Opracowanie metody wczesnego wykrywania raka piersi z wykorzystaniem systemu informatycznego analizy deep learning dla danych metabolicznych, socjodemograficznych i obrazowych pacjentek objętych populacyjnym programem wykrywania raka piersi.

Przedmiotem badań jest opracowanie systemu informatycznego analizy deep learning (wnioskowania komputerowego), dla zbioru danych medycznych, obrazowych, metabolomicznych i socjodemograficznych pacjentek objętych programem wczesnego wykrywania raka piersi (PWWRP). Efektem prac będzie unikalny w skali świata system wczesnego wykrywania symptomów raka piersi, oparty o znalezione i udowodnione zależności.
System stanowić będzie unikalną w skali świata ofertę rynkową, badania wczesnych symptomów raka piersi, która umocni pozycję rynkową i naukową Wnioskodawcy. System będzie przygotowany do wdrażania w placówkach medycznych prowadzących populacyjne badania przesiewowe w kierunku raka piersi, wpływając na jakość diagnozy poprzez poprawę jej dokładności, celowości prowadzonych testów i kontrolę poprawności. Umożliwi automatyzacje kontroli dużej liczby badań przesiewowych poprzez wskazywanie anomalii niewykrytych w badaniu lekarskim.
Istotą prac badawczych jest opracowanie algorytmów deep learning dla danych obrazowych (mammogrficznych) w zestawieniu z danymi socjodemograficznymi i oznaczeniami metabolicznymi w próbce moczu kobiet objętych PWWRP oraz operowanych z powodu raka piersi. Algorytmy zostaną wykorzystane do:
analiz masowych stworzonej w projekcie kompleksowej bazy danych przypadków,
stworzenia cyfrowego modelu złośliwości zmiany ogniskowej w piersiach zgodnej z modelem BIRADS, pozwalającego na określanie prawdopodobieństwa występowania zmiany nowotworowej, automatycznej kontroli jakości badań przesiewowych poprzez ocenę zgodności prawdopodobieństwa występowania zmiany złośliwej.
Przydatność kliniczną systemu ocenimy w oparciu o analizę porównawczą przedoperacyjnej MMG, analizę metabolomiczną, wynik badania histologicznego operowanej/bioptowanej zmiany, wielkości, gęstości i zarysów zmiany, obecności mikrozwapnień, rodzaju tkanki podścieliska, obecności receptorów ER/PgR i HER2, wieku chorej, wywiadu rodzinnego, wywiadu środowiskowego i chorobowego.

Badania będą prowadzone wspólnie z Uniwersyteckim Centrum Klinicznym w Gdańsku oraz Interdyscyplinarnym Centrum Modelowania Matematycznego i Komputerowego Uniwersytetu Warszawskiego.

04.12.2016
Terapia prowokatywna
Opracowanie metody hipoterapii w oparciu o terapię prowokatywną jako oddziaływanie u pacjentów z depresją reaktywną [...]