Descripción del proyecto
Microscopia de Raman coherente en el diagnóstico del cáncer
El objetivo del proyecto CHARM, financiado con fondos europeos, es llevar la histopatología oncológica digital al siguiente nivel, al presentar una tecnología capaz de medir la composición molecular de un tejido y caracterizar tumores sin utilizar marcadores. Su equipo creará un instrumento médico basado en un microscopio de dispersión Raman coherente de banda ancha que integra un módulo de inteligencia artificial basado en el aprendizaje profundo, la estadística y el aprendizaje automático. La integración con la inteligencia artificial ofrecerá un sistema de apoyo a las decisiones rápido y fiable para el diagnóstico oncológico y los tratamientos personalizados. El sistema quimiométrico de patología desarrollado podrá analizar tejidos sin teñir y ofrecerá una precisión de identificación y de predicción del diagnóstico de los tumores superiores al 98 % y a 90 %, respectivamente.
Objetivo
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.
Ámbito científico
- 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
Palabras clave
Programa(s)
- HORIZON.3.1 - The European Innovation Council (EIC) Main Programme
Tema(s)
Convocatoria de propuestas
HORIZON-EIC-2021-TRANSITION-CHALLENGES-01
Consulte otros proyectos de esta convocatoriaRégimen de financiación
HORIZON-EIC - HORIZON EIC GrantsCoordinador
37126 Verona
Italia
Organización definida por ella misma como pequeña y mediana empresa (pyme) en el momento de la firma del acuerdo de subvención.