Lantern Pharma Inc. a annoncé une série d'étapes importantes liées au développement, à la taille et à l'avancement de RADR® - sa plateforme d'IA exclusive visant à transformer le coût, le rythme et les délais de développement des médicaments oncologiques. La société prévoit de poursuivre l'expansion et la croissance des données RADR® grâce à un processus de plus en plus automatisé, basé sur l'apprentissage automatique, qui permet la collecte, le marquage et la curation d'ensembles de données provenant de sources propriétaires, collaboratives et publiques d'une manière très efficace. Lantern s'attend également à ce qu'une part significative des nouvelles données provienne d'études et d'essais cliniques en immuno-oncologie, ainsi que d'analyses propriétaires visant à extraire des caractéristiques moléculaires de centaines de milliers de molécules (approuvées par la FDA ou en cours de développement).

Des efforts d'expansion des données à grande échelle ont été initialement entrepris pour RADR® au début de 2019, lorsque la plateforme comptait moins de 20 millions de points de données, pour atteindre près de 300 millions de points de données à la mi-2020 (au moment de l'introduction en bourse de Lantern) et dépasser les 60 milliards ? soit une multiplication par 200 depuis l'introduction en bourse et par près de 3 000 depuis le début des campagnes d'expansion des données. Cette stratégie a permis d'analyser des données provenant de milliers de sources auparavant cloisonnées de manière plus exhaustive, complète et productive et a contribué au développement de nouvelles indications pour le LP-184 et au développement du LP-284 de manière très comprimée et rentable, tout en donnant lieu à plusieurs affiches de conférence et publications scientifiques de Lantern Pharma et de ses collaborateurs.

Les campagnes actuelles de croissance des données, qui prévoient l'ajout de données sur les antigènes, la réponse immunitaire et les protéines, permettent également une analyse multi-omique plus robuste et plus puissante qui est positionnée pour guider l'utilisation du LP-184, du LP-284 et d'autres agents synthétiques létaux similaires en combinaison avec les inhibiteurs de points de contrôle standard. Ces analyses à grande échelle, basées sur l'apprentissage automatique, peuvent être essentielles dans les efforts futurs où l'IA peut contribuer plus efficacement aux efforts de développement de médicaments en créant automatiquement ses propres modèles et en testant des combinaisons de médicaments qui n'avaient pas été envisagées auparavant, y compris dans des indications oncologiques rares et difficiles à traiter où les thérapies conventionnelles n'ont pas réussi à montrer une amélioration mesurable ou où les patients développent souvent une résistance à ces thérapies et ont besoin de nouvelles approches.