Платформа искусственного интеллекта, объединяющая данные и модели изображений, поддерживающая прецизионную помощь в рамках континуума рака простаты

В Европе рак предстательной железы (РПЖ) является вторым наиболее частым типом рака у мужчин и третьим по летальности. Текущая клиническая практика, часто приводящая к гипердиагностике и чрезмерному лечению вялотекущих опухолей, страдает от недостатка точности, что требует от продвинутых моделей ИИ выйти за рамки SoA путем расшифровки неинтуитивных медицинских изображений высокого уровня и повышения эффективности в различении вялотекущего заболевания от агрессивного. раннее прогнозирование рецидива и обнаружение метастазов или прогнозирование эффективности терапии. На сегодняшний день усилия фрагментированы, основаны на наборах данных одного учреждения, ограниченного размера и конкретных поставщиков, в то время как доступные общедоступные наборы данных PCa (например, US TCIA) составляют всего несколько сотен случаев, что делает невозможным обобщение модели.

Проект ProCAncer-I объединяет 20 партнеров, в том числе справочные центры PCa, мировых лидеров в области искусственного интеллекта и инновационных малых и средних предприятий, обладающих признанным опытом в соответствующих областях, с целью проектирования, разработки и поддержки облачной, безопасной европейской инфраструктуры изображений с инструменты и сервисы для обработки данных. На платформе размещена самая большая коллекция многопараметрических (мп) МРТ РПЖ, анонимных данных изображений по всему миру (> 17 000 случаев), основанная на донорстве данных в соответствии с законодательством ЕС (GDPR). Надежные модели ИИ разрабатываются на основе новых методологий ансамблевого обучения, в результате чего создаются независимые от поставщиков модели ИИ для решения 8 клинических сценариев РПЖ.

Чтобы ускорить клинический перевод моделей PCa AI, мы сосредоточились на повышении доверия к решениям в отношении справедливости, безопасности, объяснимости и воспроизводимости. Метрики для мониторинга производительности модели и функции причинно-следственной объяснимости разрабатываются для дальнейшего повышения клинического доверия и информирования о возможных сбоях и ошибках. Определена дорожная карта для сертификации моделей ИИ во взаимодействии с регулирующими органами, что вносит свой вклад в европейскую нормативную дорожную карту для проверки эффективности моделей на основе ИИ для принятия клинических решений.