附录 99.1

预测肿瘤学宣布与UPMC Magee-Womens医院合作的卵巢癌研究的积极结果将在2024年美国临床肿瘤学会（ASCO）年会上公布

研究成功证明 Predictive 能够构建 AI 多组学机器学习模型，以预测卵巢癌患者的存活结果，这比单独的临床数据更有能力

匹兹堡，2024年5月28日（GLOBE NEWSWIRE）——人工智能驱动药物发现和生物制剂领域的领导者预测肿瘤学公司（纳斯达克股票代码：POAI）今天宣布，该公司最近与UPMC Magee-Womens医院合作完成的一项回顾性研究的积极结果将在2024年5月31日至6月4日在芝加哥举行的美国临床肿瘤学会（ASCO）年会上公布，该年会将于2024年5月31日至6月4日在芝加哥举行。伊利诺伊州

该研究的目的是确定预测肿瘤学能否利用其人工智能和其他能力来开发机器学习（ML）模型，该模型可以更准确地预测卵巢癌患者的短期（两年）和长期（五年）生存结果。

UPMC妇产科和生殖科学系教授兼主任、Magee-Womens医院妇科肿瘤学研究联合主任罗伯特·爱德华兹说：“众所周知，高级别浆液性卵巢癌是一种难以治疗的癌症，这在很大程度上是由于疾病早期没有症状。”“虽然手术和一线化疗在短期内有效，但将近80％的患者将在一到两年内复发，只有20％是长期幸存者。使用机器学习更好地预测患者预后的能力可能有助于临床管理和监测，也可以作为决策支持工具，更好地为个体患者量身定制治疗计划。这项重要研究的结果有力地支持此类机器学习模型的持续开发以及随后将其纳入日常临床实践。”

转化医学和药物发现高级副总裁兼预测肿瘤学医学总监阿莱特·尤莱因医学博士表示：“我们要感谢该研究的首席研究员布莱恩·奥尔、医学博士罗伯特·爱德华兹、其他研究人员以及我们在Magee-Womens医院的合作者，他们如此成功地完成了这项研究。”“我们认为，这些结果凸显了人工智能和机器学习的潜力，不仅可以加速早期肿瘤药物的发现，还可以帮助实时对癌症患者进行临床管理，从而改善存活结果。我们还看到了利用这些发现来发现独特的生物标志物的机会，我们或合作伙伴可以使用这些标志物来开发新的癌症疗法。凭借一系列独特的资产和能力，包括我们的超过15万份肿瘤样本的生物库、20万张病理幻灯片、经CLIA认证的湿式实验室以及数十年的纵向患者数据，这些数据使我们与同行明显区分开来，Predictive Oncology很自豪能够成为这一新兴领域的领导者。”

演示详情：

摘要：

该研究分析了2010-2016年的临床数据和肿瘤标本。患者数据、全外显子组测序 (WES)、全转录组测序 (WTS)、药物反应概况和数字病理特征被用作输入特征集，用于训练作为研究一部分构建的 160 个多组学机器学习 (ML) 模型。利用机器学习模型的无假设训练将患者存活率分类为两年和五年阈值。模型性能是使用 AUROC（接收机运行特性曲线下方的面积）指标估算的，分数大于 0.5 具有更高的预测潜力。

结果：

在构建的 160 个 ML 模型中，发现有七个在两年阈值时实现了很高的预测精度，13 个模型在五年阈值时达到了很高的预测精度。与单独的临床数据相比，多组学特征集输入可以实现更出色的预测和更高的性能，并且性能最佳的模型预测要比任何单独的特征集都要好。

结论：

与单独的临床数据相比，利用多组学机器学习模型，可以实现对短期和长期存活率的出色预测。短期和长期队列中表现最佳模型的具体驱动因素不同，它们确定了未来的研究机会以及临床决策工具的开发潜力。

完整的 2024 年 ASCO 计划指南可在此处找到。

关于预测肿瘤学
预测肿瘤学在快速增长的人工智能和机器学习的应用中处于最前沿，它可以加快药物的早期发现，并促进药物开发，造福全球癌症患者。该公司经过科学验证的人工智能平台PEDAL能够以92％的准确率预测肿瘤样本是否会对某种药物化合物产生反应，从而可以更明智地选择药物/肿瘤类型组合以供随后的体外测试使用。Predictive Oncology 拥有超过 150,000 份具有分析能力的异源人类肿瘤样本的庞大生物库，为其学术和行业合作伙伴提供了业界最广泛的基于人工智能的药物发现解决方案之一，其全资拥有的 CLIA 实验室和 GMP 设施也为之锦上添花。预测肿瘤学总部位于宾夕法尼亚州匹兹堡。

投资者关系联系人
蒂姆·麦卡锡
LifeSCI 顾问有限责任公司
tim@lifesciadvisors.com

前瞻性陈述：
本新闻稿中讨论的某些事项包含前瞻性陈述。这些前瞻性陈述反映了我们当前对未来事件的预期和预测，并受有关我们的运营和投资的重大风险、不确定性和假设的影响。本新闻稿中有关我们的战略、未来运营、未来财务状况、未来收入和财务业绩、预计成本、前景、管理层变动、管理计划和目标的所有陈述，除历史事实陈述外，均为前瞻性陈述。“预期”、“相信”、“估计”、“期望”、“打算”、“可能”、“计划”、“将”、“目标” 等词语以及类似的表述旨在识别前瞻性陈述，尽管并非所有前瞻性陈述都包含这些识别词。由于多种因素，包括我们在向美国证券交易委员会提交的文件中 “风险因素” 标题下讨论的因素等，我们的实际未来表现可能与前瞻性陈述所设想的存在重大差异。除非法律明确要求，否则公司不承担任何更新这些前瞻性陈述的意图或义务。