합한 환자를 찾아냅니다.

  • 딥러닝 기술로
    방대한 양의 조직
    슬라이드도 정확히
    분석합니다.

    Lunit SCOPE IO는 조직 이미지 상의 암의 기질, 상피 조직, 면역세포를 검출합니다.

  • Lunit SCOPE IO가 제공하는 정보

    • 검출 및 정량화

      조직 슬라이드에서 암조직 종양침윤림프구 및 기질 종양침윤림프구를 검출합니다.

    • 면역학적 형질 분류

      두 림프구의 밀도를 정량화해 세 가지 면역학적 형질인 활성, 제외, 결핍으로 분류합니다.

    • AI 점수 및 반응 예측

      면역학적 형질 분류를 기반으로 AI 점수를 도출합니다. 기준점수(cut-off) 이상일 경우 환자가 면역항암치료에 반응할 것으로 예측합니다.

  • Lunit SCOPE은 다양한 종류의
    암 세포를 분석하는데 활용될 수 있습니다.

  • AI 작업 프로세스

    • 1단계

      조직 슬라이드 (FFPE)
      염색 전 처리 & H&E 염색

    • 2단계

      스캐너로 디지털화
      다양한 디지털 스캐너 지원 가능

    • 3단계

      서버에 파일 업로드

    • 4단계

      Lunit SCOPE IO 분석

  • Lunit SCOPE IO

    • 분석 결과 시각화
    • 분석 결과 정량화
    • 치료 반응 예측 점수 도출
    • 소요시간 : 10분 미만

    *Lunit SCOPE IO는현재 연구용으로만
    사용 가능합니다.

  • 학회 발표

Lunit SCOPE IO가 소개된
연구 자료들을 확인하세요.

Oncology

Deep learning from HE slides predicts the clinical benefit from adjuvant chemotherapy in hormone receptor-positive breast cancer patients

Soo Youn Cho et al.

Scientific Reports (2021)

Oncology

Abstract : Deep learning based radiomic biomarker for predicting the presence of high-grade histologic patterns in lung adenocarcinoma

Yeonu Choi et al.

AACR 2021

Oncology

Abstract: Comprehensive deep learning analysis of H&E tissue phenomics reveals distinct immune landscape and transcriptomic enrichment profile among immune inflamed, excluded and desert subtypes...

Jonghanne Park et al.

AACR 2020

Oncology

Accuracy and efficiency of an artificial intelligence tool when counting breast mitoses

Liron Pantanowitz et al.

Diagnostic Pathology (2020)

Oncology

Abstract: Pan-cancer analysis of tumor microenvironment using deep learning-based cancer stroma and immune profiling in H&E images

Kyunghyun Paeng et al.

AACR 2019

Oncology

Abstract: Deep learning-based predictive biomarker for adjuvant chemotherapy in early-stage hormone receptor-positive breast cancer

Soo Youn Cho et al.

AACR 2019

Onology

Predicting breast tumor proliferation from whole-slide images: The TUPAC16 challenge

Mitko Veta et al.

Medical Image Analysis (2019)

Oncology

Abstract : Artificial intelligence-powered spatial analysis of tumor-infiltrating lymphocytes reveals distinct genomic profile of immune excluded phenotype in pan-carcinoma

Chan-Young Ock et al.

AACR (2021)

Oncology

Abstract : Artificial intelligence-powered tissue analysis reveals distinct tumor-infiltrating lymphocyte profile as a potential biomarker of molecular subtypes in endometrial cancer

Hyojin Kim et al.

AACR 2021

Lunit SCOPE IO가 바꿔가는
현장의 모습을 확인하세요.