Description du projet
Une analyse du cancer assistée par IA en cours de chirurgie
Les tumeurs et les tissus normaux environnants présentent des caractéristiques radicalement différentes lors des perfusions sanguines. L’injection de vert d’indocyanine, un fluophore, permet d’obtenir des vidéos de ces différences de perfusion. L’analyse numérique identifie les régions cancéreuses en suivant et en comparant les images de perfusion au cours des premières secondes suivant l’administration du colorant dans le même champ de vision endolaparoscopique. Grâce à l’application d’une analyse assistée par l’IA en temps réel, il est possible de prendre immédiatement des décisions chirurgicales individualisées. Le projet CLASSICA, financé par l’UE, poursuivra le développement du prototype de recherche existant de la solution d’IA en vue d’en faire un outil standard en salle d’opération, afin de valider ses performances, sa fiabilité et son acceptation dans cinq grands centres européens de lutte contre le cancer. La validation portera sur la biopsie et l’identification des tumeurs, l’optimisation de la résection des polypes rectaux de grande taille, ainsi que d’autres aspects délicats en matière de chirurgie.
Objectif
Building on breakthrough research in the AI analysis of fluorescence and perfusion in cancer tissues, this project clinically validates the use of AI-driven imaging and decision support in real-time cancer surgery.
Cancer and healthy tissue have radically different local blood perfusion patterns. This perfusion can be captured using near-infrared video after systemic fluorophore (indocyanine green) injection. Analysis of the video can digitally identify regions of cancer by tracking the perfusion over the initial seconds after dye administration by comparing the fluorescence signal in these areas with those in adjacent normal tissue within the same endolaparoscopic field of view. Application of AI methods (including computer vision and machine learning techniques) has enabled this differential classification to occur in real time so that better, individualised surgical decisions can be taken during an operation.
In this project, we build up our existing AI solution research prototype into an operating room-standard surgical tool and validate its performance, reliability, usability and acceptance in five leading cancer surgery centres across Europe (500 patients). The validation studies address (a) generalisability across clinics; (b) biopsy and tumour identification; and (c) optimised resection of large (>3cm) rectal polyps, a key area of current surgical practice where the biggest clinical challenge ensuring accurate patient selection for curative therapy.
Training and education, communication and dissemination will be delivered by IRCAD, Europe's leading surgical education organisation.
Legal, regulatory and liability research (co-led by UCPH CeBIL Centre and PSU) and usability and acceptance research (led by surgical professional organisation EAES) will identify and address all obstacles to widespread use of this technology in particular, and of real-time AI in the operating-room in general. Draft clinical guidelines will be created for future EAES adoption.
Champ scientifique
Programme(s)
Régime de financement
HORIZON-RIA - HORIZON Research and Innovation ActionsCoordinateur
4 Dublin
Irlande