Skip to main content
Aller à la page d’accueil de la Commission européenne (s’ouvre dans une nouvelle fenêtre)
français fr
CORDIS - Résultats de la recherche de l’UE
CORDIS

AI-based leukemia detection in routine diagnostic blood smear data

Description du projet

Diagnostic de routine de la leucémie optimisé par l’IA

Les frottis sanguins périphériques restent une pierre angulaire du diagnostic des néoplasmes hématologiques, fournissant des informations rapides et précieuses qui guident les étapes diagnostiques ultérieures. Cependant, comme les transformations néoplasiques proviennent généralement de la moelle osseuse, elles peuvent ne pas apparaître comme des anomalies détectables dans le sang périphérique, ce qui pose un défi diagnostique. Financé par le Conseil européen de la recherche, le projet LeukoScreen développe un modèle d’IA basé sur un transformateur explicable pour classer les hémopathies malignes en fonction de la cytomorphologie du sang périphérique. L’équipe met l’accent sur les données réelles des patients, qui introduisent une hétérogénéité et une complexité supplémentaires. L’objectif est d’optimiser les probabilités de prédiction étalonnées du modèle et de réduire le taux de fausses découvertes sans manquer de cas de leucémie aiguë. Ainsi, l’équipe vise à réduire le recours inutile à des aspirations de moelle osseuse.

Objectif

Acute promyelocytic leukemia is an extremely aggressive blood cancer where immediate diagnosis can determine life or death. The diagnostic state of the art is manual inspection of a patient’s blood smear under the microscope by trained cytologists. It is prone to human error and time consuming - a risk factor in notoriously understaffed laboratories. Supporting clinical decisions with AI will drastically increase diagnostic speed and accuracy, benefit patient survival, and free up valuable expert time. This is particularly important for cytological and histological analysis, whose market size is expected to rise by a compounded annual growth rate of 14.7% in coming years. Yet, so far, the proof of concept that AI can be effectively employed for leukemia detection in routine diagnostics is missing.

I will leverage the methodological advancements in deep learning and explainable AI, the skills of my ERC CoG funded research group, and the expertise and data of the Munich Leukemia Laboratory (MLL), the largest leukemia laboratory in Europe and my long standing industry partner. Together, we will develop and implement LeukoScreen, an AI-based software to automatically identify and flag up acute leukemia cases from MLL’s routine laboratory input. This will decrease the diagnosis to treatment time of critical leukemia cases at reduced costs and staffing. Specifically, we will (i) deploy a real-world dataset from the routine input of the MLL, (ii) train and evaluate our algorithm for transparent decision making on routine diagnostic blood smears, (iii) quantify the gain in sensitivity, specificity, and speed by comparing LeukoScreen with the currently used manual workflow at MLL, and (iv) jointly develop a commercialization strategy for the exploitation of results.

This AI approach to support disease detection will save patients’ lives, change the paradigm of cytologic workflows, and create capacities in overburdened diagnostics.

Champ scientifique (EuroSciVoc)

Programme(s)

Thème(s)

Régime de financement

HORIZON-ERC-POC - HORIZON ERC Proof of Concept Grants

Voir tous les projets financés dans le cadre de ce programme de financement

Appel à propositions

(s’ouvre dans une nouvelle fenêtre) ERC-2022-POC2

Voir tous les projets financés au titre de cet appel

Institution d’accueil

HELMHOLTZ ZENTRUM MUENCHEN DEUTSCHES FORSCHUNGSZENTRUM FUER GESUNDHEIT UND UMWELT GMBH
Contribution nette de l'UE
€ 135 000,00
Coût total
Aucune donnée

Bénéficiaires (2)