Sökträffar

    Sökträffar

    Visa alla resultat för ""
    Hittar inga resultat eller sökförslag för "."

    Söktips

    • Kontrollera att orden är rättstavade
    • Försök med andra sökord eller synonymer
    • Smalna av din sökning för att få fler träffar

    Hur kan vi hjälpa dig?

    Ny student

    Kontakta oss

    Hitta medarbetare

    Sökträffar

      Sökträffar

      Visa alla resultat för ""
      Hittar inga resultat eller sökförslag för "."

      Söktips

      • Kontrollera att orden är rättstavade
      • Försök med andra sökord eller synonymer
      • Smalna av din sökning för att få fler träffar

      Hur kan vi hjälpa dig?

      Ny student

      Kontakta oss

      Hitta medarbetare

      Högskolan i Skövde, länk till startsida

      Digitaliserat AI-verktyg för säkrare ATMPs

      Forskningsgrupp Translationell Bioinformatik
      Forskningsmiljö Systembiologi

      Kort om projektet

      Projektnamn

      Digitaliserat AI-verktyg för säkerhetsprediktion av ATMPs (digiSafe-ATMPs)

      Projekttid

      November 2023 – Oktober 2026

      Finansiering och samverkan

      VINNOVA, RISE, SciCross, VeriGraft

      Advanced Therapy Medicinal Products (ATMPs) är ett snabbt växande forskningsfält inom medicin med stor potential, där det finns ett växande behov av robusta och effektiva metoder för att karaktärisera och klassificera processer för bedömning av säkerhetsaspekter kring behandlingen. Projektet samlar intressenter från akademi och industri för utveckling av AI-baserade metoder för säkerhetsbedömning av ATMPs och för att identifiera nya säkerhetsbiomarkörer för att upptäcka avvikelser i tidiga skeden av ATMP-tillverkningsprocessen.

      Genom avancerad digitalisering inom ATMP-sektorn förväntas vi med hjälp av nya AI-baserade metoder utvecklade inom projektet att kunna förutsäga eventuella kvalitetsproblem av ATMPs vilket leder till ökad patientsäkerhet och minskad produktionskostnad.

      AI-modellerna tränas med omics-datamängder genererade från olika stadier av tillverkningen av personliga vävnadskonstruerade blodkärl, samt med data från mottagarens friska blodkärl och de utskurna transplantaten ett år efter transplantationen.

      Toppmoderna Siamese Neural Networks-modeller kommer att tränas för att producera likhetspoäng för att bedöma säkerheten för transplantatet och definiera specifikationen för säkerhetsbedömningstestet, och förutsäga om transplantatet har tillräckligt hög kvalitet för att transplanteras till patient.

      Inom projektet utvecklas också så kallade Variational Autoencoders som tränas på integrerad omics-data för att upptäcka nya säkerhetsbiomarkörer genom att extrahera biologisk information från latenta variabler.

      Projektet koordineras från Högskolan i Skövde och genomförs i nära samarbete med RISE Research Institute of Sweden och våra industriella partners VERIGRAFT AB och SciCross AB.

      Medverkande forskare

      Joakim Håkansson
      RISE
      Petter Björquist
      Verigraft
      Pierre Dönnes
      SciCross
      Publicerad: 2023-11-30
      Senast ändrad: 2023-11-30
      Sidansvarig: webmaster@his.se