דלגו לתוכן

טמפוס איי איי מציגה תוצאות ראשוניות ממאמצי מודלי היסוד הרב־מודליים שלה

דה פליי (TheFly)29 במאי 2026
טמפוס איי איי מציגה תוצאות ראשוניות ממאמצי מודלי היסוד הרב־מודליים שלה

טמפוס איי איי (TEM) הכריזה על התוצאות האחרונות מהמשימה שלה לבנות מודלי היסוד הרב־מודליים (Multimodal Foundation Models) בכנס השנתי של האגודה האמריקאית לאונקולוגיה קלינית לשנת 2026. טמפוס בונה מודלים ביולוגיים חדשים של מודלי יסוד וזרימות עבודה מבוססות "סוכנים" (agentic workflows), תוך ניצול יותר מ־500 פטה־בייט של נתונים עשירים ומבוססי־מולקולות – יותר מ־45 מיליון מהלכי מטופלים מנותקי זיהוי, 1.5 מיליון מהם עם נתונים מרוצפים, ולמעלה מ־400,000 רשומות בסרטן הכוללות נתונים גנומיים, טרנסקריפטומיים, הדמייתיים וקליניים מלאים. מאמצים אלה הופכים את הנתונים לייצוגים מאוחדים של מטופלים, ומשחררים תובנות מעשיות שמאפשרות להאיץ את מאמצי הרפואה המותאמת אישית הן בקליניקה והן בפיתוח תרופות. המודל הרב־מודלי האחרון של טמפוס, המבוסס על Transformer, אומן על 2.5 מיליון רשומות אורך (longitudinal records) שמקיפות יותר מ־250 מיליון עמודים של סיכומי ביקור ופתקים קליניים, 450,000 תמונות רפואיות דיגיטליות ו־500,000 רצפים גנומיים וטרנסקריפטומיים. באמצעות אגירה של מודליות שמקורן במודלי יסוד בהיקף של מיליארדי פרמטרים, המודל תוכנן לתת מענה לאלפי מטרות חיזוי המבוססות על הישרדות כוללת (overall survival) והישרדות ללא התקדמות מחלה (progression-free survival), ללא צורך בנתונים נוספים או בכיוונון עדין נוסף של המודל. הארכיטקטורה הזו מצמצמת באופן משמעותי את הזמן וכמות הנתונים הנדרשים כדי להפיק מאות תובנות קליניות רלוונטיות לעיצוב ניסויים קליניים, לחיזוי סיכון מטופלים ולפיתוח בדיקות מולטי-מודליות חדשניות. בסביבה מסוג zero-shot, בלי שום אימון נוסף, טמפוס ניצלה את מודל מסלול המטופל הזה ואת סדרת זרימות העבודה ה"סוכניות" כדי לחלץ תובנות בקוהורט של יותר מ־1.2 מיליון רשומות מנותקות זיהוי עם נתונים רב־מודליים חזקים. כהוכחת היתכנות ראשית, נעשה שימוש במודל של טמפוס כדי לנתח מטופלים עם NSCLC (סרטן ריאה לא תאי־קטן) עם מוטציית EGFR שטופלו באוסימרטיניב, שמעבד כיום כקו טיפול ראשון מקובל בתור דור שלישי של מעכב EGFR. טמפוס בדקה האם המודל יכול לדרג באופן מדויק את תגובת המטופלים לטיפול הסטנדרטי באוסימרטיניב בקרב מטופלים עם ביו־מרקרים קליניים ברי־פעולה ידועים, כמו EGFR. הבדיקה הזו בוחנת את היכולת של המודל ללמוד שילוב תכונות שמנבא תגובה מעבר לתכונות הביולוגיות והקליניות הידועות, כדי לזהות מטופלים שצפויים יותר להגיב בצורה לא טובה לטיפולים הנוכחיים. בלי שום אימון מוגדר מראש, המודל הראה: דיוק חיזוי – מדד C-index של 0.802 עבור הישרדות כוללת; בידול הישרדות משמעותי – יחס סיכון (Hazard Ratio) של 4.536 בין תתי־הקבוצות עתירות הסיכון ונמוכות הסיכון. המודל הוערך מול מגוון פרופילי מוטציות; והתוצאות עדיין הניבו ערך פרוגנוסטי ללא תלות בתתי־קבוצות מולקולריות וקליניות, עם בידול משמעותי של ההישרדות הכוללת בקרב מטופלים עם TP53(+) וכן הישרדות ללא התקדמות בקרב מטופלים ללא גרורות CNS. תוצאה זו היא רק דוגמה אחת לאופן שבו המודל של טמפוס יכול לייצר תובנות קליניות חדשות, שכן נצפו תוצאות דומות בחיזוי הישרדות כוללת באוכלוסיות מטופלים נוספות. מודלי מסלול המטופל הרב־מודליים של טמפוס הראו גם תועלת משמעותית בפעילויות לפיתוח תרופות. לדוגמה, המודלים הצליחו לחזות תוצאות של קוהורטים של מטופלים ששיקפו ניסויים קליניים שנקבעו מראש. ב־NSCLC, טמפוס הצליחה להעריך קבוצות מטופלים ששיקפו ניסויים קליניים ששינו את הסטנדרט הטיפולי, ומודל מסלול המטופל הרב־מודלי הצליח במצב zero-shot להציג ביצועים טובים יותר מגישות סטנדרטיות כמו מודלי Cox-PH. תוצאות אלו מצביעות על תועלת משמעותית עבור מפתחי תרופות ביופרמצבטיות, כולל האפשרות להעריך מאפיינים שעשויים להשפיע בצורה דרמטית על ביצועי ניסוי קליני עוד לפני תחילתו.

פורסם לראשונה ב־TheFly – המקור מידע הסופי לדיווחי חדשות שוק בזמן אמת שמזיזות את השוק. נסו עכשיו >>

ראו את המניות החמות של בעלי העניין ב-TipRanks >>