SubsidieMeestersAI-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.
Projectdetails
Inleiding
Kanker is een ziekte die een groot deel van de bevolking treft. Hoewel behandelopties en hun werkzaamheid de afgelopen decennia aanzienlijk zijn verbeterd, zijn bepaalde kankertypes en metastatische aandoeningen soms moeilijk of onmogelijk te behandelen met de huidige therapieën.
Tumoren als complexe organen
Het is de afgelopen jaren duidelijk geworden dat een tumor niet alleen bestaat uit abnormale cellen, maar een groot aantal niet-kankercellen omvat, zoals immuuncellen. Tumoren worden als zodanig meer en meer gezien als complexe organen, die zich niet alleen in de tumor bevinden maar ook actieve rollen spelen in progressie en metastase.
Karakterisering van heterogeniteit
Karakterisering van deze heterogeniteit en complexiteit in zowel de mutaties, maar ook in de samenstelling en samenhang van de verschillende cellen in de micro-omgeving rondom een tumor, kan nieuwe indicaties voor behandeling geven. We zijn tegenwoordig in staat om het gedrag van specifieke cellen af te bakenen door te weten welke cellen welke eiwitten maken en hoe andere cellen op deze eiwitten reageren in een tumor, via verschillende methoden om eiwitexpressie in een weefsel te detecteren.
Methoden voor eiwitdetectie
De belangrijkste methoden zijn:
- IHC (Immunohistochemie)
- IF (Immunofluorescentie)
Deze (kleur)technieken zijn gebaseerd op antilichamen, in casu eiwitten die andere eiwitten kunnen herkennen. Het kleuren van dergelijke proteïnes en het uitvoeren van dichtheidsbepalingen vergt momenteel 5 tot 6 dagen.
Doel van het project
In dit project zullen de samenwerkingspartners Gimix en WSK gezamenlijk R&D uitvoeren naar een specifiek te ontwikkelen beeldherkenningstechnologie waarmee het kleuren en selecteren veel sneller moet kunnen worden gerealiseerd. Hierdoor moet uiteindelijk een systeem ontstaan dat in realtime eiwittypologieën in biopten screent.
Uitdagingen met bestaande technologieën
Bestaande beeldherkenningstechnologieën hebben een veel te lage nauwkeurigheid om in deze toepassing te kunnen gebruiken.
Financiële details & Tijdlijn
Financiële details
| Subsidiebedrag | € 200.000 |
Tijdlijn
| Startdatum | Onbekend |
| Einddatum | Onbekend |
| Subsidiejaar | 2018 |
Partners & Locaties
Projectpartners
- WSK Medical B.V.penvoerder
- Gimix B.V.
Land(en)
Vergelijkbare projecten binnen MIT R&D Samenwerking
| Project | Regeling | Bedrag | Jaar | Actie |
|---|---|---|---|---|
K.N.I.T.T.: Knitwear Next-level Interactive Textile TechnologyHet project van Knitwear Lab B.V. en Raverko B.V. ontwikkelt een 3D-simuleringstool voor duurzame textielproductie, gericht op co-creatie en de overgang naar digitale productpaspoorten. | MIT R&D Samenwerking | € 151.428 | 2023 | Details |
Full electric rim drive aandrijving voor commerciële vaartHet project ontwikkelt een prototype van een 50 kW elektrische rim drive motor voor commerciële vaartuigen, ter vervanging van dieselmotoren, met focus op duurzaamheid en innovatieve functionaliteiten. | MIT R&D Samenwerking | € 177.700 | 2023 | Details |
Ecotop AI Ripening systeemHet project ontwikkelt AI-software en een rijpcel om de rijpheid en kwaliteit van tropisch fruit automatisch te meten en te optimaliseren, wat leidt tot minder verspilling en energiebesparing. | MIT R&D Samenwerking | € 286.773 | 2023 | Details |
EEGX2Dit project ontwikkelt een softwaretool voor vroegtijdige dementiedetectie via EEG-analyse, gebruikmakend van goedkope hardware en geavanceerde algoritmes, in samenwerking met zorginstellingen. | MIT R&D Samenwerking | € 120.943 | 2023 | Details |
K.N.I.T.T.: Knitwear Next-level Interactive Textile Technology
Het project van Knitwear Lab B.V. en Raverko B.V. ontwikkelt een 3D-simuleringstool voor duurzame textielproductie, gericht op co-creatie en de overgang naar digitale productpaspoorten.
Full electric rim drive aandrijving voor commerciële vaart
Het project ontwikkelt een prototype van een 50 kW elektrische rim drive motor voor commerciële vaartuigen, ter vervanging van dieselmotoren, met focus op duurzaamheid en innovatieve functionaliteiten.
Ecotop AI Ripening systeem
Het project ontwikkelt AI-software en een rijpcel om de rijpheid en kwaliteit van tropisch fruit automatisch te meten en te optimaliseren, wat leidt tot minder verspilling en energiebesparing.
EEGX2
Dit project ontwikkelt een softwaretool voor vroegtijdige dementiedetectie via EEG-analyse, gebruikmakend van goedkope hardware en geavanceerde algoritmes, in samenwerking met zorginstellingen.
Vergelijkbare projecten uit andere regelingen
| Project | Regeling | Bedrag | Jaar | Actie |
|---|---|---|---|---|
Proteomic Analysis of Cell communication in TumorsThis project aims to analyze cancer proteome dynamics at single-cell resolution to understand tumor heterogeneity and improve personalized treatment for resistant metastatic cells. | ERC COG | € 2.000.000 | 2022 | Details |
A Real-time imaging and classification system for low-grade glioma detection during brain surgeryThis project aims to develop a real-time imaging tool for neurosurgeons to accurately identify low-grade glioma tissue during surgery, enhancing tumor removal and improving patient outcomes. | ERC POC | € 150.000 | 2022 | Details |
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 COG | € 1.989.086 | 2023 | Details |
Transformative Pediatric Brain Cancer Imaging using Integrated Biophysics-AI Molecular MRIDevelop a novel AI-driven molecular MRI technology for rapid, noninvasive monitoring of pediatric brain cancer treatment response, enhancing precision medicine and understanding of tumor dynamics. | ERC STG | € 1.497.669 | 2024 | Details |
Proteomic Analysis of Cell communication in Tumors
This project aims to analyze cancer proteome dynamics at single-cell resolution to understand tumor heterogeneity and improve personalized treatment for resistant metastatic cells.
A Real-time imaging and classification system for low-grade glioma detection during brain surgery
This project aims to develop a real-time imaging tool for neurosurgeons to accurately identify low-grade glioma tissue during surgery, enhancing tumor removal and improving patient outcomes.
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.
Transformative Pediatric Brain Cancer Imaging using Integrated Biophysics-AI Molecular MRI
Develop a novel AI-driven molecular MRI technology for rapid, noninvasive monitoring of pediatric brain cancer treatment response, enhancing precision medicine and understanding of tumor dynamics.