MRImmuno-platform of rapid diagnostic and therapeutic decision in patients with focal central nervous system damage (Q84117)
Jump to navigation
Jump to search
Project Q84117 in Poland
| Language | Label | Description | Also known as |
|---|---|---|---|
| English | MRImmuno-platform of rapid diagnostic and therapeutic decision in patients with focal central nervous system damage |
Project Q84117 in Poland |
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
28 September 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
0.3903268772571523
0 references
À l’heure actuelle, il n’existe pas de paramètre spécifique permettant un certain diagnostic de sclérose en plaques (SM). Malgré les critères diagnostiques, principalement basés sur l’imagerie par résonance magnétique (RM), il est encore nécessaire d’exclure d’autres maladies imitant l’image clinique de la SEP. Jusqu’à présent, aucun outil n’a été développé pour permettre un diagnostic précis de la SEP, le diagnostic est largement basé sur l’expérience des médecins, des indicateurs non quantifiables, et chez de nombreux patients, il est nécessaire d’observer un long retard dans la décision thérapeutique. En outre, jusqu’à 13 % des patients diagnostiqués avec la SEP ne sont pas réellement des patients atteints de SEP. Le projet vise à mener des études développant des profils de diagnostic et des réseaux d’apprentissage profond (DL), permettant le diagnostic différentiel de la SEP en mode IA (intelligence artificielle). Le système recueillera des données à partir de RM, de tomographie rétinienne cohérente optique (OTC), d’études immunologiques et de marqueurs de neurodégénérescence, ainsi que de données cliniques et neuropsychologiques. Sur la base des données de 5000 cas (50 % — patients atteints de SEP), les schémas primaires seront déterminés. Les voies de diagnostic tracées par les neurologues et les radiologues comprendront des paramètres auxquels le poids influençant le diagnostic final sera attribué, la corrélation entre les paramètres sera évaluée. Le résultat final sera un ensemble d’algorithmes et un réseau DL formé, qui analysera les collections disponibles et présentera sous la forme d’un panneau de diagnostic une collecte d’informations ainsi qu’une analyse permettant au médecin de prendre une décision diagnostique plus précise. Pour les tests se verra attribuer un paramètre — notation, évaluation de l’impact du paramètre sur le diagnostic. Sur la base de toutes les données, la valeur finale pour le patient sera estimée. Un élément important sera la détection automatique des irrégularités d’image RM et PTOM et l’introduction de nouveaux paramètres. (French)
30 November 2021
0 references
Derzeit gibt es keinen spezifischen Parameter für eine bestimmte Diagnose der Multiplen Sklerose (SM). Trotz diagnostischer Kriterien, die hauptsächlich auf der Magnetresonanztomographie (RM) basieren, ist es immer noch notwendig, andere Krankheiten auszuschließen, die das klinische Bild von MS nachahmen. Bisher wurde kein Instrument entwickelt, um eine genaue Diagnose von MS zu ermöglichen, die Diagnose basiert weitgehend auf der Erfahrung von Ärzten, nicht quantifizierbaren Indikatoren, und bei vielen Patienten ist es notwendig, eine lange Verzögerung der therapeutischen Entscheidung zu beobachten. Darüber hinaus sind bis zu 13 % der Patienten, bei denen MS diagnostiziert wurde, nicht tatsächlich Patienten mit MS. Das Projekt zielt darauf ab, Studien zur Entwicklung von Diagnoseprofilen und Deep-Learning-Netzwerken durchzuführen, die die MS-Differenzdiagnose im KI-Modus (künstliche Intelligenz) ermöglichen. Das System wird Daten von RM, optische kohärente Netzhauttomographie (OCT), immunologische Studien und Neurodegeneration Marker, klinische und neuropsychologische Daten sammeln. Basierend auf Daten von 5000 Fällen (50 % – Patienten mit MS) werden primäre Muster bestimmt. Diagnostische Wege, die von Neurologen und Radiologen gezogen werden, umfassen Parameter, denen das Gewicht zugewiesen wird, das die endgültige Diagnose beeinflusst, die Korrelation zwischen den Parametern wird bewertet. Das Endergebnis wird eine Reihe von Algorithmen und ein geschultes DL-Netzwerk sein, das die verfügbaren Sammlungen analysiert und in Form eines Diagnosepanels eine Sammlung von Informationen zusammen mit einer Analyse präsentiert, die es dem Arzt ermöglicht, eine genauere diagnostische Entscheidung zu treffen. Für die Tests wird ein Parameter – Scoring zugewiesen, der den Einfluss des Parameters auf die Diagnose bewertet. Basierend auf allen Daten wird der Endwert für den Patienten geschätzt. Ein wichtiges Element wird die automatische Erkennung von Bildunregelmäßigkeiten RM und ÜLG und die Einführung neuer Parameter sein. (German)
7 December 2021
0 references
Momenteel is er geen specifieke parameter voor een bepaalde diagnose van multiple sclerose (SM). Ondanks diagnostische criteria, voornamelijk gebaseerd op magnetische resonantie beeldvorming (RM), is het nog steeds nodig om andere ziekten uit te sluiten die het klinische beeld van MS nabootsen. Tot nu toe is er geen instrument ontwikkeld om een nauwkeurige diagnose van MS mogelijk te maken, de diagnose is grotendeels gebaseerd op de ervaring van artsen, niet kwantificeerbare indicatoren, en bij veel patiënten is het noodzakelijk om een lange vertraging van de therapeutische beslissing te observeren. Bovendien is tot 13 % van de patiënten met MS eigenlijk geen patiënten met MS. Het project is gericht op het uitvoeren van studies die diagnostische profielen en deep learning (DL) netwerken ontwikkelen, waardoor MS differentiële diagnose in AI-modus (kunstmatige intelligentie) mogelijk wordt. Het systeem verzamelt gegevens van RM, optische coherente retinale tomografie (OCT), immunologische studies en neurodegeneratiemarkers, klinische en neuropsychologische gegevens. Op basis van gegevens van 5000 gevallen (50 % — patiënten met MS) worden primaire patronen bepaald. Diagnostische trajecten die door neurologen en radiologen worden getrokken, omvatten parameters waaraan het gewicht dat van invloed is op de uiteindelijke diagnose zal worden toegewezen, de correlatie tussen parameters zal worden beoordeeld. Het eindresultaat is een reeks algoritmen en een getraind DL-netwerk, dat beschikbare collecties analyseert en in de vorm van een diagnostisch paneel een verzameling informatie presenteert samen met een analyse waardoor de arts een preciezere diagnostische beslissing kan nemen. Voor de tests zal een parameter worden toegewezen — scoren, het beoordelen van de impact van de parameter op de diagnose. Op basis van alle gegevens wordt de uiteindelijke waarde voor de patiënt geschat. Een belangrijk element zal zijn de automatische detectie van beeldonregelmatigheden RM en OCT en de invoering van nieuwe parameters (Dutch)
16 December 2021
0 references
Attualmente, non esiste un parametro specifico che consenta una certa diagnosi di sclerosi multipla (SM). Nonostante i criteri diagnostici, basati principalmente sulla risonanza magnetica (RM), è ancora necessario escludere altre malattie che imitano l'immagine clinica della SM. Finora, nessuno strumento è stato sviluppato per consentire una diagnosi precisa della SM, la diagnosi è in gran parte basata sull'esperienza dei medici, non indicatori quantificabili, e in molti pazienti è necessario osservare un lungo ritardo della decisione terapeutica. Inoltre, fino al 13 % dei pazienti con diagnosi di SM non sono in realtà pazienti con SM. Il progetto mira a condurre studi sullo sviluppo di profili diagnostici e reti di deep learning (DL), consentendo la diagnosi differenziale della SM in modalità AI (intelligenza artificiale). Il sistema raccoglierà dati da RM, tomografia retinica ottica coerente (OCT), studi immunologici e marcatori di neurodegenerazione, dati clinici e neuropsicologici. Sulla base dei dati di 5000 casi (50 % — pazienti con SM), i modelli primari saranno determinati. I percorsi diagnostici tracciati da neurologi e radiologi includeranno parametri ai quali verrà assegnato il peso che influenza la diagnosi finale, verrà valutata la correlazione tra i parametri. Il risultato finale sarà un insieme di algoritmi e una rete di DL addestrata, che analizzerà le collezioni disponibili e presenterà sotto forma di un pannello diagnostico una raccolta di informazioni insieme ad un'analisi che consentirà al medico di prendere una decisione diagnostica più precisa. Per i test verrà assegnato un parametro — punteggio, valutando l'impatto del parametro sulla diagnosi. Sulla base di tutti i dati, verrà stimato il valore finale per il paziente. Un elemento importante sarà il rilevamento automatico delle irregolarità delle immagini RM e OCT e l'introduzione di nuovi parametri (Italian)
16 January 2022
0 references
Actualmente, no existe un parámetro específico que permita un cierto diagnóstico de esclerosis múltiple (EM). A pesar de los criterios diagnósticos, principalmente basados en imágenes por resonancia magnética (RM), todavía es necesario excluir otras enfermedades que imitan la imagen clínica de la EM. Hasta el momento, no se ha desarrollado ninguna herramienta para permitir un diagnóstico preciso de la EM, el diagnóstico se basa en gran medida en la experiencia de los médicos, indicadores no cuantificables, y en muchos pacientes es necesario observar un largo retraso de la decisión terapéutica. Además, hasta el 13 % de los pacientes diagnosticados con EM no son realmente pacientes con EM. El proyecto tiene como objetivo llevar a cabo estudios que desarrollen perfiles de diagnóstico y redes de aprendizaje profundo (DL), permitiendo el diagnóstico diferencial de EM en el modo IA (inteligencia artificial). El sistema recogerá datos de RM, tomografía óptica coherente retiniana (OCT), estudios inmunológicos y marcadores de neurodegeneración, datos clínicos y neuropsicológicos. Sobre la base de datos de 5000 casos (50 % — pacientes con EM), se determinarán los patrones primarios. Las vías diagnósticas trazadas por neurólogos y radiólogos incluirán parámetros a los que se asignará el peso que influye en el diagnóstico final, se evaluará la correlación entre parámetros. El resultado final será un conjunto de algoritmos y una red DL capacitada, que analizará las colecciones disponibles y presentará en forma de panel de diagnóstico una recopilación de información junto con un análisis que permita al médico tomar una decisión diagnóstica más precisa. Para las pruebas se asignará un parámetro — puntuación, evaluando el impacto del parámetro en el diagnóstico. En base a todos los datos, se estimará el valor final para el paciente. Un elemento importante será la detección automática de irregularidades de imagen RM y PTU y la introducción de nuevos parámetros (Spanish)
19 January 2022
0 references
Praegu ei ole spetsiifilist parameetrit, mis võimaldaks teatud hulgiskleroosi diagnoosimist. Vaatamata diagnostilistele kriteeriumidele, mis põhinevad peamiselt magnetresonantstomograafial (RM), on siiski vaja välistada muud haigused, mis jäljendavad hulgiskleroosi kliinilist kujutist. Seni ei ole välja töötatud ühtegi vahendit, mis võimaldaks hulgiskleroosi täpset diagnoosimist, diagnoos põhineb suuresti arstide kogemustel, mitte kvantifitseeritavatel näitajatel, ning paljudel patsientidel on vaja jälgida terapeutilise otsuse pikka viivitust. Lisaks ei ole kuni 13 % hulgiskleroosiga diagnoositud patsientidest tegelikult hulgiskleroosiga patsiendid. Projekti eesmärk on viia läbi uuringuid diagnostikaprofiilide ja süvaõppe (DL) võrgustike arendamiseks, mis võimaldavad MS diferentsiaaldiagnoosi tehisintellekti (tehisintellekti) režiimis. Süsteem kogub andmeid RM-st, optilisest sidusast võrkkesta tomograafiast, immunoloogilistest uuringutest ja neurodegeneratsiooni markeritest, kliinilistest ja neuropsühholoogilistest andmetest. 5000 juhtumi (50 % – hulgiskleroosiga patsiendid) andmete põhjal määratakse kindlaks esmased mustrid. Neuroloogide ja radioloogide koostatud diagnostilised rajad sisaldavad parameetreid, millele määratakse lõpliku diagnoosi mõjutav kaal, hinnatakse parameetrite vahelist korrelatsiooni. Lõpptulemuseks on algoritmide komplekt ja koolitatud DL-võrk, mis analüüsib olemasolevaid kogusid ja esitab diagnostilise paneeli kujul teabekogumi koos analüüsiga, mis võimaldab arstil teha täpsema diagnostilise otsuse. Testide jaoks määratakse parameeter – punktisumma, hinnates parameetri mõju diagnoosile. Kõigi andmete põhjal hinnatakse patsiendi lõppväärtust. Oluliseks elemendiks on kujutiste rikkumise automaatne avastamine ja ülemeremaade ja -territooriumide loomine ning uute parameetrite kehtestamine. (Estonian)
13 August 2022
0 references
Šiuo metu nėra konkretaus parametro, leidžiančio diagnozuoti tam tikrą išsėtinės sklerozės (SM) diagnozę. Nepaisant diagnostinių kriterijų, daugiausia pagrįstų magnetinio rezonanso tomografija (RM), vis dar būtina atmesti kitas ligas, imituojančias IS klinikinį vaizdą. Kol kas nėra sukurta jokios priemonės, kuri leistų tiksliai diagnozuoti IS, diagnozė iš esmės grindžiama gydytojų patirtimi, o ne kiekybiškai įvertinamais rodikliais, o daugeliui pacientų būtina stebėti, kad sprendimas dėl gydymo būtų ilgai atidėtas. Be to, iki 13 % pacientų, kuriems diagnozuota IS, iš tikrųjų nėra pacientai, sergantys IS. Projekto tikslas – atlikti tyrimus kuriant diagnostinius profilius ir giliojo mokymosi (DL) tinklus, leidžiančius MS diferencinę diagnostiką dirbtinio intelekto (dirbtinio intelekto) režimu. Sistema rinks duomenis iš RM, optinės nuoseklios tinklainės tomografijos (OCT), imunologinių tyrimų ir neurodegeneracijos žymenų, klinikinių ir neuropsichologinių duomenų. Remiantis 5000 atvejų (50 % pacientų, sergančių IS) duomenimis, bus nustatyti pirminiai modeliai. Neurologų ir radiologų nustatyti diagnostiniai keliai apims parametrus, kuriems bus priskirtas svoris, turintis įtakos galutinei diagnozei, bus įvertinta parametrų koreliacija. Galutinis rezultatas bus algoritmų rinkinys ir apmokytas DL tinklas, kuris analizuos turimus rinkinius ir diagnostikos skydelio forma pateiks informacijos rinkinį kartu su analize, leidžiančia gydytojui priimti tikslesnį diagnostikos sprendimą. Testams bus priskirtas parametras – balai, įvertinant parametro poveikį diagnozei. Remiantis visais duomenimis, bus apskaičiuota galutinė paciento vertė. Svarbus elementas bus automatinis vaizdo pažeidimų aptikimas ir UŠT bei naujų parametrų nustatymas. (Lithuanian)
13 August 2022
0 references
Trenutno ne postoji određeni parametar koji omogućuje određenu dijagnozu multiple skleroze (SM). Unatoč dijagnostičkim kriterijima, uglavnom na temelju magnetske rezonancije (RM), još uvijek je potrebno isključiti druge bolesti koje oponašaju kliničku sliku MS-a. Do sada nije razvijen nijedan alat koji bi omogućio preciznu dijagnozu MS-a, dijagnoza se u velikoj mjeri temelji na iskustvu liječnika, nemjerljivim pokazateljima, a kod mnogih pacijenata potrebno je promatrati dugo odgađanje terapijske odluke. Osim toga, do 13 % bolesnika s dijagnozom MS-a zapravo nisu pacijenti s MS-om. Cilj je projekta provesti studije razvoja dijagnostičkih profila i mreža dubokog učenja (DL), čime se omogućuje diferencijalna dijagnoza MS-a u načinu umjetne inteligencije (umjetna inteligencija). Sustav će prikupljati podatke iz RM, optičke koherentne retinalne tomografije (OCT), imunoloških studija i neurodegeneracijskih markera, kliničkih i neuropsiholoških podataka. Na temelju podataka iz 5000 slučajeva (50 % – bolesnika s multiplom sklerozom) odredit će se primarni obrasci. Dijagnostički putovi koje crtaju neurolozi i radiolozi uključivat će parametre kojima će se dodijeliti težina koja utječe na konačnu dijagnozu, procijeniti korelacija između parametara. Krajnji rezultat bit će skup algoritama i uvježbana DL mreža koja će analizirati dostupne zbirke i prezentirati u obliku dijagnostičke ploče zbirku informacija zajedno s analizom koja će liječniku omogućiti precizniju dijagnostičku odluku. Za testove će se dodijeliti parametar – bodovanje, procjena utjecaja parametra na dijagnozu. Na temelju svih podataka procijenit će se konačna vrijednost za pacijenta. Važan element bit će automatsko otkrivanje nepravilnosti na slici RM i PZP te uvođenje novih parametara (Croatian)
13 August 2022
0 references
Επί του παρόντος, δεν υπάρχει συγκεκριμένη παράμετρος που να επιτρέπει μια συγκεκριμένη διάγνωση της σκλήρυνσης κατά πλάκας. Παρά τα διαγνωστικά κριτήρια, που βασίζονται κυρίως στην απεικόνιση μαγνητικού συντονισμού (RM), εξακολουθεί να είναι απαραίτητο να αποκλειστούν άλλες ασθένειες που μιμούνται την κλινική εικόνα της σκλήρυνσης κατά πλάκας. Μέχρι στιγμής, δεν έχει αναπτυχθεί κανένα εργαλείο που να επιτρέπει την ακριβή διάγνωση της σκλήρυνσης κατά πλάκας, η διάγνωση βασίζεται σε μεγάλο βαθμό στην εμπειρία των ιατρών, σε μη μετρήσιμους δείκτες, και σε πολλούς ασθενείς είναι απαραίτητο να παρατηρηθεί μια μεγάλη καθυστέρηση της θεραπευτικής απόφασης. Επιπλέον, έως και το 13 % των ασθενών που διαγιγνώσκονται με σκλήρυνση κατά πλάκας δεν είναι στην πραγματικότητα ασθενείς με σκλήρυνση κατά πλάκας. Το έργο στοχεύει στη διεξαγωγή μελετών για την ανάπτυξη διαγνωστικών προφίλ και δικτύων βαθιάς μάθησης (DL), επιτρέποντας τη διαφορική διάγνωση των MS σε λειτουργία τεχνητής νοημοσύνης. Το σύστημα θα συλλέγει δεδομένα από RM, οπτική συνεκτική τομογραφία αμφιβληστροειδούς (OCT), ανοσολογικές μελέτες και δείκτες νευροεκφυλισμού, κλινικά και νευροψυχολογικά δεδομένα. Με βάση δεδομένα από 5000 περιπτώσεις (50 % — ασθενείς με σκλήρυνση κατά πλάκας), θα καθοριστούν πρωτογενή πρότυπα. Οι διαγνωστικές διαδρομές που χαράσσονται από νευρολόγους και ακτινολόγους θα περιλαμβάνουν παραμέτρους στις οποίες θα αποδοθεί το βάρος που επηρεάζει την τελική διάγνωση, θα αξιολογηθεί η συσχέτιση μεταξύ των παραμέτρων. Το τελικό αποτέλεσμα θα είναι ένα σύνολο αλγορίθμων και ένα εκπαιδευμένο δίκτυο DL, το οποίο θα αναλύει τις διαθέσιμες συλλογές και θα παρουσιάζει με τη μορφή διαγνωστικού πίνακα μια συλλογή πληροφοριών μαζί με μια ανάλυση που θα επιτρέπει στον γιατρό να λάβει μια πιο ακριβή διαγνωστική απόφαση. Για τις δοκιμές θα δοθεί μια παράμετρος — βαθμολόγηση, αξιολογώντας τον αντίκτυπο της παραμέτρου στη διάγνωση. Με βάση όλα τα δεδομένα, θα εκτιμηθεί η τελική τιμή για τον ασθενή. Σημαντικό στοιχείο θα είναι ο αυτόματος εντοπισμός ανωμαλιών εικόνας RM και ΥΧΕ και η εισαγωγή νέων παραμέτρων (Greek)
13 August 2022
0 references
V súčasnosti neexistuje žiadny špecifický parameter umožňujúci určitú diagnózu sklerózy multiplex (SM). Napriek diagnostickým kritériám, najmä na základe zobrazovania magnetickou rezonanciou (RM), je stále potrebné vylúčiť iné choroby napodobňujúce klinický obraz MS. Doteraz nebol vyvinutý žiadny nástroj umožňujúci presnú diagnostiku SM, diagnóza je vo veľkej miere založená na skúsenostiach lekárov, nečísliteľných ukazovateľoch a u mnohých pacientov je potrebné pozorovať dlhé oneskorenie terapeutického rozhodnutia. Okrem toho až 13 % pacientov s diagnózou SM v skutočnosti nie sú pacienti s SM. Cieľom projektu je realizovať štúdie zamerané na vývoj diagnostických profilov a sietí hĺbkového učenia (DL), ktoré umožňujú diferenciálnu diagnostiku MS v režime umelej inteligencie (umelej inteligencie). Systém bude zhromažďovať údaje z RM, optickej koherentnej tomografie sietnice (OCT), imunologických štúdií a neurodegeneračných markerov, klinických a neuropsychologických údajov. Na základe údajov z 5000 prípadov (50 % – pacienti s SM) sa určia primárne vzory. Diagnostické dráhy nakreslené neurológmi a rádiológmi budú zahŕňať parametre, ktorým sa priradí hmotnosť ovplyvňujúca konečnú diagnózu, posúdi sa korelácia medzi parametrami. Konečným výsledkom bude súbor algoritmov a vyškolená DL sieť, ktorá bude analyzovať dostupné zbierky a prezentovať vo forme diagnostického panelu súbor informácií spolu s analýzou, ktorá umožní lekárovi urobiť presnejšie diagnostické rozhodnutie. Pre testy bude priradený parameter – bodovanie, hodnotenie vplyvu parametra na diagnózu. Na základe všetkých údajov sa odhadne konečná hodnota pre pacienta. Dôležitým prvkom bude automatické zisťovanie nezrovnalostí v obraze RM a ZKÚ a zavedenie nových parametrov. (Slovak)
13 August 2022
0 references
Tällä hetkellä ei ole olemassa erityistä parametria, joka mahdollistaisi tietyn diagnoosin multippeliskleroosista (SM). Huolimatta diagnostisista kriteereistä, jotka perustuvat pääasiassa magneettiseen resonanssikuvaukseen (RM), on edelleen tarpeen sulkea pois muut sairaudet, jotka jäljittelevät MS-taudin kliinistä kuvaa. Tähän mennessä ei ole kehitetty mitään työkalua MS: n tarkan diagnoosin mahdollistamiseksi, diagnoosi perustuu suurelta osin lääkäreiden kokemukseen, ei mitattavissa oleviin indikaattoreihin, ja monilla potilailla on tarpeen tarkkailla terapeuttisen päätöksen pitkää viivästymistä. Lisäksi jopa 13 % MS-tautia sairastavista potilaista ei todellisuudessa ole MS-tautia sairastavia potilaita. Hankkeen tavoitteena on tehdä tutkimuksia, joissa kehitetään diagnostisia profiileja ja syväoppimisverkostoja, jotka mahdollistavat MS-erodiagnoosin tekoälyn (tekoäly) tilassa. Järjestelmä kerää tietoja RM, optinen koherentti verkkokalvon tomografia (OCT), immunologisista tutkimuksista ja neurodegeneraation markkereista sekä kliinisistä ja neuropsykologisista tiedoista. 5000 tapausta (50 % – MS-potilaita) koskevien tietojen perusteella määritetään primaariset kuviot. Neurologien ja radiologien tekemiin diagnostisiin reitteihin sisältyy parametreja, joihin lopulliseen diagnoosiin vaikuttava paino määritetään, parametrien välinen korrelaatio arvioidaan. Lopputuloksena on joukko algoritmeja ja koulutettu DL-verkko, joka analysoi käytettävissä olevia kokoelmia ja esittää diagnostisen paneelin muodossa tietokokoelman sekä analyysin, jonka avulla lääkäri voi tehdä tarkemman diagnostisen päätöksen. Testejä varten annetaan parametri – pisteytys, jossa arvioidaan parametrin vaikutusta diagnoosiin. Kaikkien tietojen perusteella arvioidaan potilaan lopullinen arvo. Tärkeä tekijä on kuvan sääntöjenvastaisuuksien automaattinen havaitseminen RM ja MMA ja uusien parametrien käyttöönotto. (Finnish)
13 August 2022
0 references
Jelenleg nincs olyan specifikus paraméter, amely lehetővé tenné a sclerosis multiplex (SM) diagnózisát. A diagnosztikai kritériumok ellenére, amelyek elsősorban mágneses rezonancia képalkotáson (RM) alapulnak, továbbra is ki kell zárni az SM klinikai képét utánzó egyéb betegségeket. Eddig nem fejlesztettek ki olyan eszközt, amely lehetővé tenné a SM pontos diagnózisát, a diagnózis nagyrészt az orvosok tapasztalatain alapul, nem számszerűsíthető mutatókon, és sok betegnél meg kell figyelni a terápiás döntés hosszú késleltetését. Ezenkívül a SM-szel diagnosztizált betegek legfeljebb 13%-a valójában nem SM-ben szenvedő beteg. A projekt célja a diagnosztikai profilok és a mélytanulási (DL) hálózatok fejlesztése, amelyek lehetővé teszik a tagállamok differenciáldiagnosztikáját MI (mesterséges intelligencia) módban. A rendszer adatokat gyűjt RM-ből, optikai koherens retina tomográfiából (OCT), immunológiai vizsgálatokból és neurodegenerációs markerekből, klinikai és neuropszichológiai adatokból. 5000 eset (50% – SM-es betegek) adatai alapján az elsődleges mintákat határozzák meg. A neurológusok és a radiológusok által kiválasztott diagnosztikai útvonalak olyan paramétereket tartalmaznak, amelyekhez a végső diagnózist befolyásoló súlyt rendelik, a paraméterek közötti korrelációt értékelik. A végeredmény egy sor algoritmus és egy képzett DL hálózat lesz, amely elemzi a rendelkezésre álló gyűjteményeket, és diagnosztikai panel formájában bemutatja az információk gyűjteményét, valamint egy elemzést, amely lehetővé teszi az orvos számára, hogy pontosabb diagnosztikai döntést hozzon. A vizsgálatokhoz egy paramétert kell hozzárendelni – pontozás, a paraméter hatásának értékelése a diagnózisra. Az összes adat alapján meg kell becsülni a beteg végső értékét. Fontos elem lesz a képi szabálytalanságok automatikus észlelése, RM és TOT, valamint új paraméterek bevezetése (Hungarian)
13 August 2022
0 references
V současné době neexistuje žádný specifický parametr umožňující určitou diagnózu roztroušené sklerózy (SM). Navzdory diagnostickým kritériím, zejména na základě zobrazování magnetické rezonance (RM), je stále nutné vyloučit další onemocnění napodobující klinický obraz RS. Dosud nebyl vyvinut žádný nástroj, který by umožnil přesnou diagnózu RS, diagnóza je z velké části založena na zkušenostech lékařů, nevyčíslitelných indikátorech a u mnoha pacientů je nutné pozorovat dlouhé zpoždění terapeutického rozhodnutí. Kromě toho až 13 % pacientů s diagnózou RS nejsou ve skutečnosti pacienti s RS. Cílem projektu je provádět studie, které vyvíjejí diagnostické profily a sítě hlubokého učení (DL), což umožní MS diferenciální diagnostiku v režimu umělé inteligence (Umělá inteligence). Systém bude shromažďovat data z RM, optické koherentní retinální tomografie (OCT), imunologických studií a markerů neurodegenerace, klinických a neuropsychologických údajů. Na základě údajů z 5000 případů (50 % – pacienti s RS) budou stanoveny primární vzorce. Diagnostické dráhy nakreslené neurology a radiology budou zahrnovat parametry, kterým bude přidělena váha ovlivňující konečnou diagnózu, bude posouzena korelace mezi parametry. Konečným výsledkem bude soubor algoritmů a vyškolená DL síť, která bude analyzovat dostupné sbírky a prezentovat ve formě diagnostického panelu soubor informací spolu s analýzou, která umožní lékaři provést přesnější diagnostické rozhodnutí. Pro testy bude přiřazen parametr – bodování, posouzení dopadu parametru na diagnózu. Na základě všech údajů bude odhadnuta konečná hodnota pro pacienta. Důležitým prvkem bude automatická detekce nepravidelností zobrazení RM a ZZÚ a zavedení nových parametrů. (Czech)
13 August 2022
0 references
Pašlaik nav īpaša parametra, kas ļautu noteiktu multiplās sklerozes (SM) diagnozi. Neskatoties uz diagnostikas kritērijiem, kas galvenokārt balstīti uz magnētiskās rezonanses attēlveidošanu (RM), joprojām ir nepieciešams izslēgt citas slimības, kas atdarina MS klīnisko tēlu. Līdz šim nav izstrādāts instruments, lai nodrošinātu precīzu MS diagnozi, diagnoze lielā mērā ir balstīta uz ārstu pieredzi, nevis kvantitatīvi nosakāmiem rādītājiem, un daudziem pacientiem ir nepieciešams novērot terapeitisko lēmumu ilgu kavēšanos. Turklāt līdz 13 % pacientu, kuriem diagnosticēta MS, faktiski nav pacienti ar MS. Projekta mērķis ir veikt pētījumus, kas izstrādā diagnostikas profilus un dziļās mācīšanās (DL) tīklus, nodrošinot dalībvalstu diferenciāldiagnostiku mākslīgā intelekta (mākslīgā intelekta) režīmā. Sistēma apkopos datus no RM, optiskās koherentās tīklenes tomogrāfijas (OCT), imunoloģiskajiem pētījumiem un neirodeģenerācijas marķieriem, klīniskajiem un neiropsiholoģiskiem datiem. Pamatojoties uz datiem par 5000 gadījumiem (50 % pacientu ar MS), tiks noteikti primārie modeļi. Neirologu un radiologu noteiktie diagnostikas ceļi ietvers parametrus, kuriem tiks piešķirts svars, kas ietekmē galīgo diagnozi, tiks novērtēta korelācija starp parametriem. Gala rezultāts būs algoritmu kopums un apmācīts DL tīkls, kas analizēs pieejamās kolekcijas un diagnostikas paneļa formā prezentēs informācijas apkopojumu kopā ar analīzi, kas ļaus ārstam pieņemt precīzāku diagnostikas lēmumu. Testiem tiks piešķirts parametrs — punktu skaits, novērtējot parametra ietekmi uz diagnozi. Pamatojoties uz visiem datiem, tiks noteikta galīgā vērtība pacientam. Svarīgs elements būs automātiska attēlu pārkāpumu atklāšana RM un AZT un jaunu parametru ieviešana. (Latvian)
13 August 2022
0 references
Faoi láthair, níl aon pharaiméadar sonrach ann a cheadaíonn diagnóis áirithe ar ilscléaróis (SM). In ainneoin critéir dhiagnóiseacha, bunaithe go príomha ar íomháú athshondais mhaighnéadaigh (RM), is gá fós galair eile a eisiamh a dhéanann aithris ar íomhá chliniciúil na mBallstát. Go dtí seo, níor forbraíodh aon uirlis chun diagnóis bheacht na mBallstát a chumasú, tá an diagnóis bunaithe den chuid is mó ar thaithí dochtúirí, táscairí nach féidir a chainníochtú, agus i go leor othar is gá moill fhada ar an gcinneadh teiripeach a bhreathnú. Ina theannta sin, ní othair leis na Ballstáit iad suas le 13 % d’othair a diagnóisíodh leis na Ballstáit. Is é is aidhm don tionscadal staidéir a dhéanamh lena bhforbraítear próifílí diagnóiseacha agus líonraí domhainfhoghlama (DL), lena gcumasaítear diagnóis dhifreálach na mBallstát i mód IS (intleacht shaorga). Baileoidh an córas sonraí ó RM, tomagrafaíocht reitineach chomhleanúnach optúil (OCT), staidéir imdhíoneolaíocha agus marcóirí néaraidghiniúna, sonraí cliniciúla agus néarshíceolaíocha. Bunaithe ar shonraí ó 5000 cás (50 % — othair leis na Ballstáit), cinnfear patrúin phríomhúla. I measc na gconairí diagnóiseacha arna dtarraingt ag néareolaithe agus ag raideolaithe beidh paraiméadair lena sannfar an meáchan a imríonn tionchar ar an diagnóis deiridh, déanfar an comhghaol idir na paraiméadair a mheas. Is é an toradh a bheidh air sin ná sraith algartam agus líonra oilte DL, a dhéanfaidh anailís ar na bailiúcháin atá ar fáil agus a chuirfidh bailiúchán faisnéise i láthair i bhfoirm painéil dhiagnóisigh mar aon le hanailís a chuirfidh ar chumas an dochtúra cinneadh diagnóiseach níos beaichte a dhéanamh. I gcás na dtástálacha, tabharfar paraiméadar — scóráil, measúnú ar thionchar an pharaiméadair ar an diagnóis. Bunaithe ar na sonraí go léir, déanfar luach deiridh an othair a mheas. Gné thábhachtach a bheidh ann ná neamhrialtachtaí íomhá RM agus OCT a bhrath go huathoibríoch agus paraiméadair nua a thabhairt isteach (Irish)
13 August 2022
0 references
Trenutno ni posebnega parametra, ki bi omogočal določeno diagnozo multiple skleroze (SM). Kljub diagnostičnim merilom, ki temeljijo predvsem na slikanju z magnetno resonanco (RM), je še vedno treba izključiti druge bolezni, ki posnemajo klinično podobo MS. Doslej ni bilo razvito nobeno orodje, ki bi omogočilo natančno diagnozo MS, diagnoza v veliki meri temelji na izkušnjah zdravnikov, ne merljivih kazalnikih, pri mnogih bolnikih pa je treba upoštevati dolgo zamudo pri terapevtski odločitvi. Poleg tega do 13 % bolnikov z diagnozo MS dejansko ni bolnikov z multiplo sklerozo. Cilj projekta je izvedba študij za razvoj diagnostičnih profilov in omrežij za globoko učenje, ki omogočajo diferencialno diagnostiko držav članic v načinu umetne inteligence (umetna inteligenca). Sistem bo zbiral podatke iz RM, optične koherentne tomografije mrežnice (OCT), imunoloških študij in označevalcev nevrodegeneracije ter kliničnih in nevropsiholoških podatkov. Na podlagi podatkov iz 5000 primerov (50 % bolnikov z MS) bodo določeni primarni vzorci. Diagnostične poti, ki jih opravijo nevrologi in radiologi, bodo vključevale parametre, ki jim bo dodeljena teža, ki bo vplivala na končno diagnozo, ocenjena bo korelacija med parametri. Končni rezultat bo niz algoritmov in usposobljena DL mreža, ki bo analizirala razpoložljive zbirke in v obliki diagnostične plošče predstavila zbirko informacij skupaj z analizo, ki bo zdravniku omogočila natančnejšo diagnostično odločitev. Za teste bo dodeljen parameter – točkovanje, ocenjevanje vpliva parametra na diagnozo. Na podlagi vseh podatkov bo ocenjena končna vrednost za bolnika. Pomemben element bo samodejno odkrivanje slikovnih nepravilnosti RM in ČDO ter uvedba novih parametrov. (Slovenian)
13 August 2022
0 references
Понастоящем няма специфичен параметър, позволяващ определена диагноза на множествена склероза (SM). Въпреки диагностичните критерии, главно въз основа на магнитно резонансно изобразяване (RM), все още е необходимо да се изключат други заболявания, имитиращи клиничния образ на МС. Досега не е разработен инструмент, който да даде възможност за точна диагноза на МС, диагнозата до голяма степен се основава на опита на лекарите, не количествено измерими показатели, а при много пациенти е необходимо да се наблюдава голямо забавяне на терапевтичното решение. Освен това до 13 % от пациентите, диагностицирани с МС, всъщност не са пациенти с МС. Проектът има за цел да проведе проучвания за разработване на диагностични профили и мрежи за дълбоко обучение (DL), които дават възможност за диференциална диагностика на МС в режим AI (изкуствен интелект). Системата ще събира данни от RM, оптична кохерентна томография на ретината (OCT), имунологични изследвания и маркери за невродегенерация, клинични и невропсихологични данни. Въз основа на данни от 5000 случая (50 % — пациенти с МС) ще бъдат определени първичните модели. Диагностичните пътища, изготвени от невролози и рентгенолози, ще включват параметри, на които ще бъде определена тежестта, влияеща върху окончателната диагноза, ще бъде оценена корелацията между параметрите. Крайният резултат ще бъде набор от алгоритми и обучена DL мрежа, която ще анализира наличните колекции и ще представи под формата на диагностичен панел колекция от информация заедно с анализ, позволяващ на лекаря да вземе по-точно диагностично решение. За тестовете ще бъде определен параметър — оценка на въздействието на параметъра върху диагнозата. Въз основа на всички данни ще бъде оценена крайната стойност за пациента. Важен елемент ще бъде автоматичното откриване на нередности в изображенията RM и OCT и въвеждането на нови параметри (Bulgarian)
13 August 2022
0 references
Bħalissa, m’hemm l-ebda parametru speċifiku li jippermetti ċerta dijanjosi ta’ sklerożi multipla (SM). Minkejja kriterji dijanjostiċi, prinċipalment ibbażati fuq immaġini ta’ reżonanza manjetika (RM), għadu meħtieġ li jiġi eskluż mard ieħor li jimita l-immaġni klinika ta’ MS. S’issa, ma ġiet żviluppata l-ebda għodda li tippermetti dijanjożi preċiża tal-SM, id-dijanjożi hija fil-biċċa l-kbira bbażata fuq l-esperjenza tat-tobba, mhux indikaturi kwantifikabbli, u f’ħafna pazjenti huwa meħtieġ li jiġi osservat dewmien twil tad-deċiżjoni terapewtika. Barra minn hekk, sa 13 % tal-pazjenti dijanjostikati b’MS mhumiex fil-fatt pazjenti b’MS. Il-proġett għandu l-għan li jwettaq studji li jiżviluppaw profili dijanjostiċi u netwerks ta’ tagħlim profond (DL), li jippermettu d-dijanjożi differenzjali tal-Istati Membri fil-modalità tal-IA (intelliġenza artifiċjali). Is-sistema se tiġbor dejta minn RM, tomografija ottika koerenti tar-retina (OCT), studji immunoloġiċi u markaturi newrodeġenerazzjoni, dejta klinika u newropsikoloġika. Abbażi ta’ dejta minn 5000 każ (50 % — pazjenti b’MS), se jiġu stabbiliti mudelli primarji. Il-mogħdijiet dijanjostiċi li joħorġu min-newroloġisti u mir-radjoloġisti se jinkludu parametri li għalihom se jiġi assenjat il-piż li jinfluwenza d-dijanjożi finali, u se tiġi vvalutata l-korrelazzjoni bejn il-parametri. Ir-riżultat aħħari se jkun sett ta’ algoritmi u netwerk imħarreġ tad-DL, li se janalizza l-kollezzjonijiet disponibbli u jippreżenta fil-forma ta’ bord dijanjostiku ġabra ta’ informazzjoni flimkien ma’ analiżi li tippermetti lit-tabib jieħu deċiżjoni dijanjostika aktar preċiża. Għat-testijiet se jiġi assenjat parametru — punteġġ, valutazzjoni tal-impatt tal-parametru fuq id-dijanjożi. Fuq il-bażi tad-dejta kollha, il-valur finali għall-pazjent se jiġi stmat. Element importanti se jkun l-iskoperta awtomatika ta’ irregolaritajiet fl-immaġni RM u OCT u l-introduzzjoni ta’ parametri ġodda (Maltese)
13 August 2022
0 references
Atualmente, não existe um parâmetro específico que permita estabelecer um determinado diagnóstico de esclerose múltipla (SM). Apesar dos critérios de diagnóstico, baseados principalmente na imagiologia por ressonância magnética (RM), é necessário continuar a excluir outras doenças que imitam a imagem clínica da EM. Até à data, não foi desenvolvida qualquer ferramenta para o diagnóstico preciso da EM, o diagnóstico baseia-se, em grande medida, na experiência dos médicos e não em indicadores quantificáveis, e muitos doentes exigem decisões terapêuticas demoradas. Além disso, até 13 % dos doentes com diagnóstico de EM não estão efetivamente doentes com EM. O projeto visa realizar investigação sobre perfis de diagnóstico e redes de aprendizagem profunda (DL), permitindo diagnósticos diferenciais da EM em modo de IA (inteligência artificial). O sistema irá recolher dados de RM, tomografia óptica coerente da retina (OCT), testes imunológicos e marcadores de neurodegeneração, dados clínicos e neuropsicológicos. Com base em dados de 5000 casos (50 % de doentes com EM), serão estabelecidos os padrões primários. As vias diagnósticas determinadas por neurologistas e radiologistas incluirão parâmetros, aos quais o peso será atribuído ao diagnóstico final, a correlação entre parâmetros será avaliada. O resultado final será um conjunto de algoritmos e uma rede de LD treinada, que analisará as coleções disponíveis e apresentará, na forma de um painel de diagnóstico, um conjunto de informações juntamente com uma análise que permitirá ao médico tomar uma decisão diagnóstica mais precisa. Para os testes, será atribuído um parâmetro – pontuação para avaliar o efeito do parâmetro no diagnóstico. Com base em todos os dados, estimar-se-á o valor final para o doente. Um elemento importante será a deteção automática de anomalias RM e OCT e a introdução de novos parâmetros (Portuguese)
13 August 2022
0 references
I øjeblikket er der ingen specifik parameter, der giver mulighed for en bestemt diagnose af multipel sklerose (SM). På trods af diagnostiske kriterier, primært baseret på magnetisk resonansbilleddannelse (RM), er det stadig nødvendigt at udelukke andre sygdomme, der efterligner det kliniske billede af MS. Indtil videre er der ikke udviklet noget værktøj til at muliggøre en præcis diagnose af MS, diagnosen er i vid udstrækning baseret på lægernes erfaring, ikke kvantificerbare indikatorer, og hos mange patienter er det nødvendigt at observere en lang forsinkelse af den terapeutiske beslutning. Derudover er op til 13 % af de patienter, der diagnosticeres med MS, faktisk ikke patienter med MS. Projektet har til formål at gennemføre undersøgelser, der udvikler diagnostiske profiler og deep learning (DL) netværk, der muliggør MS differentialdiagnose i AI (kunstig intelligens) mode. Systemet vil indsamle data fra RM, optisk sammenhængende retinal tomografi (OCT), immunologiske undersøgelser og neurodegenerationsmarkører, kliniske og neuropsykologiske data. Baseret på data fra 5000 tilfælde (50 % — patienter med MS) vil primære mønstre blive bestemt. Diagnostiske veje tegnet af neurologer og radiologer vil omfatte parametre, som den vægt, der påvirker den endelige diagnose, vil blive tildelt, korrelationen mellem parametrene vil blive vurderet. Slutresultatet vil være et sæt algoritmer og et uddannet DL-netværk, som vil analysere tilgængelige samlinger og præsentere i form af et diagnostisk panel en samling af oplysninger sammen med en analyse, der gør det muligt for lægen at træffe en mere præcis diagnostisk beslutning. For testene vil blive tildelt en parameter — scoring, vurdering af parameterens indvirkning på diagnosen. Baseret på alle data vil den endelige værdi for patienten blive anslået. Et vigtigt element vil være automatisk påvisning af billeduregelmæssigheder og OLT og indførelse af nye parametre (Danish)
13 August 2022
0 references
În prezent, nu există niciun parametru specific care să permită un anumit diagnostic de scleroză multiplă (SM). În ciuda criteriilor de diagnostic, în principal bazate pe imagistica prin rezonanță magnetică (RM), este încă necesar să se excludă alte boli care imită imaginea clinică a SM. Până în prezent, nu a fost dezvoltat niciun instrument care să permită un diagnostic precis al SM, diagnosticul se bazează în mare parte pe experiența medicilor, nu pe indicatori cuantificabili, iar la mulți pacienți este necesar să se observe o întârziere îndelungată a deciziei terapeutice. În plus, până la 13 % dintre pacienții diagnosticați cu SM nu sunt de fapt pacienți cu SM. Proiectul își propune să realizeze studii de dezvoltare a profilurilor de diagnostic și a rețelelor de învățare profundă (DL), permițând diagnosticarea diferențială a SM în modul AI (inteligență artificială). Sistemul va colecta date din RM, tomografie retiniană coerentă optică (OCT), studii imunologice și markeri de neurodegenerare, date clinice și neuropsihologice. Pe baza datelor din 5000 de cazuri (50 % – pacienți cu scleroză multiplă), vor fi determinate modelele primare. Căile de diagnosticare trase de neurologi și radiologi vor include parametri cărora li se va atribui greutatea care influențează diagnosticul final, se va evalua corelația dintre parametri. Rezultatul final va fi un set de algoritmi și o rețea DL instruită, care va analiza colecțiile disponibile și va prezenta sub forma unui panou de diagnosticare o colecție de informații împreună cu o analiză care să permită medicului să ia o decizie de diagnosticare mai precisă. Pentru teste se va atribui un parametru – notare, evaluarea impactului parametrului asupra diagnosticului. Pe baza tuturor datelor, valoarea finală pentru pacient va fi estimată. Un element important va fi detectarea automată a neregulilor de imagine RM și TTPM și introducerea de noi parametri (Romanian)
13 August 2022
0 references
För närvarande finns det ingen specifik parameter som möjliggör en viss diagnos av multipel skleros (SM). Trots diagnostiska kriterier, främst baserad på magnetisk resonanstomografi (RM), är det fortfarande nödvändigt att utesluta andra sjukdomar som efterliknar den kliniska bilden av MS. Hittills har inget verktyg utvecklats för att möjliggöra en exakt diagnos av MS, diagnosen är till stor del baserad på läkarnas erfarenhet, inte kvantifierbara indikatorer, och hos många patienter är det nödvändigt att observera en lång fördröjning av det terapeutiska beslutet. Dessutom är upp till 13 % av patienterna som diagnostiserats med MS egentligen inte patienter med MS. Projektet syftar till att genomföra studier som utvecklar diagnostiska profiler och djupinlärningsnätverk (DL), vilket möjliggör MS differentialdiagnos i AI-läge (artificiell intelligens). Systemet kommer att samla in data från RM, optisk koherent retinaltomografi (OCT), immunologiska studier och neurodegenerationsmarkörer, kliniska och neuropsykologiska data. Baserat på data från 5000 fall (50 % – patienter med MS) kommer primära mönster att bestämmas. Diagnostiska vägar som dras av neurologer och radiologer kommer att omfatta parametrar som den vikt som påverkar den slutliga diagnosen kommer att tilldelas, korrelationen mellan parametrarna kommer att bedömas. Slutresultatet kommer att vara en uppsättning algoritmer och ett utbildat DL-nätverk, som kommer att analysera tillgängliga samlingar och presentera i form av en diagnostisk panel en insamling av information tillsammans med en analys som gör det möjligt för läkaren att fatta ett mer exakt diagnostiskt beslut. För testerna tilldelas en parameter – poängsättning, bedömning av parameterns inverkan på diagnosen. Baserat på alla data kommer det slutliga värdet för patienten att uppskattas. Ett viktigt inslag kommer att vara automatisk upptäckt av bildfel RM och ULT och införandet av nya parametrar. (Swedish)
13 August 2022
0 references
WOJ.: ŁÓDZKIE, POW.: Łódź
0 references
24 May 2023
0 references
Identifiers
POIR.04.01.04-00-0118/17
0 references