Skip to main content
Przejdź do strony domowej Komisji Europejskiej (odnośnik otworzy się w nowym oknie)
polski polski
CORDIS - Wyniki badań wspieranych przez UE
CORDIS

Improved clinical decisions via integrating multiple data levels to overcome chemotherapy resistance in high-grade serous ovarian cancer

Opis projektu

Lepsze decyzje w leczeniu raka jajnika

Co roku rak jajnika zabija ponad 44 000 kobiet w Europie. Przyczyną jest brak skutecznych metod leczenia o długotrwałym działaniu. Celem finansowanego ze środków UE projektu DECIDER jest zmniejszenie umieralności związanej z rakiem jajnika oraz redukcja liczby kosztownych, lecz nieefektywnych terapii. W ramach tej inicjatywy analizowane będą dane dotyczące próbek tkanek i osocza oraz próbek histopatologicznych pobranych od pacjentek z surowiczym rakiem jajnika o wysokim stopniu złośliwości (ang. high-grade serous ovarian cancer). W analizach wykorzystane zostaną metody oparte na uczeniu maszynowym i sztucznej inteligencji. Celem jest poprawa zdolności diagnostycznych, umożliwienie przewidywania odpowiedzi na leczenie oraz zidentyfikowanie najbardziej skutecznych terapii. Badacze opracują także oprogramowanie open-source, które pozwoli wizualizować wszystkie istotne dane dotyczące pacjentek, wspierając podejmowanie decyzji klinicznych. Taki znaczący postęp w dziedzinie medycyny spersonalizowanej przełoży się na skuteczniejsze metody leczenia, lepszą stratyfikację w badaniach klinicznych i udoskonalone techniki diagnostyczne, które przyniosą korzyści zarówno pacjentom, jak i systemom opieki zdrowotnej.

Cel

The goals of this inter-disciplinary project are to 1) gain understanding of the mechanisms causing chemoresistance in high-grade serous ovarian cancer (HGSOC) patients, 2) deliver tools that enable effective and cost-efficient personalised treatment options for HGSOC patients, and 3) commercialise predictive kits & software for treatment response prediction and finding the right therapeutic regimen to the right patient. This project takes an advantage on prospectively and longitudinally collected fresh and blood specimens of HGSOC patients. Longitudinal, multi-layer data are analysed with ML and AI methods to predict patient treatment response and identify the most effective treatment options. Drug screening with patient-derived 3D ex vivo cell models are used to identify drug combination options. Key results will be validated with retrospective cohorts, and in vitro, ex vivo & in vivo models. We will develop an open-source software to visualise all relevant patient-specific data to guide clinical decision-making. Clinically most actionable treatment suggestions will be evaluated in virtual molecular tumour board and translated to patient care.
Ovarian cancer kills more than 44,000 women in Europe every year due to lack of effective and long-lasting therapeutic regimens. DECIDER presents an innovative strategy to suggest effective treatments that lead to a marked decrease in ovarian cancer deaths and reduce the number of expensive but inefficient treatments. Our approach paves the way to move beyond the current trial-and-error clinical assessment of drug combinations toward more systematic prediction of the most effective treatments for each patient. The proposed concept will be a major breakthrough in personalised medicine and will benefit individual patients and the health-care system through more effective treatments, and the diagnostic and pharmaceutical industry through tools for better stratified clinical trials, and novel treatment and diagnostic modalities.

Dziedzina nauki (EuroSciVoc)

Klasyfikacja projektów w serwisie CORDIS opiera się na wielojęzycznej taksonomii EuroSciVoc, obejmującej wszystkie dziedziny nauki, w oparciu o półautomatyczny proces bazujący na technikach przetwarzania języka naturalnego. Więcej informacji: https://op.europa.eu/pl/web/eu-vocabularies/euroscivoc.

Aby użyć tej funkcji, musisz się zalogować lub zarejestrować

Słowa kluczowe

Słowa kluczowe dotyczące projektu wybrane przez koordynatora projektu. Nie należy mylić ich z pojęciami z taksonomii EuroSciVoc dotyczącymi dziedzin nauki.

Program(-y)

Wieloletnie programy finansowania, które określają priorytety Unii Europejskiej w obszarach badań naukowych i innowacji.

Temat(-y)

Zaproszenia do składania wniosków dzielą się na tematy. Każdy temat określa wybrany obszar lub wybrane zagadnienie, których powinny dotyczyć wnioski składane przez wnioskodawców. Opis tematu obejmuje jego szczegółowy zakres i oczekiwane oddziaływanie finansowanego projektu.

System finansowania

Program finansowania (lub „rodzaj działania”) realizowany w ramach programu o wspólnych cechach. Określa zakres finansowania, stawkę zwrotu kosztów, szczegółowe kryteria oceny kwalifikowalności kosztów w celu ich finansowania oraz stosowanie uproszczonych form rozliczania kosztów, takich jak rozliczanie ryczałtowe.

RIA - Research and Innovation action

Wyświetl wszystkie projekty finansowane w ramach tego programu finansowania

Zaproszenie do składania wniosków

Procedura zapraszania wnioskodawców do składania wniosków projektowych w celu uzyskania finansowania ze środków Unii Europejskiej.

(odnośnik otworzy się w nowym oknie) H2020-SC1-BHC-2018-2020

Wyświetl wszystkie projekty finansowane w ramach tego zaproszenia

Koordynator

HELSINGIN YLIOPISTO
Wkład UE netto

Kwota netto dofinansowania ze środków Unii Europejskiej. Suma środków otrzymanych przez uczestnika, pomniejszona o kwotę unijnego dofinansowania przekazanego powiązanym podmiotom zewnętrznym. Uwzględnia podział unijnego dofinansowania pomiędzy bezpośrednich beneficjentów projektu i pozostałych uczestników, w tym podmioty zewnętrzne.

€ 5 296 055,00
Koszt całkowity

Ogół kosztów poniesionych przez organizację w związku z uczestnictwem w projekcie. Obejmuje koszty bezpośrednie i pośrednie. Kwota stanowi część całkowitego budżetu projektu.

€ 5 296 055,00

Uczestnicy (14)

Moja broszura 0 0