Innovating Works

PID2020-114769RB-I00

Financiado
MODELOS PARA LA ESCLEROSIS MULTIPLE USANDO DEEP LEARNING EN DATOS RADIOLOGICOS,...
MODELOS PARA LA ESCLEROSIS MULTIPLE USANDO DEEP LEARNING EN DATOS RADIOLOGICOS, CLINICOS Y DE LABORATORIO ANTECEDENTES: LA ESCLEROSIS MULTIPLE (EM) ES UNA ENFERMEDAD INFLAMATORIA CRONICA DEL SISTEMA NERVIOSO CENTRAL CON UN CURSO NEURODEGENERATIVO PROGRESIVO, QUE CAUSA DISCAPACIDAD CON DEFICITS TANTO FISICOS COMO COGNITIVOS, QUE TIENEN... ANTECEDENTES: LA ESCLEROSIS MULTIPLE (EM) ES UNA ENFERMEDAD INFLAMATORIA CRONICA DEL SISTEMA NERVIOSO CENTRAL CON UN CURSO NEURODEGENERATIVO PROGRESIVO, QUE CAUSA DISCAPACIDAD CON DEFICITS TANTO FISICOS COMO COGNITIVOS, QUE TIENEN UNA GRAN INFLUENCIA EN LA VIDA PERSONAL, SOCIAL Y LABORAL DE LOS PACIENTES Y SUS FAMILIAS, NO EXISTE CURA, PERO LOS TRATAMIENTOS INMUNOMODULADORES EXISTENTES REDUCEN EL NUMERO DE RECAIDAS CLINICAS Y SON UTILES PARA DISMINUIR LAS POSIBILIDADES DE PROGRESION DE LA DISCAPACIDAD, EN ESTE SENTIDO, PREDECIR LA PROXIMA ETAPA DE LA ENFERMEDAD ES CRUCIAL PARA SELECCIONAR EL MEJOR TRATAMIENTO Y ASI INTERFERIR EN LA PROGRESION DE LA ENFERMEDAD,HIPOTESIS PRINCIPAL: LA RESONANCIA MAGNETICA (RM) ES UNA HERRAMIENTA ESENCIAL PARA EL DIAGNOSTICO, SEGUIMIENTO Y PRONOSTICO DE LA EM Y SE UTILIZA PARA EVALUAR LA PROGRESION DE LA ENFERMEDAD MEDIANTE ANALISIS DE RM REGULARES A LO LARGO DEL TIEMPO, ESTUDIOS RECIENTES HAN DEMOSTRADO EL POTENCIAL DE UTILIZAR TECNICAS DE APRENDIZAJE PROFUNDO (DEEP LEARNING, DL) PARA EXTRAER INFORMACION ESTRUCTURAL DE LAS IMAGENES DE RESONANCIA MAGNETICA, SIN EMBARGO, AUNQUE ESTUDIOS MEDICOS RELEVANTES HAN RESALTADO LA IMPORTANCIA DE LA ATROFIA CEREBRAL, TANTO GLOBAL COMO REGIONAL, PARA PREDECIR LA EVOLUCION DEL PACIENTE, LAS HERRAMIENTAS DISPONIBLES ACTUALMENTE NO SON LO SUFICIENTEMENTE ROBUSTAS Y PRECISAS PARA PROPORCIONAR CAMBIOS DE ATROFIA UTILIZABLES EN LA PRACTICA CLINICA, NUESTRA HIPOTESIS AQUI ES QUE, MEDIANTE EL USO DE METODOS DE DL, SE PODRAN LOGRAR ESTIMACIONES MAS PRECISAS DE ATROFIA MEJORANDO EL PODER PREDICTIVO DE ESAS MEDIDAS, QUE JUNTO CON LA INFORMACION DE LESIONES DE EM Y LA FUSION CON DATOS CLINICOS, DE LABORATORIO E INFORMACION PROPIA DEL PACIENTE PERMITIRAN EL DESARROLLO DE NUEVOS MODELOS PREDICTIVOS MAS PRECISOS DE LA EVOLUCION DE LA ENFERMEDAD,OBJETIVO: EL OBJETIVO PRINCIPAL DE ESTE PROYECTO ES INVESTIGAR, DESARROLLAR Y VALIDAR NUEVAS HERRAMIENTAS INFORMATICAS PARA CUANTIFICAR LA ATROFIA CEREBRAL Y CONSTRUIR MODELOS PREDICTIVOS PARA LA EM, DESDE EL PUNTO DE VISTA TECNOLOGICO, EL PROYECTO IMPULSA EL ESTADO DEL ARTE EN DIVERSAS AREAS, INVESTIGANDO: I) EL USO DE TECNICAS DE DL PARA MEJORAR LOS BIOMARCADORES ACTUALES DE ATROFIA CEREBRAL EN RM CON PRESENCIA DE LESIONES CEREBRALES; II) ENFOQUES DE DL NOVEDOSOS DE SINTESIS DE IMAGENES PARA GENERAR CONJUNTOS DE DATOS CON CAMBIOS DE ATROFIA CONTROLADOS/SIMULADOS Y PARA TRATAR TAMBIEN LA HETEROGENEIDAD DE LAS IMAGENES DE RM; III) DESARROLLO DE MODELOS PREDICTIVOS DE EM, INVESTIGANDO METODOS TRADICIONALES Y DE DL PARA FUSIONAR LA INFORMACION DE LA RM CON OTROS DATOS CLINICOS, DE LABORATORIO Y DE PACIENTES RELEVANTES PARA INFERIR LA PROBABILIDAD DE EVENTOS FUTUROS (RIESGO DE PROGRESION O EFECTIVIDAD DE UN FARMACO EN PARTICULAR); Y IV) NUEVOS METODOS DE LEARNING TO LEARN PARA ESTUDIAR LA APLICABILIDAD DE LOS BIOMARCADORES Y MODELOS PREDICTIVOS DE RM EN DISTINTAS ENFERMEDADES CEREBRALES,RESULTADOS: LOS PRINCIPALES RESULTADOS DE ESTE PROYECTO SERAN: I) HERRAMIENTAS AUTOMATIZADAS Y PROBADAS EN TRES ESCANERES DE RM DIFERENTES DE LOS HOSPITALES COLABORADORES (SIEMENS, PHILIPS Y GENERAL ELECTRIC); II) MODELOS PREDICTIVOS PARA MEJORAR LA EVALUACION DE LA EVOLUCION DE LAS ENFERMEDADES; III) PLATAFORMA DE COMPUTACION EN LA NUBE QUE INTEGRARA LOS DESARROLLOS PARA FACILITAR LA VALIDACION CLINICA, ESTAS HERRAMIENTAS PUEDEN SER EXTREMADAMENTE BENEFICIOSAS PARA AVANZAR HACIA ENFOQUES TERAPEUTICOS INDIVIDUALIZADOS (ESTRATIFICACION DE PACIENTES), ESCLEROSIS MULTIPLE\IMAGENES DE RESONANCIA MAGNETICA\NUEVAS TECNOLOGIAS\DEEP LEARNING\ATROFIA\MODELOS PREDICTIVOS ver más
01/01/2020
UDG
213K€
Perfil tecnológico estimado

Línea de financiación: concedida

El organismo AGENCIA ESTATAL DE INVESTIGACIÓN notifico la concesión del proyecto el día 2020-01-01
Presupuesto El presupuesto total del proyecto asciende a 213K€
Líder del proyecto
UNIVERSITAT DE GIRONA No se ha especificado una descripción o un objeto social para esta compañía.
Total investigadores 226