Skip to main content
Weiter zur Homepage der Europäischen Kommission (öffnet in neuem Fenster)
Deutsch de
CORDIS - Forschungsergebnisse der EU
CORDIS

VRISTA – Voxel-based Retinal Imaging and Systemic-risk Translation with AI across UK and Japanese Cohorts

Projektbeschreibung

KI-gestützte Netzhautbildgebung zur Früherkennung von Gefäßerkrankungen

Herz-Kreislauf- und zerebrovaskuläre Erkrankungen schreiten oftmals unbemerkt bis in ein fortgeschrittenes Stadium voran, in dem begrenzte Behandlungsmöglichkeiten zur Verfügung stehen. Mit Unterstützung durch das Marie-Skłodowska-Curie-Maßnahmenprogramm wird im Rahmen des VRISTA-Projekts ein multimodales, erklärbares KI-Framework entwickelt, das voxelbasierte Morphometrie aus 3D-OCT-Daten, Farb-Fundus-Bildgebung und einen Biomarker für die Netzhautalterung kombiniert, um eine frühzeitige und interpretierbare Vorhersage des vaskulären Risikos in verschiedenen Bevölkerungsgruppen und klinischen Umgebungen zu ermöglichen. Das System wird fortschrittliches tiefes Lernen, selbstüberwachtes Vortraining und Wissensdestillation integrieren, um auch in ressourcenarmen Umgebungen eine hohe Leistungsfähigkeit zu gewährleisten, während umfangreiche Datensätze aus dem Vereinigten Königreich und aus Japan für eine übergreifende robuste Validierung und Fairness-Analyse für wichtige demografische Gruppen genutzt werden. Insgesamt trägt das Projekt zu einem gesünderen Altern und einer verbesserten Gesundheitsvorsorge bei.

Ziel

Retinal imaging offers a non-invasive window on the body's vascular and neural health. This fellowship will develop and validate a multimodal AI framework. At its core is voxel-based morphometry applied to three-dimensional OCT to map subtle, layer-specific structural deviations. These maps will be combined with features from colour fundus photographs and a biological ageing biomarker, the retinal age gap. The objective is early, interpretable prediction of cardiovascular and cerebrovascular risk with performance that is robust across devices, ethnicities, and clinical settings. We will adapt VBM, a well established technique in brain imaging, to OCT volumes to produce anatomically aligned deviation maps that quantify where the retina differs from expected patterns. These OCT features will be fused with macro-scale fundus cues within a deep learning model that estimates continuous, calibrated risk and time-to-event outcomes. To enable screening in settings without OCT, we will use knowledge distillation so that a lightweight fundus-only model inherits performance from the full multimodal system. Self-supervised pretraining and foundation-model backbones will support generalisability and data efficiency. The work leverages harmonised UK and Japanese cohorts totalling more than 200,000 images, enabling rigorous external validation and fairness analysis by sex, refractive status, and ethnicity. Transparency will be promoted through saliency visualisation, concept-based probes, and counterfactual testing. By delivering an accurate, explainable, and deployable tool that works with existing eye-care infrastructure, the project addresses European priorities on healthy ageing and prevention, strengthens EU-Japan collaboration, and lays the groundwork for scalable, equitable detection of silent vascular disease in ageing populations.

Wissenschaftliches Gebiet (EuroSciVoc)

Schlüsselbegriffe

Programm/Programme

Thema/Themen

Finanzierungsplan

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

Alle im Rahmen dieses Finanzierungsinstruments finanzierten Projekte anzeigen

Aufforderung zur Vorschlagseinreichung

(öffnet in neuem Fenster) HORIZON-MSCA-2025-PF

Alle im Rahmen dieser Aufforderung zur Einreichung von Vorschlägen finanzierten Projekte anzeigen

Koordinator

UNIVERSITY COLLEGE LONDON
Netto-EU-Beitrag
€ 276 187,92
Adresse
GOWER STREET
WC1E 6BT London
Vereinigtes Königreich
Region
London Inner London — West Camden and City of London
Aktivitätstyp
Higher or Secondary Education Establishments
Links
Gesamtkosten
Keine Daten