Description du projet
Des méthodes d’apprentissage automatique pour améliorer la valeur pronostique des tests d’occlusion vasculaire par optique diffuse
Financé par le programme Actions Marie Skłodowska-Curie, le projet MACLEA-ENDO vise à explorer la valeur pronostique des paramètres microcirculatoires mesurés par optique diffuse lors d’un test d’occlusion vasculaire (TOV) réalisé au niveau du muscle périphérique. Ces paramètres, liés à la perfusion et au métabolisme tissulaires, ont démontré leur potentiel pronostique dans des conditions critiques, telles que les maladies respiratoires aiguës ou la septicémie, ainsi que pour prédire l’échec de l’extubation chez des patients sous ventilation mécanique. Dans ce cadre, le projet évaluera un portefeuille contrôlé de méthodes d’apprentissage automatique pour améliorer l’analyse fondée sur les TOV et la valeur pronostique des paramètres dérivés de l’optique diffuse des TOV en utilisant les données du projet VASCOVID, du programme Horizon2020, répondant ainsi à un large éventail de besoins cliniques, de la réponse des patients aux traitements ciblant l’endothélium à la prédiction des résultats.
Objectif
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.
Champ scientifique (EuroSciVoc)
CORDIS classe les projets avec EuroSciVoc, une taxonomie multilingue des domaines scientifiques, grâce à un processus semi-automatique basé sur des techniques TLN. Voir: https://op.europa.eu/en/web/eu-vocabularies/euroscivoc.
CORDIS classe les projets avec EuroSciVoc, une taxonomie multilingue des domaines scientifiques, grâce à un processus semi-automatique basé sur des techniques TLN. Voir: https://op.europa.eu/en/web/eu-vocabularies/euroscivoc.
- sciences médicales et de la santémédecine cliniquecardiologiemaladies cardiovasculairesartériosclérose
- sciences naturellessciences physiquesoptique
Vous devez vous identifier ou vous inscrire pour utiliser cette fonction
Mots‑clés
Programme(s)
- HORIZON.1.2 - Marie Skłodowska-Curie Actions (MSCA) Main Programme
Appel à propositions
(s’ouvre dans une nouvelle fenêtre) HORIZON-MSCA-2021-PF-01
Voir d’autres projets de cet appelRégime de financement
HORIZON-TMA-MSCA-PF-EF - HORIZON TMA MSCA Postdoctoral Fellowships - European FellowshipsCoordinateur
08860 Castelldefels
Espagne