Laskennallisesti vaativa histopatologisten kudosnäytteiden mallinnus generatiivisten ja ennustavien tekoälymenetelmien avulla

Akronyymi

ComPatAI

Rahoitetun hankkeen kuvaus

Digitaalipatologian yleistymisen myötä histologisten kokoleikekuvien saatavuus on helpottunut. Datan saatavuus on mahdollistanut laskennallisten menetelmien kehittämisen histopatologisten näytteiden tulkintaan. Laskennallisten menetelmien täyden potentiaalin saavuttaminen edellyttää suurteholaskennan hyödyntämistä. Tässä tutkimuksessa kehitämme generatiivisia ja ennustavia tekoälymalleja suurteholaskentaa hyödyntäen histopatologian tarpeisiin. Kehitämme yleiskäyttöisiä tekoälymalleja patologisten näytteiden mallinnukseen käyttäen itseoppivaa tekoälyä massiivisille julkisille näyteaineistoille. Lisäksi laajennamme värjäämättömien kudosleikekuvien käyttömahdollisuuksia, vähentäen patologian näytekäsittelyn kemikaalikuormaa ja mahdollistaen kudosten tulkinnan ihmissilmälle mahdottomissa sovelluksissa. Laajennamme myös värjäämättömien kudosleikkeiden käyttömahdollisuuksia syöpäkudoksissa kohti histogenomista ja proteomitason tulkintaa.
Näytä enemmän

Aloitusvuosi

2024

Päättymisvuosi

2026

Myönnetty rahoitus


Pekka Ruusuvuori Orcid -palvelun logo
340 447 €

Rooli Suomen Akatemian konsortiossa

Johtaja

Muut osapuolet

Partneri
Itä-Suomen yliopisto (359230)
234 269 €

Rahoittaja

Suomen Akatemia

Rahoitusmuoto

Suunnattu akatemiahanke

Muut tiedot

Rahoituspäätöksen numero

359229

Tieteenalat

Tietojenkäsittely ja informaatiotieteet

Tutkimusalat

Laskennallinen tiede

Tunnistetut aiheet

bioinformatics