Description du projet
Une microscopie Raman cohérente dans le diagnostic du cancer
Le projet CHARM, financé par l’UE, vise à faire passer l’histopathologie numérique du cancer au niveau supérieur, en introduisant une technologie capable de mesurer la composition moléculaire d’un tissu et de caractériser les tumeurs sans marquage. Il développera un instrument médical basé sur un microscope à diffusion Raman cohérente à large bande avec un module d’intelligence artificielle (IA) intégré reposant sur l’apprentissage profond, les statistiques et l’apprentissage automatique. L’intégration de l’IA offrira un système rapide et fiable d’aide à la décision clinique pour le diagnostic du cancer et les traitements personnalisés. Le système pathologique et chimiométrique développé sera capable d’analyser des tissus non colorés, de fournir une identification des tumeurs avec une précision de plus de 98 % et une prédiction du diagnostic des tumeurs avec une précision supérieure à 90 %.
Objectif
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.
Champ scientifique
- 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
Mots‑clés
Programme(s)
- HORIZON.3.1 - The European Innovation Council (EIC) Main Programme
Thème(s)
Régime de financement
HORIZON-EIC - HORIZON EIC GrantsCoordinateur
37126 Verona
Italie
L’entreprise s’est définie comme une PME (petite et moyenne entreprise) au moment de la signature de la convention de subvention.