Kuvioiden tunnistus ja poikkeamien havaitseminen sikiön morfologiassa käyttämällä syvä- ja tilastollista oppimista (PARADISE)

Synnynnäiset poikkeavuudet (CA) ovat yleisin syy sikiökuolemiin, imeväiskuolleisuuteen ja sairastumiseen. 7,9 miljoonaa lasta syntyy CA:n kanssa vuosittain. CA:n varhainen havaitseminen helpottaa hengenpelastushoitoja ja pysäyttää vamman etenemisen. CA voidaan diagnosoida synnytystä edeltävällä morfologiatutkimuksella (MS). CA:n pre- ja postnataalisen diagnoosin väliset erot ovat 29 %. MS-taudin oikea tulkinta mahdollistaa yksityiskohtaisen keskustelun ennusteesta vanhempien kanssa. PARADISE:n keskeinen piirre on erikoistuneen älykkään järjestelmän kehittäminen, joka sisältää Deep Learning- ja Statistical Learning -menetelmien komitean, jotka toimivat yhdessä kilpailukykyisellä/yhteistyöllä parantaakseen MS-tutkimusten suorituskykyä signaloimalla CA. Prekliinisen testauksen ja kliinisen validoinnin avulla päätavoitteena on suora käyttöönotto kliiniseen käytäntöön. Tämä monialainen projekti tarjoaa ainutlaatuisen yhdistelmän lähestymistapoja, osaamista ja läpimurtoja keskeisissä sovelluksissa inhimillistä, psykologista, teknologista ja taloudellista etua koskevissa sovelluksissa, kuten "älykkäämmässä" terveydenhuoltojärjestelmässä, mikä avaa uusia tutkimusaloja. PARADISE luo ympäristön, joka edistää merkittävästi terveydenhuoltojärjestelmää, lääke- ja lääketeollisuutta, tiedeyhteisöä, taloutta ja viime kädessä jokaista yksilöä. Sen tulos lisää vaikutusta CA:n hoitoon mahdollistamalla yksityiskohtaisten suunnitelmien laatimisen ennen syntymää, mikä vähentää imeväisten sairastuvuutta ja kuolleisuutta.