Inteligentna walka z sepsą – innowacyjne wykorzystanie sztucznej inteligencji w szybkiej diagnostyce mikrobiologicznej sepsy

Sepsa jest stanem zagrażającym życiu wynikającym z uszkodzenia tkanek i narządów, do którego dochodzi na skutek zakażenia. Szacuje się, że na świecie z powodu sepsy co 3 sekundy umiera 1 osoba. Każdego roku sepsa dotyka 49 mln ludzi i powoduje 11 mln zgonów w skali globu. W zależności od kraju współczynnik śmiertelności wynosi 15-50% i jest wyższy niż w przypadku nowotworu układu oddechowego, czy zawału serca. W Polsce szacowana liczba przypadków to ok. 50 tyś./rok, których śmiertelność sięga 40-50%.

Pomimo postępów w leczeniu i wprowadzeniu długoterminowych terapii podtrzymywania życia, sepsa wciąż pozostaje jednym z najczęstszych i najgorzej diagnozowanych problemów medycznych. W przypadku zakażenia kluczowe znaczenie dla pacjenta ma szybka i trafna diagnostyka czynnika etiologicznego, co warunkuje wdrożenie skutecznej terapii i jego wyleczenie. W diagnostyce mikrobiologicznej wykorzystywane są metody hodowlane i molekularne. Mają one jednak swoje ograniczenia z uwagi na długi czas oczekiwania na wynik lub ograniczoną dostępność.

Tematyka projektu adresuje problem szybkiej diagnostyki mikrobiologicznej, umożliwiającej identyfikację drobnoustrojów patogennych powodujących zakażenia uogólnione przy zastosowaniu metod głębokiego uczenia maszynowego. Prezentowana metoda pozwoli na identyfikację drobnoustrojów na podstawie obrazów mikroskopowych preparatów z materiałów klinicznych – krwi, barwionych metodą Grama, z wykorzystaniem opracowanych przez zespół projektowy algorytmów AI (ang. Artificial Intelligence).

Innowacyjne rozwiązanie pozwoli na redukcję kosztów i ograniczanie zużycia zasobów poprzez wyeliminowanie konieczności wykonywania wielu posiewów i testów umożliwiających identyfikację patogenów, ale przede wszystkim umożliwi znaczące skrócenie czasu diagnostyki i wdrożenie skutecznej terapii przeciwdrobnoustrojowej. Efektem końcowym projektu będzie opracowanie prototypu aplikacji komputerowej – MicroBloodID, która na podstawie obrazu z mikroskopu optycznego z preparatu z krwi, poprzez zastosowanie metod głębokiego uczenia maszynowego, dokona identyfikacji czynnika etiologicznego zakażenia oraz wygeneruje spersonalizowane zalecenia empirycznej terapii przeciwdrobnoustrojowej.

Projekt będzie realizowany przez zespół naukowców, kierowany przez prof. dr hab. Monikę Brzychczy-Włoch (Głównego wykonawcę projektu ) przy współpracy z zespołem dr hab. Bartosza Zielińskiego, prof. UJ z Instytutu Informatyki i Matematyki Komputerowej Wydziału Matematyki i Informatyki UJ.

Wartość projektu : 643 440,00 zł
Wysokość wkładu z Funduszy Europejskich : 643 440,00 zł

Klauzula informacyjna

#FunduszeUE  #FunduszeEuropejskie