Skip to main content
Przejdź do strony domowej Komisji Europejskiej (odnośnik otworzy się w nowym oknie)
polski pl
CORDIS - Wyniki badań wspieranych przez UE
CORDIS

Personalized forecasting of prostate cancer growth through advanced nonlinear biomechanical model supported by locally adaptive, locking-free isogeometric methods

Opis projektu

Zwiększenie precyzji prognozowania raka prostaty

Rak prostaty jest jednym z najczęściej występujących nowotworów u mężczyzn, ale nadal nie jest dokładnie diagnozowany ani dokładnie leczony. Często przeprowadzane są niepotrzebne interwencje u chorych albo nie otrzymują oni leczenia na czas ze względu na generyczne ścieżki kliniczne. Projekt PADLOCK, realizowany przy wsparciu programu działania „Maria Skłodowska-Curie”, opracuje skuteczne, spersonalizowane narzędzie do przewidywania wzrostu guza. Dzięki połączeniu najnowocześniejszego obrazowania z najnowocześniejszymi technikami obliczeniowymi, takimi jak analiza izogeometryczna i modelowanie adaptacyjne, projekt zwiększy dokładność modelowania rozwoju nowotworów. Zespół projektu PADLOCK wprowadza innowacje w celu przezwyciężenia ograniczeń w najnowocześniejszych modelach, które mają utorować drogę do cyfrowych bliźniaków, co umożliwi spersonalizowane leczenie. Projekt potencjalnie zapewni lepsze metody leczenia raka prostaty.

Cel

Prostate cancer (PCa) is the second most diagnosed cancer and the fifth leading cause of cancer-related deaths among men worldwide in 2022. However, current clinical practice often remains inadequate with limited individualization, leading to overdiagnosis, overtreatment, and undertreatment. A spatiotemporal biomechanistic model informed by multiparametric magnetic resonance imaging offers a powerful tool to address these challenges. Isogeometric analysis (IGA) and local h-adaptivity further contribute to accurately represent the complex biostructures and capture tumor dynamics. Hence, this technology enables personalized forecasting of PCa growth following its first diagnosis, leading to improved clinical and therapeutic decision-making. However, the existing models of PCa growth present fundamental limitations in predictive accuracy and computational efficiency. In this project, we will address three issues underlying those limitations: a suboptimal adaptive scheme for IGA, susceptibility to numerical locking due to the near-incompressible mechanical behavior of biostructures, and the assumption of linear elasticity. Towards this end, this project will follow a multifaceted approach that includes the integration of truncated hierarchical B-splines to enhance the adaptive IGA scheme, the use of mixed formulations to circumvent the adverse effects of volumetric locking while modeling near-incompressible biological tissues, and the incorporation of geometric and material nonlinearities to improve the accuracy of displacement and stress fields. Through these transformative strategies, the proposed model will represent a substantial step forward in the development of clinically viable predictive digital twins for PCa growth. This project aligns closely with the objectives of the European Commission’s cancer mission and could positively impact individuals with PCa. My expertise in IGA, locking, and biomechanics, uniquely equips me to achieve the project's objectives.

Dziedzina nauki (EuroSciVoc)

Projekt nie został jeszcze sklasyfikowany według klasyfikacji EuroSciVoc.
Wskaż dziedziny nauki, które twoim zdaniem są najbardziej istotne z punktu widzenia tego projektu i pomóż nam usprawnić naszą usługę klasyfikacji.

Słowa kluczowe

Program(-y)

Temat(-y)

System finansowania

HORIZON-TMA-MSCA-PF-EF - HORIZON TMA MSCA Postdoctoral Fellowships - European Fellowships

Wyświetl wszystkie projekty finansowane w ramach tego programu finansowania

Zaproszenie do składania wniosków

(odnośnik otworzy się w nowym oknie) HORIZON-MSCA-2024-PF-01

Wyświetl wszystkie projekty finansowane w ramach tego zaproszenia

Koordynator

UNIVERSITA DEGLI STUDI DI PAVIA
Wkład UE netto
€ 209 483,28
Koszt całkowity
Brak danych

Partnerzy (2)