Opracowanie modelu predykcji somatycznych wariantów genetycznych w raku brodawkowatym tarczycy z wykorzystaniem sztucznej inteligencji (AI)
Oficjalna strona projektu: Link
Okres realizacji: 2026-03-20 – 2027-03-20
Całkowita wartość projektu: 69 550,00 zł
Kwota dla UJ CM: 69 550,00 zł
Konkurs: Studenckie Koła Naukowe Tworzą Innowacje
E-mail kierownika: malgorzata.trofimiuk@uj.edu.pl
Osoba do kontaktu: Anna Leśniak
Telefon osoby do kontaktu: 12 43 32 800
E-mail osoby do kontaktu: anna1.lesniak@uj.edu.pl
Jednostka: Katedra Endokrynologii
Telefon do jednostki: 12 400 14 66
Głównym celem projektu jest opracowanie z wykorzystaniem uczenia maszynowego narzędzia, które na podstawie danych generowanych standardowo w procesie diagnostycznym pozwoli na przewidywanie zmian molekularnych w raku brodawkowatym tarczycy.
Rak brodawkowaty tarczycy, najczęstszy nowotwór układu dokrewnego, zwykle cechuje się dobrym rokowaniem. U około 10–15% pacjentów choroba przebiega bardziej agresywnie (wznowy miejscowe, przerzuty odległe), a standardowe leczenie – terapia jodem radioaktywnym – częściej jest nieskuteczne. Jedną z opcji leczenia w takich wypadkach jest terapia ukierunkowana molekularnie. Warunkiem jej zastosowania jest identyfikacja określonych zmian genetycznych w guzie.
Rutynowo badania genetyczne tkanek nowotworu wykonuje się po potwierdzeniu zaawansowanego raka brodawkowatego tarczycy, tuż przed decyzją o wprowadzeniu leczenia celowanego. Degradacja materiału genetycznego może jednak uniemożliwić wykorzystanie w tym celu materiału historycznego i wiązać się z koniecznością uzyskania świeżych tkanek guza, często z użyciem inwazyjnych procedur. Wczesna diagnostyka genetyczna guzów jest z kolei kosztowna – z tego powodu nie powinna być wykonywana jako badanie przesiewowe w raku brodawkowatym tarczycy.
Opracowanie modelu predykcji somatycznych wariantów genetycznych w raku brodawkowatym tarczycy z wykorzystaniem sztucznej inteligencji ma ułatwić typowanie chorych, u których wczesna diagnostyka molekularna przyniesie najwięcej korzyści, skracając czas do podjęcia optymalnej decyzji terapeutycznej. Skuteczne narzędzie predykcyjne będzie też sprzyjać racjonalnemu i kosztowo-efektywnemu wykorzystaniu zasobów ochrony zdrowia.
Projekt łączy medycynę precyzyjną, patologię cyfrową i zaawansowaną analizę danych, tworząc fundament pod nową generację inteligentnych narzędzi wspierających onkologię - z możliwością dostosowania do innych nowotworów, w których istnieje zależność między obrazem histologicznym a profilem molekularnym.