Description du projet
L’intelligence artificielle améliore l’interprétation des lames numériques
Les tumeurs hématologiques malignes, telles que la leucémie et le lymphome, affectent des millions d’adultes et d’enfants chaque année, souvent avec des conséquences mortelles. Le diagnostic repose sur des anomalies cellulaires, et les cytologistes sont spécialement formés pour détecter les maladies de la composition unicellulaire du sang, de la moelle osseuse et des tissus lymphoïdes. Après 150 ans de recherche sur les maladies du sang, les cliniciens comptent toujours sur leurs yeux pour interpréter les lames d’histopathologie. Le projet CompHematoPathology, financé par l’UE, apporte la puissance de l’intelligence artificielle et de la modélisation mathématique aux diagnostics des tumeurs malignes hématologiques. À l’aide de ces outils et de données d’images annotées par des experts, CompHematoPathology prévoit de développer un modèle basé sur les données pour prédire la dynamique du sang dans la santé et la maladie. Il promet d’améliorer le débit, d’améliorer les diagnostics et, à terme, d’améliorer le traitement des patients atteints de tumeurs malignes hématologiques.
Objectif
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.
Champ scientifique
- 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
Programme(s)
Régime de financement
ERC-COG - Consolidator GrantInstitution d’accueil
85764 Neuherberg
Allemagne