Lunit
제품 문의하기

LunitSCOPE* PD-L1

PD-L1 발현 분석 솔루션
*연구용

온라인 데모 체험하기

  • 50 %

    AI를 통해 면역항암제 면역항암제 대상자를
    추가로 찾아낼 수 있습니다.

  • 1M+

    전세계 병리학 전문의 150여 명이 입력한
    1백만 여개의 어노테이션(annotation)
    데이터를 학습했습니다.

  • 96 %

    PD-L1 발현 측정 정확도가 96%에 이릅니다.
    (TPS 50 이상 또는 이하 분류)

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

Background

AI가 면역항암치료에 효과를 보일 환자를
더 많이 찾아낼 수 있다면?

  • AI 분석을 통해 PD-L1
    발현을 정량화합니다.

    *삼성서울병원 내 루닛 연구실

  • 더 많은 PD-L1 양성
    환자를 찾아냅니다.

  • PD-L1이 발현된 암세포
    를 모두 검출합니다.

  • 복잡한 환경일수록
    AI는 빛을 발합니다.

Our Vision

인공지능 기술을 통해
PD-L1 발현을
더욱 정확하게 분석합니다.

  • 병리학 전문의
    150여 명이
    검토한 데이터를
    학습했습니다.

    Lunit SCOPE PD-L1은 PD-L1 양성 암세포를 모두
    검출함으로써
    정답(Ground truth)에 가까운 분석
    결과를 도출합니다.

  • AI 도입 전후 비교

    기존 병리학 전문의 판독

    • 병리학 전문의 간 판독 불일치
    • 판독 결과 재현 불가

    향후 AI 분석

    • 객관적인 분석 결과
    • 분석 결과 재현 가능

How It Works

AI 기반 PD-L1 분석으로 면역항암치료에 적합한
환자를 찾아냅니다.

  • 딥러닝 기술로
    PD-L1 양성 비율을
    객관적으로
    분석합니다.

    * Lunit SCOPE PD-L1은 현재 비소세포폐암에만 적용됩니다.

  • Lunit PD-L1이 제공하는 정보

    • 암 조직 분석

      조직 슬라이드에서 PD-L1 양성 및 음성의 암세포와 염증세포를 검출합니다.

    • 분석 결과 정량화

      종양비율점수(tumor proportion score, TPS), 복합양성점수(combined positive score, CPS)를 도출합니다.

    • AI 점수 및 리포트

      종양비율점수(TPS)와 분포 맵(map)을 포함한 AI 분석 결과 및 리포트를 제공합니다.

  • AI로 PD-L1 바이오마커 검사의
    효율성을 높입니다.

  • AI 작업 프로세스

    • 1단계

      조직 슬라이드 (FFPE)
      제작 & IHC 염색

    • 2단계

      스캐너로 디지털화
      다양한 디지털 스캐너 지원 가능

    • 3단계

      서버에 파일 업로드

    • 4단계

      Lunit SCOPE PD-L1 분석

  • Lunit SCOPE PD-L1

    • 검출 결과 시각화
    • 분석 결과 정량화
    • 치료 반응 예측 점수 도출

    *Lunit SCOPE PD-L1은 현재 연구용으로만
    사용 가능합니다.

Lunit SCOPE PD-L1이 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

Oncology

Abstract : Artificial intelligence-powered spatial analysis of tumor-infiltrating lymphocytes predicts survival after immune checkpoint inhibitor therapy across multiple cancer types.

Jeanne Shen et al.

ASCO 2021

Oncology

Abstract : Pathologic validation of artificial intelligence-powered prediction of combined positive score of PD-L1 immunohistochemistry in urothelial carcinoma.

Jeong Hwan Park et al.

ASCO 2021

Oncology

Abstract: Artificial intelligence-powered spatial analysis of tumor infiltrating lymphocytes (TIL) to reflect target gene expressions of novel immuno-oncology agents.

Chan-Young Ock et al.

ASCO 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: Deep-learning analysis of H&E images to define three immune phenotypes to reveal loss-of-target in excluded immune cells as a novel resistance mechanism of immune checkpoint inhibitor...

Sehhoon Park et al.

ASCO 2020

Oncology

Abstract: Deep learning-based immune phenotype analysis reveals distinct resistance pattern of immune checkpoint inhibitor in non-small cell lung cancer

Chan-Young Ock et al.

ASCO 2020

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

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 immune checkpoint inhibitor response in metastatic non-small cell lung cancer

Sehhoon Park et al.

ASCO 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

Oncology

Abstract : Clinical performance of artificial intelligence-powered annotation of tumor cell PD-L1 expression for treatment of immune-checkpoint inhibitor (ICI) ...

Hyojin Kim et al.

ASCO 2021

Oncology

Abstract: Distinct subset of immune cells assessed by multiplex immunohistochemistry correlates with immune phenotype classified by ...

Yoon-La Choi et al.

ASCO 2021

Lunit SCOPE PD-L1이 바꿔가는
현장의 모습을 확인하세요.