Descripción del proyecto
La inteligencia artificial está mejorando la interpretación de las preparaciones digitales
Las neoplasias hemáticas malignas, como la leucemia y el linfoma, afectan a millones de adultos y niños cada año, a menudo con consecuencias mortales. El diagnóstico se basa en las anomalías celulares, y los citólogos reciben una formación especial para detectar enfermedades a partir de la composición de una sola célula individual de la sangre, la médula ósea o los tejidos linfoides. Tras 150 años de investigación sobre las hemopatías, los médicos siguen confiando en sus ojos a la hora de interpretar las preparaciones histopatológicas. El proyecto financiado con fondos europeos CompHematoPathology está llevando el poder de la inteligencia artificial y el modelado matemático al diagnóstico de las neoplasias hemáticas malignas. A partir de estas herramientas y de datos de imagen informados por expertos, CompHematoPathology busca desarrollar un modelo basado en datos para predecir la dinámica de la sangre en la salud y la enfermedad. Promete aumentar el rendimiento, mejorar el diagnóstico y, en última instancia, mejorar el tratamiento de los pacientes con neoplasias hemáticas malignas.
Objetivo
Identifying hematologic malignancies still relies on the time-consuming and subjective visual assessment of images. Every day, cytologists and pathologists are confronted with rare diagnostic cells, ever-increasing image data, and heterogeneous disease manifestations. Although we understand blood better than any other human tissue, we are unable to quantitatively predict a patient’s blood dynamics from a measurement. Diagnosis thus depends on rough staging schemes and the expertise and intuition of the clinician.
In my proposal, I address these challenges by establishing computational hematopathology, a combination of artificial intelligence algorithms and mathematical models that will boost the currently prevailing manual assessment. Based on my experience in using these methods for scrutinizing stem cell differentiation I will combine the power of deep learning and mathematical modeling with digitized and expertly annotated image data. My unique approach enables me to design and parametrize a data-driven model to predict hematopoietic dynamics in health and disease. Since the interpretation of digitized slides is becoming the clinical standard, novel algorithms for standardized disease classification and improved diagnosis are critically needed now.
This interdisciplinary project merges methods from digital pathology, machine learning, image processing, and mathematical modeling. ComHematoPathology will provide novel approaches and software tools for automated classification of hematopathology image data, allowing for reproducible and precise diagnosis at an unprecedented level. This will increase throughput and standardize the diagnosis of blood diseases and will thus improve the treatment of patients suffering from hematologic malignancies.
Ámbito científico
- medical and health sciencesmedical biotechnologycells technologiesstem cells
- medical and health sciencesbasic medicinepathology
- medical and health sciencesclinical medicinehematology
- natural sciencescomputer and information sciencesartificial intelligencemachine learningdeep learning
- natural sciencesmathematicsapplied mathematicsmathematical model
Programa(s)
Régimen de financiación
ERC-COG - Consolidator GrantInstitución de acogida
85764 Neuherberg
Alemania