SubsidieMeestersCTP AI and Swarm Learning
Nico.lab en TYMLEZ ontwikkelen een innovatieve AI-technologie voor betere besluitvorming in beroertezorg door complexe CTP-data te interpreteren en artsen te adviseren via een blockchain-integratie.
Projectdetails
Inleiding
In dit R&D samenwerkingsproject ontwikkelen Nico.lab en TYMLEZ unieke en innovatieve technologie om de besluitvorming rondom complexe beroertezorg te verbeteren. Door de ontwikkeling van data-driven CTP-algoritmes zal Nico.lab de eerste onderneming ter wereld worden die middels AI gecompliceerde CTP-data kan interpreteren en de arts actief kan adviseren over de juiste keuzes.
Technologieontwikkeling
Met de ontwikkeling en integratie van speciale Swarm Learning AI-technologie op de blockchain backend van TYMLEZ en de verdere integratie met Nico.lab’s StrokeViewer-platform, ontstaat een future-proof en uniek product.
Huidige situatie
Momenteel worden CTP-scans van hersenen steeds populairder onder artsen omdat er een heel duidelijk kleurgecodeerd plaatje uit voorkomt. Een probleem hierbij is dat deze plaatjes gebaseerd zijn op ingewikkelde berekeningen waaraan veel veronderstellingen ten grondslag liggen, met betrekking tot bijvoorbeeld:
- Snelheid van bloedstroming
- Volume
Een softwarepakket berekent aan de hand hiervan op welke plekken in het brein er bepaalde activiteit is, wat de arts een idee kan geven waar een infarct heeft plaatsgevonden.
Bewustzijn van inaccuraatheid
In wetenschappelijke literatuur en de klinische praktijk is men zich er echter zeer van bewust dat deze methode bijzonder inaccuraat is.
Financiële details & Tijdlijn
Financiële details
| Subsidiebedrag | € 242.340 |
Tijdlijn
| Startdatum | Onbekend |
| Einddatum | Onbekend |
| Subsidiejaar | 2019 |
Partners & Locaties
Projectpartners
- Nico.labpenvoerder
- TYMLEZ BV
Land(en)
Vergelijkbare projecten binnen MIT R&D Samenwerking
| Project | Regeling | Bedrag | Jaar | Actie |
|---|---|---|---|---|
KeraModHet KeraMod-consortium ontwikkelt een disruptief alternatief voor 2DGC-technologie om complexe monsters efficiënter, goedkoper en duurzamer te analyseren, ten voordele van milieu en industrie. | MIT R&D Samenwerking | € 167.375 | 2023 | Details |
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 |
Biobased AutoplatformDonkervoort ontwikkelt een duurzaam autoplatform van biobased materialen in samenwerking met Scabro Groep, met als doel de carbon footprint met 75% te verlagen en een gevalideerd prototype te creëren. | MIT R&D Samenwerking | € 118.472 | 2023 | Details |
Insourcing & automatisering productieproces souvenirtulpenKlompenfabriek Nijhuis en EMA-Projects ontwikkelen een geautomatiseerd productieproces voor souvenirtulpen in Nederland om kwaliteit, duurzaamheid en marktaandeel te verbeteren. | MIT R&D Samenwerking | € 340.900 | 2023 | Details |
KeraMod
Het KeraMod-consortium ontwikkelt een disruptief alternatief voor 2DGC-technologie om complexe monsters efficiënter, goedkoper en duurzamer te analyseren, ten voordele van milieu en industrie.
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.
Biobased Autoplatform
Donkervoort ontwikkelt een duurzaam autoplatform van biobased materialen in samenwerking met Scabro Groep, met als doel de carbon footprint met 75% te verlagen en een gevalideerd prototype te creëren.
Insourcing & automatisering productieproces souvenirtulpen
Klompenfabriek Nijhuis en EMA-Projects ontwikkelen een geautomatiseerd productieproces voor souvenirtulpen in Nederland om kwaliteit, duurzaamheid en marktaandeel te verbeteren.
Vergelijkbare projecten uit andere regelingen
| Project | Regeling | Bedrag | Jaar | Actie |
|---|---|---|---|---|
StrokePointerTrianecT ontwikkelt StrokePointer, een medisch EEG-apparaat voor ambulancepersoneel om binnen 3 minuten LVO-herseninfarcten te detecteren, met als doel snellere en betere patiëntverzorging. | MIT Haalbaarheid | € 20.000 | 2023 | Details |
Digitale biopsie van herseninfarctDit project ontwikkelt StrokeBiopt, een technologie die 3D visualisaties van bloedproppen uit 2D scans genereert om artsen te ondersteunen bij behandelkeuzes en de patiëntgezondheid te verbeteren. | MIT Haalbaarheid | € 20.000 | 2022 | Details |
STRICT (STRoke diagnostiC Tool)Dit project onderzoekt de haalbaarheid van een ambulance-test voor het vaststellen van beroerte-type via bloed-RNA's, om snelle behandeling en herstel te bevorderen. | MIT Haalbaarheid | € 20.000 | 2022 | Details |
Project MITH Nico.labDit project onderzoekt de haalbaarheid van EEG-herseninfarct triage in ambulances met AI-algoritmen om snel en nauwkeurig patiënten te identificeren voor directe behandeling. | MIT Haalbaarheid | € 20.000 | 2020 | Details |
StrokePointer
TrianecT ontwikkelt StrokePointer, een medisch EEG-apparaat voor ambulancepersoneel om binnen 3 minuten LVO-herseninfarcten te detecteren, met als doel snellere en betere patiëntverzorging.
Digitale biopsie van herseninfarct
Dit project ontwikkelt StrokeBiopt, een technologie die 3D visualisaties van bloedproppen uit 2D scans genereert om artsen te ondersteunen bij behandelkeuzes en de patiëntgezondheid te verbeteren.
STRICT (STRoke diagnostiC Tool)
Dit project onderzoekt de haalbaarheid van een ambulance-test voor het vaststellen van beroerte-type via bloed-RNA's, om snelle behandeling en herstel te bevorderen.
Project MITH Nico.lab
Dit project onderzoekt de haalbaarheid van EEG-herseninfarct triage in ambulances met AI-algoritmen om snel en nauwkeurig patiënten te identificeren voor directe behandeling.