Opis projektu
Inteligentny algorytm zmniejsza dawkę gadolinu w obrazowaniu metodą rezonansu magnetycznego
Wykorzystywany w roli czynnika kontrastowego gadolin jest powszechnie stosowany w obrazowaniu metodą rezonansu magnetycznego w celu zwiększenia widoczności narządów wewnętrznych i tkanek, co przyczynia się do poprawy dokładności diagnozowania stanów patologicznych, w tym przerzutów nowotworowych. W trakcie tomografii czaszki metodą rezonansu magnetycznego pacjenci otrzymują pełną dawkę czynnika kontrastowego, obliczaną na podstawie masy ciała. Choć gadolin jest zwykle usuwany z organizmu przez nerki, jest toksyczny i może powodować poważne skutki uboczne, w tym reakcje alergiczne i powikłania. Aby rozwiązać te problemy, zespół finansowanego ze środków Unii Europejskiej projektu DAICAR opracował algorytm oparty na sztucznej inteligencji, który umożliwia zmniejszenie dawki gadolinu. Wstępne dane wykazały duży potencjał tego rozwiązania, dlatego projekt skupia się na podniesieniu standardu klinicznego inteligentnego algorytmu.
Cel
In cranial magnetic resonance tomography (cMRT), the administration of contrast agent facilitates diagnosis of various pathologies such as metastases due to contrast agent enhancement. Patients undergoing a medically indicated cMRT receive 100% of the authorized contrast agent dose, i.e. 0.1 mmol of gadolinium per kg body weight. The main component of MRT contrast agent is gadolinium, which is a highly toxic rare-earth element, which has potential health side effects (inter alia allergic reactions and accumulation in the body) as well as environmental side effects (accumulation in the tap water).
Due to the aforementioned issues, the reduction of contrast agent dose in cMRT is highly desirable. To tackle this issue, Katerina Deike-Hofmann from the Clinic for Neuroradiology at the University Hospital Bonn together with colleagues and collaborators from the Institute of Mathematics and Life Sciences developed an artificial intelligence (AI)-based algorithm that allows for contrast agent reduction called SmartContrast. Until today, more than 1.000 prospective data sets were acquired at seven different clinics and SmartContrast showed excellent generalizibility. Thus, Katerina Deike-Hofmann founded the relios.vision GmbH as a spin-off of the University Bonn to commercialize SmartContrast. Her goal is to advance the clinical standard by combining knowledge from the areas of medicine, mathematical image processing, computer vision, and artificial intelligence.
Dziedzina nauki
Słowa kluczowe
Program(-y)
- HORIZON.3.2 - European innovation ecosystems Main Programme
Zaproszenie do składania wniosków
Zobacz inne projekty w ramach tego zaproszeniaSystem finansowania
HORIZON-CSA - HORIZON Coordination and Support ActionsKoordynator
53113 BONN
Niemcy