Skip to main content
Ir a la página de inicio de la Comisión Europea (se abrirá en una nueva ventana)
español es
CORDIS - Resultados de investigaciones de la UE
CORDIS

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

Descripción del proyecto

Imágenes retinianas basadas en inteligencia artificial para la detección precoz de las enfermedades vasculares

Las enfermedades cardiovasculares y cerebrovasculares suelen progresar de forma asintomática hasta estadios avanzados, en los que las opciones de tratamiento son limitadas. Con el apoyo de las Acciones Marie Skłodowska-Curie, el equipo del proyecto VRISTA desarrollará un marco de inteligencia artificial (IA) multimodal y explicable que combine la morfometría basada en vóxeles derivada de la OCT 3D, las imágenes del fondo de ojo en color y un biomarcador del envejecimiento retiniano para permitir una predicción temprana e interpretable del riesgo vascular en diversas poblaciones y entornos clínicos. En el sistema se integrarán técnicas avanzadas de aprendizaje profundo, preentrenamiento autosupervisado y destilación de conocimientos para garantizar un alto rendimiento incluso en entornos con pocos recursos, al tiempo que se utilizarán grandes conjuntos de datos del Reino Unido y Japón para llevar a cabo una validación sólida y un análisis de equidad en los principales grupos demográficos. En general, el proyecto contribuye a un envejecimiento más saludable y a la mejora de la atención preventiva.

Objetivo

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.

Ámbito científico (EuroSciVoc)

Palabras clave

Programa(s)

Tema(s)

Régimen de financiación

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

Ver todos los proyectos financiados en el marco de este régimen de financiación

Convocatoria de propuestas

(se abrirá en una nueva ventana) HORIZON-MSCA-2025-PF

Ver todos los proyectos financiados en el marco de esta convocatoria

Coordinador

UNIVERSITY COLLEGE LONDON
Aportación neta de la UEn
€ 276 187,92
Dirección
GOWER STREET
WC1E 6BT London
Reino Unido
Región
London Inner London — West Camden and City of London
Tipo de actividad
Higher or Secondary Education Establishments
Enlaces
Coste total
Sin datos