Skip to main content
European Commission logo
español español
CORDIS - Resultados de investigaciones de la UE
CORDIS

Computational Hematopathology for Improved Diagnostics

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.

Régimen de financiación

ERC-COG - Consolidator Grant

Institución de acogida

HELMHOLTZ ZENTRUM MUENCHEN DEUTSCHES FORSCHUNGSZENTRUM FUER GESUNDHEIT UND UMWELT GMBH
Aportación neta de la UEn
€ 1 981 213,00
Dirección
INGOLSTADTER LANDSTRASSE 1
85764 Neuherberg
Alemania

Ver en el mapa

Región
Bayern Oberbayern München, Landkreis
Tipo de actividad
Research Organisations
Enlaces
Coste total
€ 1 981 213,00

Beneficiarios (1)