POLAR (Q3988817)

From EU Knowledge Graph
Revision as of 14:10, 14 December 2021 by DG Regio (talk | contribs) (‎Changed an Item: Fixing summary)
Jump to navigation Jump to search
Project Q3988817 in Netherlands
Language Label Description Also known as
English
POLAR
Project Q3988817 in Netherlands

    Statements

    0 references
    0 references
    0 references
    0 references
    1,521,482.21 Euro
    0 references
    4,019,768.058 Euro
    0 references
    37.85 percent
    0 references
    1 May 2018
    0 references
    29 October 2021
    0 references
    Academisch Medisch Centrum
    0 references
    0 references

    52°17'38.94"N, 4°57'28.19"E
    0 references

    53°11'22.88"N, 5°48'15.08"E
    0 references

    53°3'27.18"N, 6°15'22.97"E
    0 references

    53°0'22.61"N, 6°3'48.71"E
    0 references
    1100 DD
    0 references
    1105 AZ
    0 references
    9243 WG
    0 references
    8901 BR
    0 references
    8934 AD
    0 references
    8400 AC
    0 references
    8401 DK
    0 references
    8400 AC
    0 references
    8400 AC
    0 references
    Dikke darmkanker is de derde meest voorkomende vorm van kanker in Nederland. Darmkanker ontstaat door ontwikkeling van poliepen tot darmkanker. Om darmkanker en voorstadia tijdig te detecteren, is in 2014 het landelijk bevolkingsonderzoek darmkanker ingevoerd op basis van een ontlastingstest. Alle mensen met een positieve ontlastingstest wordt geadviseerd een coloscopie te ondergaan om poliepen te bekijken, te verwijderen en pathologisch te analyseren. De invoering van het bevolkingsonderzoek heeft geresulteerd in een jaarlijkse toename van het aantal coloscopieën en door vergrijzing zal dit alleen maar meer toenemen. Dit resulteert in lange wachtlijsten en toenemende kosten. Momenteel worden alle poliepen ingezonden voor pathologisch onderzoek. Ongeveer 80 tot 90% van al deze ingezonden poliepen zijn kleine poliepen met een miniem risico op darmkanker. Vanwege de hoge prevalentie van kleine poliepen met op dat moment minimaal risico op darmkanker is de “optische diagnose strategie” ontwikkeld. Bij gebruik van de “optische diagnose strategie” worden kleine poliepen in de dikke darm door de endoscopist met een hoge of lage zekerheid beoordeeld. Bij hoge zekerheid wordt bij deze strategie de kleine poliep verwijderd en weggegooid zonder beoordeling van de patholoog. Tevens worden met hoge zekerheid beoordeelde kleine hyperplastische poliepen in situ gelaten, omdat deze als onschuldig worden beschouwd. Als een endoscopist echter op basis van het uiterlijk van de poliep alleen met een lage betrouwbaarheid een optische diagnose kan stellen, dan wordt de poliep opgestuurd naar de patholoog. De optische diagnose strategie leidt tot een significante reductie van de tijd en kosten die gepaard gaan met coloscopieën. Daarnaast levert de innovatie een bijdrage aan het reduceren van de kans op complicaties, omdat niet elke poliep meer hoeft te worden verwijderdRecente studies laten echter zien dat de diagnostische accuratesse van deze “optische diagnose strategie” sterk afhankelijk is van de training en ervaring van de endoscopist. Om de accuratesse van de optische diagnose te vergroten is recent onderzoek gedaan naar “computer-aided diagnosis” (CAD). Door middel van artificiële intelligente kunnen programma’s worden ontwikkeld die endoscopisten helpen bij de accurate classificatie van poliepen. Ondanks dat artificiële intelligentie in recent gepubliceerde internationale studies heeft laten zien potentie te hebben als diagnostisch hulpmiddel, wordt deze technologie nog niet toegepast in een operationele omgeving. De projectpartners willen in het licht van bovenstaande een classificatietool, genaamd POLAR, voor poliepen ontwikkelen. Door middel van het toepassen van convolutionele neurale netwerken zijn de projectpartners voornemens de gouden standaard van de pathologische analyse in een systeem te vatten en zo een significante bijdrage te kunnen leveren aan de betrouwbaarheid van de “optische diagnose strategie” en het betaalbaar houden van de Nederlandse zorg. Het project draagt bij aan een toename van valorisatie en innovatie binnen ZiuZ en betrokken MKB-ers. De samenwerking tussen ZiuZ, het AMC/AMR, het MCL en de Maatschap is een goed voorbeeld van een cross-over tussen de ‘life science’ en ‘hightech’ sector. Tevens sluit het project naadloos aan bij de maatschappelijke uitdaging ‘gezondheid, demografie en welzijn’.Met dit project zijn projectpartners voornemens de grenzen van artificiële intelligentie toepassingen in de zorgsector te verleggen. De technieken die door ZiuZ worden toegepast in de ontwikkeling van de classificatietool, zoals convolutionele neurale netwerken, zijn zeer innovatieve technieken en vormen de huidige speerpunten van artificiële intelligentie onderzoek. Zeker in de medische wereld worden deze technieken nog erg beperkt ingezet. Innovatief is ook de ontwikkeling van een tool die poliepen op macroscopisch niveau kan classificeren. Projectpartners verwachten een grote impact te hebben op de reductie van de zorgkosten in Nederland, Europa en de Verenigde Staten. Eerste cijfermatige analyses laten zien dat POLAR leidt tot besparingen in de tientallen miljoenen. Daarnaast neemt de vraag naar kunstmatige intelligentie in de zorg volgens onderzoeksbureau Gartner toe. Met een nieuw verdienmodel verwacht ZiuZ dat ziekenhuizen makkelijk instappen. Uit gedetailleerde berekeningen wordt het aannemelijk geacht dat in 2025 met POLAR een omzet kan worden behaald van € 6,1 miljoen en een personeelsgroei van 18,7 FTE. Dit betreffen hoogwaardige banen.Het belangrijkste aspect van duurzaamheid is dat er een optimalisatie van de classificatie van poliepen plaatsvindt. Hierdoor wordt een significante bijdrage geleverd aan het betaalbaar houden van de zorg. Daarnaast neemt het risico op complicaties bij af. Tevens leidt het voor een groep patiënten tot een veel snellere diagnose, hetgeen stress vermindert. Het onderzoek zal conform de Algemene Verordening Gegevensbescherming worden uitgevoerd. (Dutch)
    0 references

    Identifiers

    OP-2014-2023-Noord-OPSNN0202
    0 references