附錄 99.1

預測腫瘤學宣佈與UPMC Magee-Womens醫院合作的卵巢癌研究的積極結果將在2024年美國臨牀腫瘤學會（ASCO）年會上公佈

研究成功證明 Predictive 能夠構建 AI 多組學機器學習模型，以預測卵巢癌患者的存活結果，這比單獨的臨牀數據更有能力

匹茲堡，2024年5月28日（GLOBE NEWSWIRE）——人工智能驅動藥物發現和生物製劑領域的領導者預測腫瘤學公司（納斯達克股票代碼：POAI）今天宣佈，該公司最近與UPMC Magee-Womens醫院合作完成的一項回顧性研究的積極結果將在2024年5月31日至6月4日在芝加哥舉行的美國臨牀腫瘤學會（ASCO）年會上公佈，該年會將於2024年5月31日至6月4日在芝加哥舉行。伊利諾伊州

該研究的目的是確定預測腫瘤學能否利用其人工智能和其他能力來開發機器學習（ML）模型，該模型可以更準確地預測卵巢癌患者的短期（兩年）和長期（五年）生存結果。

UPMC婦產科和生殖科學系教授兼主任、Magee-Womens醫院婦科腫瘤學研究聯合主任羅伯特·愛德華茲説：“眾所周知，高級別漿液性卵巢癌是一種難以治療的癌症，這在很大程度上是由於疾病早期沒有症狀。”“雖然手術和一線化療在短期內有效，但將近80％的患者將在一到兩年內復發，只有20％是長期倖存者。使用機器學習更好地預測患者預後的能力可能有助於臨牀管理和監測，也可以作為決策支持工具，更好地為個體患者量身定製治療計劃。這項重要研究的結果有力地支持此類機器學習模型的持續開發以及隨後將其納入日常臨牀實踐。”

轉化醫學和藥物發現高級副總裁兼預測腫瘤學醫學總監阿萊特·尤萊因醫學博士表示：“我們要感謝該研究的首席研究員布萊恩·奧爾、醫學博士羅伯特·愛德華茲、其他研究人員以及我們在Magee-Womens醫院的合作者，他們如此成功地完成了這項研究。”“我們認為，這些結果凸顯了人工智能和機器學習的潛力，不僅可以加速早期腫瘤藥物的發現，還可以幫助實時對癌症患者進行臨牀管理，從而改善存活結果。我們還看到了利用這些發現來發現獨特的生物標誌物的機會，我們或合作伙伴可以使用這些標誌物來開發新的癌症療法。憑藉一系列獨特的資產和能力，包括我們的超過15萬份腫瘤樣本的生物庫、20萬張病理幻燈片、經CLIA認證的濕式實驗室以及數十年的縱向患者數據，這些數據使我們與同行明顯區分開來，Predictive Oncology很自豪能夠成為這一新興領域的領導者。”

演示詳情：

摘要：

該研究分析了2010-2016年的臨牀數據和腫瘤標本。患者數據、全外顯子組測序 (WES)、全轉錄組測序 (WTS)、藥物反應概況和數字病理特徵被用作輸入特徵集，用於訓練作為研究一部分構建的 160 個多組學機器學習 (ML) 模型。利用機器學習模型的無假設訓練將患者存活率分類為兩年和五年閾值。模型性能是使用 AUROC（接收機運行特性曲線下方的面積）指標估算的，分數大於 0.5 具有更高的預測潛力。

結果：

在構建的 160 個 ML 模型中，發現有七個在兩年閾值時實現了很高的預測精度，13 個模型在五年閾值時達到了很高的預測精度。與單獨的臨牀數據相比，多組學特徵集輸入可以實現更出色的預測和更高的性能，並且性能最佳的模型預測要比任何單獨的特徵集都要好。

結論：

與單獨的臨牀數據相比，利用多組學機器學習模型，可以實現對短期和長期存活率的出色預測。短期和長期隊列中表現最佳模型的具體驅動因素不同，它們確定了未來的研究機會以及臨牀決策工具的開發潛力。

完整的 2024 年 ASCO 計劃指南可在此處找到。

關於預測腫瘤學
預測腫瘤學在快速增長的人工智能和機器學習的應用中處於最前沿，它可以加快藥物的早期發現，並促進藥物開發，造福全球癌症患者。該公司經過科學驗證的人工智能平臺PEDAL能夠以92％的準確率預測腫瘤樣本是否會對某種藥物化合物產生反應，從而可以更明智地選擇藥物/腫瘤類型組合以供隨後的體外測試使用。Predictive Oncology 擁有超過 150,000 份具有分析能力的異源人類腫瘤樣本的龐大生物庫，為其學術和行業合作伙伴提供了業界最廣泛的基於人工智能的藥物發現解決方案之一，其全資擁有的 CLIA 實驗室和 GMP 設施也為之錦上添花。預測腫瘤學總部位於賓夕法尼亞州匹茲堡。

投資者關係聯繫人
蒂姆·麥卡錫
LifeSCI 顧問有限責任公司
tim@lifesciadvisors.com

前瞻性陳述：
本新聞稿中討論的某些事項包含前瞻性陳述。這些前瞻性陳述反映了我們當前對未來事件的預期和預測，並受有關我們的運營和投資的重大風險、不確定性和假設的影響。本新聞稿中有關我們的戰略、未來運營、未來財務狀況、未來收入和財務業績、預計成本、前景、管理層變動、管理計劃和目標的所有陳述，除歷史事實陳述外，均為前瞻性陳述。“預期”、“相信”、“估計”、“期望”、“打算”、“可能”、“計劃”、“將”、“目標” 等詞語以及類似的表述旨在識別前瞻性陳述，儘管並非所有前瞻性陳述都包含這些識別詞。由於多種因素，包括我們在向美國證券交易委員會提交的文件中 “風險因素” 標題下討論的因素等，我們的實際未來表現可能與前瞻性陳述所設想的存在重大差異。除非法律明確要求，否則公司不承擔任何更新這些前瞻性陳述的意圖或義務。