MRImmuno-platform for a rapid diagnostic and therapeutic decision in patients with an outbreak of a laceration of the central nervous system (Q84117)
Jump to navigation
Jump to search
Project in Poland financed by DG Regio
| Language | Label | Description | Also known as |
|---|---|---|---|
| English | MRImmuno-platform for a rapid diagnostic and therapeutic decision in patients with an outbreak of a laceration of the central nervous system |
Project in Poland financed by DG Regio |
Statements
8,230,750.45 zloty
0 references
9,221,829.96 zloty
0 references
89.25 percent
0 references
1 July 2018
0 references
30 June 2021
0 references
PIXEL TECHNOLOGY SPÓŁKA Z OGRANICZONĄ ODPOWIEDZIALNOŚCIĄ
0 references
Obecnie nie ma specyficznego parametru pozwalającego na postawienie pewnego rozpoznania stwardnienia rozsianego (SM).Mimo kryteriów diagnostycznych, opartych głównie na obrazowaniu rezonansu magnetycznego (RM),konieczne jest nadal wykluczenie innych chorób naśladujących obraz kliniczny SM. Dotąd nie opracowano narzędzia pozwalającego na precyzyjną diagnozę SM, diagnoza oparta jest w dużej mierze na doświadczeniu lekarzy, a nie kwantyfikowalnych wskaźnikach, a u wielu pacjentów konieczna jest długa obserwacja odwlekająca decyzję terapeutyczną. Ponadto, do 13% chorych z rozpoznaniem SM nie jest w rzeczywistości chorych na SM. Projekt ma na celu przeprowadzenie badań opracowujących profili diagnostycznych i sieci deep learning (DL), umożliwiających diagnostykę różnicową SM w trybie AI (sztucznej inteligencji). W systemie gromadzone będą dane z RM, optycznej koherentnej tomografii siatkówki (OCT), badań immunologicznych i markerów neurodegeneracji, dane kliniczne i neuropsychologiczne. Na podstawie danych z 5000 przypadków (50 % - pacjenci z SM) wytyczone zostaną pierwotne wzorce. Ścieżki diagnostyczne wytyczone przez neurologów i radiologów obejmą parametry, którym przypisana zostanie waga wpływająca na końcową diagnozę, oceniona zostanie korelacja między parametrami. Efektem końcowym będzie zbiór algorytmów i wyćwiczona sieć DL, która będzie analizować dostępne zbiory i prezentować w postaci panelu diagnostycznego zbiór informacji wraz z analizą pozwalającą lekarzowi na precyzyjniejszą decyzję diagnostyczną. Dla badań przypisany będzie parametr - scoring, oceniający wpływ parametru na diagnozę. Na podstawie wszystkich danych szacowana będzie wartość ostateczna dla pacjenta. Ważnym elementem będzie automatyczne wykrywanie nieprawidłowości obrazu RM i OCT oraz wprowadzenie nowych parametrów (Polish)
0 references
Currently there is no specific parameter allowing to establish a certain diagnosis of multiple sclerosis (SM).Despite diagnostic criteria, based mainly on magnetic resonance imaging (RM), it is necessary to continue to exclude other diseases mimicking the clinical image of MS. So far, no tool has been developed for precise diagnosis of MS, the diagnosis is largely based on the experience of doctors rather than quantifiable indicators, and many patients require long delaying therapeutic decisions. In addition, up to 13 % of patients with diagnosis of MS are not actually sick with MS. The project aims to conduct research on diagnostic profiles and deep learning networks (DL), enabling differential diagnostics of MS in AI mode (artificial intelligence). The system will collect data from RM, optical coherent retinal tomography (OCT), immunological tests and markers of neurodegeneration, clinical and neuropsychological data. Based on data from 5000 cases (50 % patients with MS) the primary standards will be established. Diagnostic pathways determined by neurologists and radiologists will include parameters, to which weight will be assigned to the final diagnosis, the correlation between parameters will be assessed. The final result will be a set of algorithms and a trained DL network, which will analyse available collections and present in the form of a diagnostic panel a set of information together with an analysis allowing the doctor to make a more precise diagnostic decision. For tests, a parameter – scoring will be assigned to assess the effect of the parameter on the diagnosis. Based on all data, the final value for the patient will be estimated. An important element will be automatic detection of RM and OCT malfunctions and introduction of new parameters (English)
14 October 2020
0 references
Identifiers
POIR.04.01.04-00-0118/17
0 references