Hohes Abbruchrisiko
Kardiovaskuläre Toxizität ist einer der häufigsten Gründe für die Einstellung von Kandidaten und entscheidet unmittelbar über die Fortführung eines Projekts.
AI-driven vascular toxicology
Gefäßtoxizität
in der Kandidatenphase
sichtbar machen
Für Arzneimittelentwicklung und chemische Sicherheitsbewertung bietet VasoPT eine KI-gestützte, visuelle Phänomik der Gefäßtoxizität – von der Gefäßbildgebung in vivo und der automatisierten Auswertung bis zum risikoklassifizierten Bericht: quantifizierbare, vergleichbare und entscheidungsfähige Evidenz in einem standardisierten Prozess.
In vivo, ganzer Organismus
96-Well-Durchsatz
KI-Auswertung
Risikoklassifizierung
Risk score
Mittel bis hoch
0
/ 100
0
Verbindungen aus einem Screening niedermolekularer Bibliotheken
0
bewertete Chemikalien mit Umweltgesundheitsrelevanz
0
Schritte vom Umfang bis zum Bericht
0
phänotypische Klassen von Gefäßschäden
Why early vascular safety
Kardiovaskuläre Sicherheit ist
eines der am schwersten korrigierbaren Risiken in der Arzneimittelentwicklung
Kardiovaskuläre Nebenwirkungen sind ein Hauptgrund dafür, dass Kandidaten scheitern. Je später sie erkannt werden, desto höher die Kosten – und sie zeigen sich meist als komplexe, mehrere Organe betreffende Effekte.
Je später der Befund, desto höher die Kosten
Spät erkannte Sicherheitsprobleme erhöhen die F&E-Kosten deutlich und lassen kaum Handlungsspielraum.
Komplexe Risikomuster
Die Effekte betreffen Herz, Gefäße, Nervensystem und Entwicklung; ein einzelner Endpunkt erfasst das reale Risiko nicht.
Frühe Erkennung ist entscheidend
Frühe Sicherheitssignale verbessern die Entscheidungsqualität und bündeln Ressourcen auf die aussichtsreichsten Kandidaten.
The gap
Jede bestehende Methode lässt eine Lücke
In-vitro-Modelle, isolierte Organe, Tierversuche und computergestützte Vorhersage haben jeweils Stärken – doch zwischen „gesamtes Gefäßnetz“ und „Hochdurchsatz-Erkennung“ fehlte lange ein frühes Verfahren, das beides leistet.
01
In-vitro-Zellmodelle
hERG, iPSC-Kardiomyozyten, Endothelzellen
StärkeViele Modelltypen, kontrollierbare Bedingungen
GrenzeBildet das gesamte kardiovaskuläre Netz kaum ab
02
Ex-vivo-/Organmodelle
Aortenringe, isolierte Herzen, Gewebemodelle
StärkeHohe Humanrelevanz
GrenzeGeringe Abdeckung der Gefäßtypen
03
Tiermodelle
Nager, Hunde, Zebrafisch
StärkeGanzsystem-Aussage
GrenzeHohe Kosten, begrenzter Durchsatz
04
Computergestützte Vorhersage
QSAR, PBPK, maschinelles Lernen
StärkeSchnell und kostengünstig
GrenzeStark von der Datenqualität abhängig
Kein frühes, schnelles Screening-Verfahren, das ganzes Gefäßnetz und Hochdurchsatz-Erkennung verbindet VasoPT wurde genau für diese Lücke entwickelt: den Gefäßphänotyp des gesamten Organismus in vivo zu erfassen und mithilfe von KI morphologische Veränderungen in vergleichbare Zahlen zu übersetzen.
The platform
Eine visuelle Bewertungsplattform
für das frühe Screening der Gefäßtoxizität
Für frühes Screening in Arzneimittelentwicklung und chemischer Sicherheit setzt VasoPT auf morphologische Phänomik: Veränderungen des lebenden Gefäßnetzes werden in strukturierte Kennzahlen überführt, die schnelle Identifikation, quantitative Bewertung und Priorisierung von Kandidaten stützen.
-
In vivo, ganzer OrganismusBewahrt Raumstruktur und Kreislaufumgebung des gesamten Netzes – keine Einzelzellmessung.
-
Hochdurchsatz-Bildgebung96-Well-Platten und High-Content-Imaging erfassen Chargen unter einem Standard.
-
KI-AuswertungAutomatische Regionensegmentierung und multidimensionale Merkmalsextraktion verringern Auswertervarianz.
-
RisikoklassifizierungGesamtbewertung plus Dosis-Wirkungs-Analyse – direkt nutzbar für Priorisierung und Entscheidung.
High-Content-Imaging · 96-Well
Core capabilities
Vom Sehen der Gefäße zur Evidenz
Drei Schritte bilden einen Kreis: Bildgebung ist der Einstieg, Auswertung der Kern, Klassifizierung das Ergebnis.
Gefäßbildgebung in vivo
Gefäßspezifisch fluoreszenzmarkierte Zebrafischembryonen und -larven werden im High-Content-System aufgenommen; das vollständige Gefäßnetz bleibt mit Raumstruktur und regionalen Unterschieden erhalten.
KI-Erkennung und Quantifizierung
Erkennt Gefäßregionen und strukturelle Grenzen automatisch und extrahiert Verzweigung, Dichte, Länge, Durchmesser und regionale Schädigung – Morphologie wird zum berechenbaren Objekt.
Composite score
78.5
Mittel bis hoch
Multidimensionaler Phänotyp · Dosis-Wirkung · Risikoklassifizierung
Gesamtbewertung und Klassifizierung
Multidimensionale Kennzahlen werden zu einem Toxizitätsscore verdichtet; der Dosis-Wirkungs-Verlauf liefert Klassen für niedriges / mittleres / hohes Risiko sowie eine Beobachtungsliste – als lesbarer, lieferbarer Bericht.
Comparison
Der Unterschied zu gängigen Methoden sind nicht nur mehr Kennzahlen
Der Unterschied liegt in der Bewertungsebene: von Einzelendpunkt-Messungen zum gesamten Gefäßphänotyp; von verstreuten Ergebnissen zu einer vergleichbaren Kennzahlenmatrix mit einheitlicher Klassifizierung.
| Dimension | Gängige Methoden | VasoPT |
|---|---|---|
| Bewertungsebene | Überwiegend Einzelendpunkte oder lokale Messungen | Bewertung des gesamten Gefäßphänotyps |
| Ergebnisdarstellung | Verstreute Ergebnisse, wenig anschaulich | Bildvisualisierung + Lokalisierung regionaler Schäden |
| Datenausgabe | Wenige Kennzahlen, schwacher Quervergleich | Multidimensionale Kennzahlenmatrix und Gesamtscore |
| Analyse | Stark von manueller Auswertung abhängig | KI-Erkennung und standardisierte Analyse |
| Entscheidungsunterstützung | Kaum einheitliche Klassifizierung möglich | Unterstützt Dosis-Wirkungs-Analyse und Risikoklassifizierung |
Applications
Drei bereits erprobte Szenarien
Von niedermolekularen Bibliotheken über Nanomaterialien bis zu Umweltchemikalien – eine Methode, verschiedene Sicherheitsfragen.
Fall 01
Screening niedermolekularer Bibliotheken
Bewertung der kardiovaskulären Toxizität und Risikostratifizierung von 500 niedermolekularen Wirkstoffen: Risikosignale erkennen und eine Liste niedrig / mittel / hoch ausgeben.
Niedriges Risiko 52,0 %Mittleres Risiko 32,4 %Hohes Risiko 15,6 %
Fall 02
Sicherheitsbewertung von Nanomaterialien
Schwarzphosphor-Nanomaterialien, Quantenpunkte und zugehörige Nano-Freigabesysteme: Fokus auf Gefäßentwicklungsstörungen, lokale Strukturschäden und dosisbezogene Risiken.
Herzfrequenz ↓12 %Mikrogefäßdichte ↓15 %Regionale Schädigung ↑18 %
Fall 03
Gefäßtoxizität von Umweltchemikalien
150 Chemikalien mit Umweltgesundheitsrelevanz: Clusterung zu sechs Gefäßschadensphänotypen mit zusammengesetzter Risikoreihung.
Sechs PhänotypklassenMuster regionaler SchädenRisikoreihung
Kardiovaskuläres Risiko an den Entscheidungstisch bringen
Nennen Sie Verbindungstyp, Probenumfang und Bewertungsziel – wir schlagen das passende Testdesign und die Lieferform vor.