SubsidieMeestersAutomatische diagnose van HER2-positieve borstkanker op HE-gekleurde weefselbiopten
WSK Medical onderzoekt de haalbaarheid van een Deep Learning model voor automatische detectie van HER2 in H&E-gekleurde borstkankerbiopten, ter vervanging van kostbare IHC-analyse.
Projectdetails
Inleiding
De overexpressie van biomarker HER2 in borstkankerweefsel is een belangrijke factor voor het bepalen van de diagnose, prognose en behandeling van borstkanker.
Probleemstelling
Het analyseren van HER2 op een weefselbiopt vereist het gebruik van een speciale IHC-kleuring en wordt handmatig geanalyseerd door een klinisch patholoog. Een dergelijke analyse is:
- tijdrovend
- kostbaar
- subjectief
Doelstelling
WSK Medical beoogt daarom de ontwikkeling van een Deep Learning model waarmee HER2 automatisch en direct kan worden gedetecteerd in goedkopere H&E-gekleurde weefselbiopten, waardoor kleuring met IHC overbodig wordt.
Verwachte voordelen
Op deze manier kan in potentie een betrouwbaardere en goedkopere analyse van borstweefsels worden uitgevoerd.
Technische haalbaarheid
Echter, deze ontwikkeling is technisch zeer complex, en het is daarom nog onduidelijk of het op technisch en economisch gebied haalbaar is om een dergelijke tool te ontwikkelen.
Onderzoeksvraag
Derhalve beoogt WSK Medical in dit project de haalbaarheid voor het ontwikkelen van deze automatische HER2-tool op H&E-gekleurde weefselbiopten te onderzoeken.
Financiële details & Tijdlijn
Financiële details
| Subsidiebedrag | € 20.000 |
Tijdlijn
| Startdatum | Onbekend |
| Einddatum | Onbekend |
| Subsidiejaar | 2023 |
Partners & Locaties
Projectpartners
- WSK Medical B.V.penvoerder
Land(en)
Vergelijkbare projecten binnen MIT Haalbaarheid
| Project | Regeling | Bedrag | Jaar | Actie |
|---|---|---|---|---|
Automatiseren van mitotic counting t.b.v. verbeterde kankerdiagnoseWSK Medical ontwikkelt een deep learning-software om automatisch de mitotische activiteit bij borstkanker te berekenen, ter verbetering van de diagnose en prognose. | Mkb-innovati... | € 20.000 | 2022 | Details |
AI gebaseerde TSR scoring tool voor kankerprognoses.WSK Medical B.V. onderzoekt de haalbaarheid van een AI-gestuurde diagnostische tool ter ondersteuning van professionals bij het bepalen van de tumor-stroma ratio (TSR). | Mkb-innovati... | € 20.000 | 2021 | Details |
Feasibility study of using an Ai based image recognition tool for throat cancer (tumour) detection.WSK Medical ontwikkelt een AI-gestuurde diagnostische tool om medische professionals te helpen bij de vroege identificatie van kankertumoren. | Mkb-innovati... | € 20.000 | 2020 | Details |
TMB digital biopsyEllogon.AI ontwikkelt AI-algoritmes voor de analyse van histopathologiebeelden om biomarkers zoals Tumor Mutation Burden te kwantificeren en de respons op immunotherapie te verbeteren. | Mkb-innovati... | € 20.000 | 2022 | Details |
Modelleren van 3D neo-epitopen structuren om cross-reactiviteit van therapeutische antistoffen te voorspellenKweekkas onderzoekt de haalbaarheid van een AI/ML-model voor het voorspellen van peptide-HLA complexstructuren om veiligere en effectievere anti-pHLA immunotherapieën te ontwikkelen. | Mkb-innovati... | € 20.000 | 2021 | Details |
Automatiseren van mitotic counting t.b.v. verbeterde kankerdiagnose
WSK Medical ontwikkelt een deep learning-software om automatisch de mitotische activiteit bij borstkanker te berekenen, ter verbetering van de diagnose en prognose.
AI gebaseerde TSR scoring tool voor kankerprognoses.
WSK Medical B.V. onderzoekt de haalbaarheid van een AI-gestuurde diagnostische tool ter ondersteuning van professionals bij het bepalen van de tumor-stroma ratio (TSR).
Feasibility study of using an Ai based image recognition tool for throat cancer (tumour) detection.
WSK Medical ontwikkelt een AI-gestuurde diagnostische tool om medische professionals te helpen bij de vroege identificatie van kankertumoren.
TMB digital biopsy
Ellogon.AI ontwikkelt AI-algoritmes voor de analyse van histopathologiebeelden om biomarkers zoals Tumor Mutation Burden te kwantificeren en de respons op immunotherapie te verbeteren.
Modelleren van 3D neo-epitopen structuren om cross-reactiviteit van therapeutische antistoffen te voorspellen
Kweekkas onderzoekt de haalbaarheid van een AI/ML-model voor het voorspellen van peptide-HLA complexstructuren om veiligere en effectievere anti-pHLA immunotherapieën te ontwikkelen.
Vergelijkbare projecten uit andere regelingen
| Project | Regeling | Bedrag | Jaar | Actie |
|---|---|---|---|---|
Non-invasive computational immunohistochemical staining based on deep learning and multimodal imagingSTAIN-IT aims to develop a fast, non-invasive, label-free immunohistochemical staining method using multimodal imaging and deep learning to enhance cancer diagnosis and understanding of disease pathogenesis. | ERC Consolid... | € 1.989.086 | 2023 | Details |
AI-based medical assistant - Herkennen en classificeren van tumoren m.b.v. kunstmatige intelligentieDit project ontwikkelt een geavanceerde beeldherkenningstechnologie voor realtime screening van eiwittypologieën in biopten, om de behandeling van complexe tumoren te verbeteren. | Mkb-innovati... | € 200.000 | 2018 | Details |
Development of a Digital Smart PathologistWSK Medical en Slide Score ontwikkelen een digitale toolkit voor automatische annotatie van histopathologische afbeeldingen, wat tijdwinst oplevert voor pathologen en patiënten. | Mkb-innovati... | € 148.300 | 2020 | Details |
Artificiële intelligentie voor Reproduceerbare Analyse van TumorgroeiHet project ontwikkelt AI-software voor betrouwbare tumorweefselanalyse, gericht op CE-certificering voor de Europese markt. | 1.1 - RSO1.1... | € 373.158 | 2023 | Details |
Chemometric histopathology via coherent Raman imaging for precision medicineThe CHARM project aims to revolutionize cancer diagnosis with a novel AI-integrated, label-free tissue analysis system, achieving high accuracy in tumor identification and classification. | EIC Transition | € 2.441.979 | 2022 | Details |
Non-invasive computational immunohistochemical staining based on deep learning and multimodal imaging
STAIN-IT aims to develop a fast, non-invasive, label-free immunohistochemical staining method using multimodal imaging and deep learning to enhance cancer diagnosis and understanding of disease pathogenesis.
AI-based medical assistant - Herkennen en classificeren van tumoren m.b.v. kunstmatige intelligentie
Dit project ontwikkelt een geavanceerde beeldherkenningstechnologie voor realtime screening van eiwittypologieën in biopten, om de behandeling van complexe tumoren te verbeteren.
Development of a Digital Smart Pathologist
WSK Medical en Slide Score ontwikkelen een digitale toolkit voor automatische annotatie van histopathologische afbeeldingen, wat tijdwinst oplevert voor pathologen en patiënten.
Artificiële intelligentie voor Reproduceerbare Analyse van Tumorgroei
Het project ontwikkelt AI-software voor betrouwbare tumorweefselanalyse, gericht op CE-certificering voor de Europese markt.
Chemometric histopathology via coherent Raman imaging for precision medicine
The CHARM project aims to revolutionize cancer diagnosis with a novel AI-integrated, label-free tissue analysis system, achieving high accuracy in tumor identification and classification.