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

AI-based leukemia detection in routine diagnostic blood smear data

Descrizione del progetto

Diagnosi di routine della leucemia tramite l’IA

Gli strisci di sangue periferico costituiscono tuttora un elemento fondamentale nella diagnosi delle neoplasie ematologiche, in quanto forniscono informazioni rapide e preziose che guidano i successivi passaggi diagnostici da mettere in atto; ciononostante, dato che le trasformazioni neoplastiche hanno solitamente origine nel midollo osseo, potrebbero non apparire come anomalie rilevabili nel sangue periferico, il che pone una sfida per la diagnostica. Finanziato dal Consiglio europeo della ricerca, il progetto LeukoScreen sviluppa un modello di intelligenza artificiale spiegabile basato su trasformatori al fine di classificare le neoplasie ematologiche in base alla citomorfologia del sangue periferico, concentrandosi in particolare sui dati dei pazienti nel mondo reale, che introducono eterogeneità e complessità ulteriori. Tra gli obiettivi del progetto figurano l’ottimizzazione delle probabilità di previsione calibrate del modello, la diminuzione del tasso di falsi positivi senza tralasciare casi di leucemia acuta e, di conseguenza, la riduzione al minimo delle aspirazioni di midollo osseo non necessarie.

Obiettivo

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.

Campo scientifico (EuroSciVoc)

Programma(i)

Argomento(i)

Meccanismo di finanziamento

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

Vedi tutti i progetti finanziati nell’ambito di questo schema di finanziamento

Invito a presentare proposte

(si apre in una nuova finestra) ERC-2022-POC2

Vedi tutti i progetti finanziati nell’ambito del bando

Istituzione ospitante

HELMHOLTZ ZENTRUM MUENCHEN DEUTSCHES FORSCHUNGSZENTRUM FUER GESUNDHEIT UND UMWELT GMBH
Contributo netto dell'UE
€ 135 000,00
Indirizzo
INGOLSTADTER LANDSTRASSE 1
85764 Neuherberg
Germania
Regione
Bayern Oberbayern München, Landkreis
Tipo di attività
Research Organisations
Collegamenti
Costo totale
Nessun dato

Beneficiari (2)