Descripción del proyecto
Soluciones de aprendizaje automático en desarrollo para mejorar el valor pronóstico de la prueba de oclusión vascular con óptica difusa
El objetivo del proyecto MACLEA-ENDO, financiado por las Acciones Marie Skłodowska-Curie, consiste en explorar el valor pronóstico de los parámetros microcirculatorios medidos mediante óptica difusa durante una prueba de oclusión vascular (VOT, por sus siglas en inglés) realizada a nivel periférico muscular. Estos parámetros, relacionados con el metabolismo y la perfusión de tejidos, demostraron su potencial de pronóstico en afecciones graves tales como enfermedades respiratorias agudas o sepsis, así como para predecir fallos de extubación en pacientes con ventilación mecánica. En este contexto, el equipo del proyecto evaluará una solución de aprendizaje automático supervisado para mejorar el análisis basado en la VOT y el valor pronóstico de la VOT–óptica difusa derivada de parámetros. Para ello, aprovechará los datos del proyecto VASCOVID, de Horizonte 2020, y el resultado podrá satisfacer una amplia variedad de necesidades clínicas, como la respuesta de los pacientes a tratamientos para el endotelio y la predicción de los resultados.
Objetivo
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.
Ámbito científico (EuroSciVoc)
CORDIS clasifica los proyectos con EuroSciVoc, una taxonomía plurilingüe de ámbitos científicos, mediante un proceso semiautomático basado en técnicas de procesamiento del lenguaje natural.
CORDIS clasifica los proyectos con EuroSciVoc, una taxonomía plurilingüe de ámbitos científicos, mediante un proceso semiautomático basado en técnicas de procesamiento del lenguaje natural.
- ciencias médicas y de la saludmedicina clínicacardiologíaenfermedad cardiovasculararteriosclerosis
- ciencias naturalesciencias físicasóptica
Para utilizar esta función, debe iniciar sesión o registrarse
Palabras clave
Programa(s)
- HORIZON.1.2 - Marie Skłodowska-Curie Actions (MSCA) Main Programme
Régimen de financiación
HORIZON-TMA-MSCA-PF-EF - HORIZON TMA MSCA Postdoctoral Fellowships - European FellowshipsCoordinador
08860 Castelldefels
España