Skip to main content
Vai all'homepage della Commissione europea (si apre in una nuova finestra)
italiano italiano
CORDIS - Risultati della ricerca dell’UE
CORDIS

Machine learning algorithm pipeline for endothelial damage detection and adverse outcome prediction.

Descrizione del progetto

Procedura di apprendimento automatico per migliorare il valore prognostico dell’analisi DO-VOT

Il progetto MACLEA-ENDO, finanziato dal programma di azioni Marie Skłodowska-Curie, si propone di esplorare il valore prognostico dei parametri microcircolatori misurati dall’ottica diffusa durante un test di occlusione vascolare (VOT) eseguito a livello muscolare periferico. Questi parametri, legati alla perfusione tissutale e al metabolismo, hanno dimostrato il loro potenziale prognostico in condizioni critiche come le malattie respiratorie acute, la sepsi e nella previsione del fallimento dell’estubazione nei pazienti ventilati meccanicamente. In questo contesto, il progetto valuterà una procedura di apprendimento automatico supervisionato per migliorare l’analisi basata sul VOT e il valore prognostico dei parametri derivati dall’ottica VOT diffusa, utilizzando i dati del progetto Orizzonte 2020 VASCOVID, onde soddisfare un’ampia gamma di esigenze cliniche, dalla risposta dei pazienti ai trattamenti mirati all’endotelio alla previsione degli esiti.

Obiettivo

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.

Campo scientifico (EuroSciVoc)

CORDIS classifica i progetti con EuroSciVoc, una tassonomia multilingue dei campi scientifici, attraverso un processo semi-automatico basato su tecniche NLP. Cfr.: https://op.europa.eu/en/web/eu-vocabularies/euroscivoc.

È necessario effettuare l’accesso o registrarsi per utilizzare questa funzione

Meccanismo di finanziamento

HORIZON-TMA-MSCA-PF-EF -

Coordinatore

FUNDACIO INSTITUT DE CIENCIES FOTONIQUES
Contributo netto dell'UE
€ 165 312,96
Indirizzo
AVINGUDA CARL FRIEDRICH GAUSS 3
08860 Castelldefels
Spagna

Mostra sulla mappa

Regione
Este Cataluña Barcelona
Tipo di attività
Organizzazioni di ricerca
Collegamenti
Costo totale
Nessun dato