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

Synergistic Agent for General Medical AI

Opis projektu

Sztuczna inteligencja w radiologii

Radiologia wymaga interpretacji złożonych obrazów wraz z informacjami klinicznymi. Sztuczna inteligencja może znacznie przyspieszyć procedury kliniczne, ale obecne narzędzia SI wykonują tylko wyspecjalizowane zadania i nie są w stanie uchwycić pełnego procesu decyzyjnego. Finansowany przez ERBN projekt SAGMA zakłada opracowanie ogólnego systemu sztucznej inteligencji medycznej, który zintegruje wiele typów danych i będzie wspierać rozumowanie diagnostyczne w świecie rzeczywistym. Naukowcy najpierw wykorzystają duże modele językowe do wyodrębnienia ustrukturyzowanych informacji z dokumentacji radiologicznej, co umożliwi wydajne wytrenowanie specjalistycznych modeli analizy obrazu. Praca tych modeli będzie koordynowana przez agenta SI, który połączy szacunki niepewności, wytyczne kliniczne i dane laboratoryjne. Na koniec system zostanie przetestowany w procedurach klinicznych, aby ocenić jego wpływ na dokładność diagnostyczną, wydajność i akceptację przez radiologów.

Cel

Artificial intelligence (AI) holds immense potential for revolutionizing radiology by enhancing diagnostic accuracy, efficiency, and personalized patient care. However, current AI applications are limited to only specialized taskArtificial intelligence (AI) holds immense potential for revolutionizing radiology by enhancing diagnostic accuracy, efficiency, and personalized patient care. However, current AI applications are limited to only specialized tasks, thus failing to capture the complexity of radiological practice, which requires integrating multimodal data and nuanced decision-making. My vision with SAGMA is to develop an agent-based General Medical AI (GMAI) system that overcomes these limitations by combining specialized AI models with generalized reasoning capabilities. The project is structured around three central objectives:
1. Develop specialized image analysis AI models in a scalable manner by leveraging large language models (LLMs) to extract structured data from existing radiological reports. This will enable efficient training across various radiological tasks using unstructured clinical data. 2. Assemble a GMAI system using a LLM as an agent that coordinates the specialized AI models, incorporates uncertainty estimates, and integrates additional tools such as clinical guidelines and laboratory values. This system will utilize multimodal inputs to support comprehensive decision-making.
3.Validate the utility of the agent-based system in realistic clinical settings by assessing its impact on diagnostic accuracy, efficiency, and the overall radiological workflow, ensuring acceptance by clinical experts.
By achieving these objectives, SAGMA will bridge the gap between current AI capabilities and the multifaceted nature of radiological practice. The project will demonstrate how an agent-based GMAI system can augment and empower human expertise, potentially transforming radiology and paving the way for similar advancements in other medical specialties.

Dziedzina nauki (EuroSciVoc)

Program(-y)

Temat(-y)

System finansowania

HORIZON-ERC - HORIZON ERC Grants

Wyświetl wszystkie projekty finansowane w ramach tego programu finansowania

Zaproszenie do składania wniosków

(odnośnik otworzy się w nowym oknie) ERC-2025-STG

Wyświetl wszystkie projekty finansowane w ramach tego zaproszenia

Instytucja przyjmująca

UNIVERSITAETSKLINIKUM AACHEN
Wkład UE netto
€ 1 500 000,00
Koszt całkowity
€ 1 500 000,00

Beneficjenci (1)