En AI-platform, der integrerer billeddata og modeller, der understøtter præcisionspleje gennem prostatacancers kontinuum

I Europa er prostatacancer (PCa) den næsthyppigste kræftform hos mænd og den tredjemest dødelige. Nuværende klinisk praksis, der ofte fører til overdiagnosticering og overbehandling af indolente tumorer, lider af mangel på præcision, hvilket kræver, at avancerede AI-modeller går ud over SoA ved at dechifrere ikke-intuitive, medicinske billedmønstre på højt niveau og øge ydeevnen til at skelne indolent fra aggressiv sygdom, tidlig forudsigelse af tilbagefald og påvisning af metastaser eller forudsigelse af effektiviteten af ​​terapier. Indtil nu er indsatsen fragmenteret, baseret på enkelt-institution, størrelsesbegrænsede og leverandørspecifikke datasæt, mens tilgængelige PCa offentlige datasæt (f.eks. US TCIA) er kun få hundrede tilfælde, der gør modellens generaliserbarhed umulig.

ProCAncer-I-projektet samler 20 partnere, herunder PCa-referencecentre, verdensledere inden for kunstig intelligens og innovative SMV'er, med anerkendt ekspertise inden for deres respektive domæner, med det formål at designe, udvikle og opretholde en cloudbaseret, sikker europæisk billedinfrastruktur med værktøjer og tjenester til datahåndtering. Platformen er vært for den største samling af PCa multiparametrisk (mp)MRI, anonymiserede billeddata på verdensplan (>17.000 tilfælde), baseret på datadonorering i overensstemmelse med EU-lovgivningen (GDPR). Robuste AI-modeller er udviklet baseret på nye ensemblelæringsmetoder, hvilket fører til leverandørspecifikke og -neutrale AI-modeller til at håndtere 8 PCa kliniske scenarier.

For at fremskynde den kliniske oversættelse af PCa AI-modeller fokuserer vi på at forbedre tilliden til løsningerne med hensyn til retfærdighed, sikkerhed, forklarlighed og reproducerbarhed. Målinger til overvågning af modellens ydeevne og en kausal forklaringsfunktionalitet er udviklet for yderligere at øge den kliniske tillid og informere om mulige fejl og fejl. En køreplan for certificering af AI-modeller er defineret, som interagerer med regulerende myndigheder og bidrager således til en europæisk regulatorisk køreplan for validering af effektiviteten af ​​AI-baserede modeller til klinisk beslutningstagning.