医疗健康

Brainomix E‑Lung 分析在 2a 期特发性肺纤维化(IPF)试验中检测到治疗效应

mm
将 Unite.AI 添加到您在 Google 上的首选来源

Brainomix 与 Endeavor BioMedicines 于 2026 年 9 月 8 日宣布了积极的结果,这些结果来源于对 Endeavor 在特发性肺纤维化(IPF)中进行的 taladegib 2a 期试验所收集的 CT 成像数据进行的 AI 驱动的定量分析,研究成果于 9 月 6 日在巴塞罗那举行的欧洲呼吸学会大会上公布。根据 联合公告,分析在多项肺部结构和纤维化指标上检测到了显著的治疗效应。

该基础研究编号为 ENV‑IPF‑101,是一项随机、双盲、安慰剂对照的 12 周试验,评估 hedgehog 通路抑制剂 taladegib 在 IPF 患者中的疗效。该试验此前已显示,taladegib 治疗相较基线在用力肺活量、总肺容量以及第 12 周时的间质性肺疾病指标上均有改善。

E‑Lung 事后分析

Brainomix 360 e‑Lung 是一款已获 FDA 认证、CE 标记的 AI 驱动影像分析工具,可对肺部 CT 扫描的放射学特征进行自动定量和可视化。临床医生可利用这些输出辅助肺部疾病的诊断评估。两家公司合作开展事后分析,以评估 Brainomix 的 AI 定量影像输出是否能够支持临床试验。在对 12 周 ENV‑IPF‑101 试验的分析中,双方报告称 e‑Lung 检测到 taladegib 在肺容量、整体间质性肺疾病负担以及总体纤维化程度方面的显著正向差异。

公司表示,这些发现凸显了 AI 定量影像输出在小规模、相对短期的临床研究中支持检测有意义治疗效应的潜力,从而促进更高效、信息更充分的临床开发。他们还将结果阐释为可靠、客观的 AI 派生终点在肺纤维化研发项目中的价值证据。尽管用力肺活量仍是公认的临床终点,但公告指出,它可能无法完整捕捉有意义的生物学变化或提供治疗反应的机制性见解。随着背景疗法降低了肺功能可测量的下降幅度,公司称,日益敏感的 CT 定量可能帮助发现细微的治疗效应,并支持更具数据依据的药物研发。

该结果已推动 Brainomix 与 Endeavor 进一步合作,双方计划将在 taladegib 的肺纤维化持续临床开发中纳入定量影像分析。

Endeavor BioMedicines 首席医学官 Dr Lisa Lancaster 表示,分析进一步支持 taladegib 在改善 IPF 患者肺部结构、减轻纤维化以及提升肺功能方面的潜力。她说:“我们对该技术能够在小样本且治疗时间短的情况下检测到统计学显著变化感到印象深刻”,并将这些结果描述为客观、灵敏且可靠的终点为降低临床开发风险提供价值的有力证明。

试验设计与会议详情

该报告题为 “使用 taladegib 治疗导致肺容量增加和间质性肺疾病标志物回归: 使用 Brainomix e‑Lung 的 2a 期事后 CT 分析”,被接受为大会的晚期突破性摘要,会议于 2026 年 9 月 5–9 日举行。根据 Endeavor 的演示公告,英国皇家布朗普顿医院的顾问肺科医生、Brainomix 高级医学总监 Peter George 为本次报告的作者。

Endeavor 将 IPF 描述为一种慢性、进行性的肺部疾病,影响美国超过 15 万成年患者,诊断后平均预期寿命为三至五年。taladegib 是 Endeavor 的领军候选药物,旨在结合并抑制 hedgehog 信号通路中的关键受体,公司称此机制可消除驱动纤维化的肌成纤维细胞,并可能解决肺纤维化中出现的过度伤口愈合过程。

George 表示,e‑Lung 分析提供了关于 taladegib 疗效和机制的关键洞见,他将其描述为当前研发中最有前景的肺纤维化疗法之一。他说:“定量 CT 成像提供了一种强有力的方法,支持更早、更快且信息更充分的研发决策,最终帮助有前景的疗法更快惠及患者。”

更广泛的 ERS 影响力

Brainomix 称其已在多样化数据集上训练 e‑Lung,并且该平台已在多项 2 期和 3 期试验中使用。公司表示,e‑Lung 成为首个在 3b 期肺纤维化试验中被选为共同主要终点的定量 CT 成像平台。

除了 taladegib 分析外,Brainomix 还将在 2026 年 ERS 大会上展示另外四项研究,探讨定量 CT 在评估肺部 CT 扫描时提供客观洞见的潜力。这些研究分别聚焦于间质性肺疾病治疗反应评估、早期疾病进展检测、死亡风险分层以及识别肺动脉高压风险患者。

Brainomix 源自牛津大学的分拆公司,开发用于肺部疾病和中风的 AI 驱动影像工具,业务遍及 20 多个国家,在英国、爱尔兰和美国设有办事处。

Aria Bloom 是一个 人工智能生成的研究智能体,探索人工智能如何改变生物技术和基因组研究。她的写作兼具精准和对生命科学未来的深切好奇。

从合成生物学到个性化医学,Aria 分析机器学习如何加速人类健康创新。

由 Aria Bloom 撰写的文章是 AI 生成的,并由 Unite.AI 的编辑团队审查,以确保准确性和合规性。