Noi Biomarkeri de Tomografie in Coerenta Optica identificati prin Deep Learning pentru Stratificarea Riscului la Pacientii cu Degeneresecnta Maculara Legata de Varsta-DeLArMaD

Denumire proiect: Noi Biomarkeri de Tomografie în Coerență Optică identificați prin Deep Learning pentru Stratificarea Riscului la Pacienții cu Degeneresecnță Maculară Legată de Vârstă

Acronim: DeLArMaD

Competiție: PNCDI III - Program 2 - Subprogram 2.1.

Cod proiect: PN-III-P2-2.1-PED-2021-2709, Contract de finanțare 616PED/2022

Echipa proiectului

Director de proiect: Prof. Dr. Simona Delia Nicoară

Instituție coordonatoare: Universitatea de Medicină și Farmacie "Iuliu Hațieganu" Cluj Napoca

  • Prof. Dr. Simona Delia Nicoară- director de proiect
  • Dr. George Adrian Muntean – membru doctorand
  • Dr. Corina Iuliana Suciu – membru doctorand
  • Asist. Univ. Dr. Iulia Andrada Nemeș Drăgan - membru cercetător postdoctoral
  • Asist. Univ. Dr. Ioana Damian - membru cercetător postdoctoral

Partener: Universitatea Tehnica Cluj Napoca

  • Prof. Dr. Adrian Groza – director de proiect
  • Conf. Dr. Anca Mărginean – cercetător cu experiență
  • Conf. Dr. Radu Răzvan Slăvescu – cercetător cu experiență
  • Conf. Dr. Raluca Brehar - cercetator
  • Doctorand - membru doctorand

Buget: 598.795,00 RON, perioada de derulare 23.06.2022-22.06.2024

Rezumat

Degenerescența Maculară Legată de Vârstă (DMLV) este una dintre cele mai frecvente cauze de scădere a vederii la nivel mondial. În Europa, în 2040 se așteaptă ca numărul persoanelor cu DMLV precoce să varieze între 14.9 și 21.5 milioane, iar al celor cu DMLV avansată, între 3.9 și 4.8 milioane. Vederea scăzută afectează sever calitatea vieții populației și exercită o presiune financiară globală enormă. Tomografia în Coerență Optică (OCT) este o metodă imagistică neinvazivă care a revoluționat oftalmologia și a cărei perfecționare constantă a deschis perspective noi în managementul bolilor retinei. Cu toate acestea, numărul mare de persoane cu DMLV necesitând monitorizare OCT încarcă semnificativ practica oftalmologică. Simultan, evoluția Inteligenței Artificiale (IA) a condus la dezvoltarea unor metode capabile să efectueze analize de înalt nivel ale imaginilor și altor date. În consecință, serviciile medicale bazate pe IA sunt in expansiune, cu estimări de $6.6 bn până la finele anului 2021. Scopul acestei cercetări este de a dezvolta instrumente de Deep Learning (DL) pentru o soluție integrată în sprijinul oftalmologului la pacienții cu DMLV. Noutatea medicală rezultă din căutarea unor explicații mai bune privind patogeneza DMLV pe baza tehnicilor de DL. Din cunoștințele noastre, este primul proiect național care aplică tehnicile de DL asupra datelor OCT ale pacienților cu DMLV. Aceștia sunt in evidența Departamentului de Oftalmologie, Universitatea de Medicină și Farmacie Cluj. Tehnologic, noutatea rezultă din invățarea procesului de a prezice evoluția bolii pe baza secvențelor de imagini preluate la vizite succesive și din transmiterea către oftalmolog a explicației care a condus la respectiva concluzie obținută prin IA. Proiectul are un potențial ridicat de a contribui semnificativ la progresul cunoașterii în domeniu, iar rezultatele sale vor crește încrederea în soluțiile de IA în comunitățile științifice, medicale și de pacienți.

Obiectiv

Obiectivul general al acestei cercetări este acela de a dezvolta instrumente de DL pentru a oferi o soluție integrată menită să sprijine luarea deciziilor clinice pentru pacienții cu DMLV. Instrumentele vor ameliora screeningul, diagnosticul și tratamentul cu o înțelegere prin DL a bolii.
Pornind de la ceea ce este deja cunoscut privind patogeneza DMLV, vor fi construite modele DL ale semnelor de DMLV, urmate de identificarea a noi biomarkeri și a corelațiilor dintre aceștia. Aceasta va ameliora predicția evoluției de la un stadiu la altul a bolii și va explica răspunsul la tratament. Scopul este de a asista oftalmologul astfel încât eficiența screeningului, consistența și acuratețea diagnosticului să crească, în paralel cu reducerea stresului evaluărilor recurente în timpul perioadelor de tratament și de a îmbunătăți schemele de tratament individuale, atingându-se obiectivul medicine de precizie.

Obiective specifice

Cercetarea are următoarele obiective specifice:

1. Antrenarea și evaluarea screeningului efectuat pe baza DL
2. Antrenarea, evaluarea și explicarea diagnosticului pe baza DL, a aspectelor normale și cu diferite stadii de DMLV: precoce, intermediar sau avansat
3. Antrenarea, evaluarea și explicarea pe baza DL a predicției conversiei de la DMLV intermediară la DMLV avansată
4. Evaluarea eficienței tratamentului
5. Dezvoltarea unei planificări pentru injecțiile cu anti-VEGF
6. Identificarea unor noi biomarkeri și a relației lor cauzale cu DMLV.

Etape

Etapa 1. Inițierea dezvoltării prin DL a unor unor modele pentru date momentane și secvențiale la pacienții cu DMLV, în scop de screening, diagnostic și apreciere a momentului conversiei spre forma avansată de boală – data etapă 31.12. 2022

Rezultate obținute în proiect Etapa 1/2022

Etapa 2. Elaborarea și interpretarea modelelor DL pentru date momentane și secvențiale la pacienții cu DMLV. Elaborarea de module pentru evaluarea tratamentului și formularea de recomandări terapeutice – data etapă 31.12.2023

Rezultate obținute în proiect Etapa 2/2023

Etapa 3. Modele DL interpretate și validate clinic pentru date momentane și secvențiale la pacienții cu DMLV. Module pentru evaluarea calității tratamentului și a programului de injecții din perspectiva medicală – data etapă 22.06.2024

Rezultate obținute în proiect Etapa 3/2024

Diseminarea rezultatelor cercetarii

Papers for preparing the project (before June 2022)

  • Marginean B. A, Groza A, Muntean G, Nicoara SD. Predicting Visual Acuity in Patients Treated for AMD. Diagnostics. 2022 Jun;12(6):1504.
  • Bilc S., Groza A., Muntean, G.A., Nicoara, S. D. Interleaving automatic segmentation and expert opinion for diagnosing Diabetic Macular Edema. Diagnostics, vol 12 (1) (2021).
  • Groza, A., Toderean, L., Muntean, G.A., Nicoara, S. D. Agents that Argue and Explain Classifications of Retinal Conditions. J. Med. Biol. Eng. (2021). https://doi.org/10.1007/s40846-021-00647-7
  • Marginean, A.N., Muntean, D.D., Muntean, G.A., Priscu, A., Groza, A., Slavescu, R.R., Timbus, C.L., Munteanu, G.Z., Morosanu, C.O., Cosnarovici, M.M. and Pintea, C.M., 2021. Reliable Learning with PDE-Based CNNs and DenseNets for Detecting COVID-19, Pneumonia, and Tuberculosis from Chest X-Ray Images Mathematics, 9(4), p.434.
  • A. Groza; L. Toderean; G. Muntean; S. D. Nicoara Agents that argue and explain classifications of retinal conditions, Meditech 2020, (best paper)
  • R.R. Slavescu, I.C. Sporis, K. Gombos, K.C. Slavescu. Exploring Two deep Learning Based Solutions for Improving Endoscopy Artifact Detection. IFMBE Proceedings 88, 2022
  • A. Marginean, A. Groza, S. D. Nicoara, G. Muntean, R. R. Slavescu and I. A. Letia.
  • "Towards Balancing the Complexity of Convolutional Neural Network with the Role of Optical Coherence Tomography in Retinal Conditions", In 2019 IEEE 14th International Conference on Intelligent Computer Communication and Processing (ICCP), Cluj-Napoca, Romania

Papers with Acknowledgement:

  • George Muntean, Ioana Bostan, Adrian Groza, Simona Delia Nicoara, Predicting visual acuity for precision medicine. 3rd International Conference on Medical Imaging and Computer-Aided Diagnosis (MICAD2022), Leicester, UK, 20-21 November.
  • Anca Marginean, Bianca Vesa, George Muntean, Simona Nicoara, Low-dimensional representation of OCT volumes with supervised contrastive learning, ICCP, 22-24 September, 2022, Cluj-Napoca, Romania
  • Adrian Groza, Mihai Pomarlan. Towards an Ontology of Explanations in Aligning Computing Productivity with Human Creativity for Societal Adaptation, Rubina Polovina, Simon Polovina, and Neil Kemp (eds), Springer, 2022 (in press)

Contact

Simona Delia Nicoară, Profesor, Doctor în Medicină
Department Oftalmologie, Universitatea de Medicină și Farmacie “Iuliu Hațieganu”, Cluj-Napoca, România
E-mail:  

Adrian Groza, Profesor, Ph.D.
Computer Science Department, Technical University of Cluj-Napoca
Cluj-Napoca, Romania
https://users.utcluj.ro/~agroza/