En AI-plattform som integrerer bildedata og modeller, som støtter presisjonspleie gjennom kontinuumet til prostatakreft

I Europa er prostatakreft (PCa) den nest hyppigste krefttypen hos menn og den tredje mest dødelige. Gjeldende klinisk praksis, som ofte fører til overdiagnostisering og overbehandling av indolente svulster, lider av mangel på presisjon som krever at avanserte AI-modeller går utover SoA ved å dechiffrere ikke-intuitive medisinske bildemønstre på høyt nivå og øke ytelsen når det gjelder å skille mellom indolente og aggressive sykdommer, tidlig forutsi residiv og oppdage metastaser eller forutsi effektiviteten av terapier. Til dags dato er innsatsen fragmentert, basert på enkelt-institusjon, størrelsesbegrensede og leverandørspesifikke datasett mens tilgjengelige PCa offentlige datasett (f.eks. US TCIA) er bare noen hundre tilfeller som gjør modellens generaliserbarhet umulig.

ProCAncer-I-prosjektet samler 20 partnere, inkludert PCa-referansesentre, verdensledere innen AI og innovative SMBer, med anerkjent ekspertise på sine respektive domener, med mål om å designe, utvikle og opprettholde en skybasert, sikker europeisk bildeinfrastruktur med verktøy og tjenester for datahåndtering. Plattformen er vert for den største samlingen av PCa multiparametrisk (mp)MRI, anonymiserte bildedata over hele verden (>17 000 tilfeller), basert på datadonorskap, i tråd med EU-lovgivning (GDPR). Robuste AI-modeller er utviklet, basert på nye ensemblelæringsmetoder, som fører til leverandørspesifikke og -nøytrale AI-modeller for å adressere 8 PCa kliniske scenarier.

For å akselerere klinisk oversettelse av PCa AI-modeller, fokuserer vi på å forbedre tilliten til løsningene med hensyn til rettferdighet, sikkerhet, forklarbarhet og reproduserbarhet. Målinger for å overvåke modellytelse og en kausal forklaringsfunksjonalitet er utviklet for å øke den kliniske tilliten ytterligere og informere om mulige feil og feil. Et veikart for sertifisering av AI-modeller er definert, som samhandler med regulatoriske myndigheter, og bidrar dermed til et europeisk regulatorisk veikart for å validere effektiviteten til AI-baserte modeller for klinisk beslutningstaking.