Projektbeschreibung
Kohärente Raman-Mikroskopie in der Krebsdiagnostik
Das EU-finanzierte Projekt CHARM soll die digitale Histopathologie von Krebs auf die nächste Ebene bringen, indem es eine Technologie einführt, die in der Lage ist, die molekulare Zusammensetzung einer Gewebestruktur zu messen und Tumore auf markierungsfreie Weise zu charakterisieren. Im Rahmen des Projekts wird ein medizinisches Instrument entwickelt, das auf einem Breitbandmikroskop für kohärente Raman-Streuung mit einem integrierten KI-Modul basiert, das sich auf Deep Learning, Statistik und maschinelles Lernen stützt. Die Integration mit KI wird ein schnelles und zuverlässiges klinisches Entscheidungshilfesystem für die Krebsdiagnose und die personalisierte Therapie bieten. Außerdem wird das entwickelte chemometrische Pathologiesystem in der Lage sein, ungefärbtes Gewebe zu analysieren und eine Tumoridentifizierung mit einer Genauigkeit von mehr als 98 % sowie eine Tumordiagnosevorhersage mit einer Genauigkeit von mehr als 90 % zu liefern.
Ziel
The CHARM project aims to radically transform the cancer diagnosing process and bring the emerging field of digital histopathology to the next level, introducing a novel technology for tissue analysis, capable to measure the molecular composition of the patient tissue samples and to recognize and classify the tumor in a completely label/stain-free way. The instrument, integrated with artificial intelligence (AI), will offer to histopathologists a reliable, fast and low-cost Clinical Decision Support System (CDSS) for cancer diagnosis and personalized cancer therapy. We will develop a Class C, (IVDR, In-Vitro Diagnostic Regulation) medical device consisting of a turnkey low-cost broadband Coherent Raman Scattering (CRS) microscope (enabled by our patented graphene-based fiber laser technology), named the Chemometric Pathology System (CPS), integrating an AI module based on deep learning, statistics and machine learning. The CPS will be capable of automatically analyzing unstained tissues, providing fast and accurate tumour identification (differentiating normal vs neoplastic tissues) with accuracy >98% and final tumour diagnosis prediction (differentiating and grading histologic subtypes) with accuracy >90%, thus offering to the histopathologist a decision tree compatible with existing clinical protocols but with biomolecular-based objectivity and reduced time to result (TRL6). We will develop a robust business case for the application and ensure the project continuation to higher TRLs and the final market entrance. This proposal builds on the results of the ERC POC project GSYNCOR.
Wissenschaftliches Gebiet
- natural sciencesphysical sciencesopticsmicroscopy
- medical and health sciencesclinical medicineoncology
- medical and health scienceshealth sciencespersonalized medicine
- natural sciencescomputer and information sciencesartificial intelligencemachine learningdeep learning
- natural sciencesphysical sciencesopticslaser physics
Schlüsselbegriffe
Programm/Programme
- HORIZON.3.1 - The European Innovation Council (EIC) Main Programme
Thema/Themen
Aufforderung zur Vorschlagseinreichung
HORIZON-EIC-2021-TRANSITION-CHALLENGES-01
Andere Projekte für diesen Aufruf anzeigenFinanzierungsplan
HORIZON-EIC - HORIZON EIC GrantsKoordinator
37126 Verona
Italien
Die Organisation definierte sich zum Zeitpunkt der Unterzeichnung der Finanzhilfevereinbarung selbst als KMU (Kleine und mittlere Unternehmen).