Projektbeschreibung
Pipeline für maschinelles Lernen soll den prognostischen Wert der DO-VOT-Analyse verbessern
Das im Rahmen der Marie-Skłodowska-Curie-Maßnahmen finanzierte Projekt MACLEA-ENDO zielt darauf ab, den prognostischen Wert von Mikrozirkulationsparametern zu erforschen, die mittels diffuser Optik während eines an der Muskelperipherie durchgeführten Gefäßverschlusstests (Vascular Occlusion Test, VOT) gemessen werden. Diese mit der Gewebedurchblutung und dem Stoffwechsel zusammenhängenden Parameter haben ihr Prognosepotenzial bei schwerwiegenden Erkrankungen wie akuten Lungenkrankheiten, Sepsis und bei der Beurteilung des Versagens der Extubation bei mechanisch beatmeten Personen bewiesen. In diesem Rahmen wird das Projekt eine überwachte maschinelle Lernpipeline zur Verbesserung der VOT-Analyse und des prognostischen Werts von aus der VOT-Diffusionsoptik abgeleiteten Parametern unter Verwendung der Daten des Horizont2020-Projekts VASCOVID evaluieren, um eine breite Palette klinischer Anforderungen zu erfüllen, von der Reaktion der Kranken auf Behandlungen, die auf das Endothel abzielen, bis hin zur Ergebnisvorhersage.
Ziel
Endothelial cells form the lining of the blood vessels of the entire vascular system, from the heart to the smallest capillary, regulating vascular tone, immune response and exchange of materials in and out the blood stream among others. Endothelial damage has been observed in the early stages of most cardiovascular diseases, atherosclerosis or in patients with iflammatory and infectious diseases (e.g. COVID-19, septic shock). Typically endothelial damage is measured by means of blood test analysis and provocative tests either invasive, performed by using pharmacological agents, or non-invasive, such as flow mediated dilation that on the other hand, suffer from high operator-independency and no-automatization. This proposal revolves around the design, development and validation of a supervised machine learning algorithm (ML) to evaluate endothelial damage and predict adverse outcome in critically ill patients in the ICU. The ML pipeline will use as input data the one from the Horizon 2020 project VASCOVID clinical validation. These data comprises of physiologically relevant variables that can be measured non-invasively with a completely automatized platform. This smart platform combines diffuse optics and an automatized tourniquet for performing a reactive test on peripheral muscle (thenar muscle). By means of this device it is possible to access in an accurate and robust way information about early impairment in perfusion, metabolic rate of oxygen consumption, and microvascular functionality and tissue capability of locally regulate the blood flow. These variables bring an important physiological insight concerning the interpretability of machine learning algorithm from the clinical community who does not fully trust this approaches.
Wissenschaftliches Gebiet (EuroSciVoc)
CORDIS klassifiziert Projekte mit EuroSciVoc, einer mehrsprachigen Taxonomie der Wissenschaftsbereiche, durch einen halbautomatischen Prozess, der auf Verfahren der Verarbeitung natürlicher Sprache beruht. Siehe: https://op.europa.eu/en/web/eu-vocabularies/euroscivoc.
CORDIS klassifiziert Projekte mit EuroSciVoc, einer mehrsprachigen Taxonomie der Wissenschaftsbereiche, durch einen halbautomatischen Prozess, der auf Verfahren der Verarbeitung natürlicher Sprache beruht. Siehe: https://op.europa.eu/en/web/eu-vocabularies/euroscivoc.
- Medizin- und GesundheitswissenschaftenKlinische MedizinKardiologieHerz-Kreislauf-ErkrankungenArteriosklerose
- NaturwissenschaftenNaturwissenschaftenOptik
Sie müssen sich anmelden oder registrieren, um diese Funktion zu nutzen
Schlüsselbegriffe
Programm/Programme
- HORIZON.1.2 - Marie Skłodowska-Curie Actions (MSCA) Main Programme
Aufforderung zur Vorschlagseinreichung
(öffnet in neuem Fenster) HORIZON-MSCA-2021-PF-01
Andere Projekte für diesen Aufruf anzeigenFinanzierungsplan
HORIZON-TMA-MSCA-PF-EF - HORIZON TMA MSCA Postdoctoral Fellowships - European FellowshipsKoordinator
08860 Castelldefels
Spanien