Il existe un besoin crucial de diagnostics personnalisés et multidimensionnels et de conseils de traitement qui tiennent compte de la biologie, de la santé et des facteurs environnementaux individuels, permettant une détection précoce des maladies et des décisions thérapeutiques plus efficaces et adaptatives. Nine Diagnostics accélère la voie vers le traitement le plus efficace pour chaque patient en actualisant la médecine fonctionnelle de précision. L'équipe fondatrice composée de cliniciens, de scientifiques, d'ingénieurs, d'innovateurs et d'entrepreneurs s'est réunie pour s'attaquer à certains des plus grands problèmes des soins de santé en mettant au point une technologie révolutionnaire qui pourrait aider à détecter les maladies plus tôt, fournir une rétroaction rapide sur la sélection et l'efficacité des traitements et surveiller la récurrence de la maladie ou la résistance au traitement.
Quel est le problème ?
Le traitement efficace de maladies complexes nécessite une approche personnalisée qui tient compte de la biologie, de l'état de santé et des facteurs sociaux et environnementaux uniques de chaque patient. Les diagnostics traditionnels n'ont souvent pas la capacité de fournir cette connaissance approfondie, ce qui retarde la détection de la maladie et a une incidence sur l'efficacité du traitement. L'impact général des maladies complexes va au-delà des patients individuels, mettant à rude épreuve les systèmes de santé et limitant les résultats dans toutes les populations en raison de diagnostics incomplets ou retardés. En s'attaquant à ces défis, il est possible de transformer la gestion de la maladie en offrant des traitements plus opportuns, ciblés et efficaces qui améliorent la qualité de vie et réduisent les coûts des soins de santé à plus grande échelle.
Quelle est leur solution ?
Notre technologie de plateforme pionnière consiste en des réseaux de capteurs à nanotubes de carbone qui peuvent identifier de manière unique un profil spectral spécifique à une maladie en réponse aux interactions de liaison moléculaire aux protéines et aux métabolites dans le sérum sanguin des patients. La technologie a été initialement validée pour la détection du carcinome séreux de l'ovaire de haut grade, la prédiction de la perte de grossesse par FIV et la différenciation entre les types de tumeurs intracrâniennes. À l'aide de renseignements tels que le diagnostic de la maladie, le stade de la maladie, les données démographiques des patients, les maladies coexistantes, les médicaments actuels et les déterminants sociaux de la santé, nous formons des modèles de classification par apprentissage automatique pour prédire les états pathologiques. Nous envisageons que notre technologie puisse servir de plateforme de diagnostic pour la médecine fonctionnelle de précision afin de mesurer plus rapidement l'efficacité du traitement, d'optimiser la posologie et la fréquence des traitements plus rapidement, d'identifier de nouveaux biomarqueurs spécifiques à une maladie et d'identifier la récidive de la maladie ou la résistance au traitement.
