Plataforma de imagiologia médica de precisão para melhorar as tarefas de medicina personalizada na deteção e diagnóstico de doenças crónicas não transmissíveis. Uma abordagem na deteção e diagnóstico do cancro.

O PRIMED pretende alcançar os seguintes objetivos: O1. Criar uma plataforma para desenvolver repositórios digitais de casos de pacientes e modelos de aprendizagem (profunda) federada em cenário de Bigdata: um requisito fundamental para que os sistemas baseados na aprendizagem automática/profunda possam inferir novos conhecimentos, com base na disponibilidade de bases de dados de treino suficientemente grandes, que forneçam uma representação completa da variabilidade dos dados e das caraterísticas relevantes, recorrendo a um paradigma de aprendizagem automática, baseado num modelo de aprendizagem federada. Pretendem-se desenvolver dois repositórios digitais (casos de uso) representativos de casos de pacientes: um de cancro de pulmão e outro do cancro da mama. O2. Desenvolver uma metodologia para garantir o processo de curadoria de dados: a compreensão da relação entre dados heterogéneos é essencial em aplicações médicas, em que a realização de um diagnóstico ou a compreensão da dinâmica de uma patologia exige a análise conjunta de múltiplos canais de dados, por exemplo dados demográficos, imagiológicos e dados genéticos, entre outros. A estruturação e homogeneização eficiente dos dados recolhidos será, por conseguinte, um desafio importante que implicará: Harmonização de tipos de dados semelhantes adquiridos de fontes heterogéneas (por exemplo, diferentes marcas de equipamentos médicos para adquisição de imagens); Lidar com o problema dos dados em falta/parciais (historial, fatores de risco, relatórios médicos em falta, etc.), bem como com tipos de dados parcialmente sobrepostos (dados multicanais) que têm de ser fundidos em modelos relativos à mesma coorte. O3. Implementar uma interface humano-computador de apoio ao diagnóstico multimodal e fiável: para explorar o compromisso entre eficiência e explicabilidade; onde é que a aprendizagem profunda deve permanecer uma caixa preta, apontando apenas para factos exteriores, e onde é que compensa explicar ao utilizador os estados latentes do modelo aprendido para ganhar a sua confiança, e permitir um apoio eficiente e eficaz à colaboração em equipas multidisciplinares (por exemplo, painéis de especialistas em cancro). O4. Caracterização multimodal de lesões patológicas, representativas de cancro: este objetivo dará enfoque à caraterização de lesões patológicas (pulmonares e mamárias) através da integração multimodal de caraterísticas de diagnóstico não invasivas e de informações do paciente, que implica dois desafios diferentes: Diferenciação não invasiva de lesões patológicas benignas e malignas. Resolver o problema do sobrediagnóstico e do tratamento excessivo. O5. Identificação de biomarcadores multimodais para prognóstico e previsão de tratamentos personalizados do cancro da mama e/ou do pulmão: explorar dados multidimensionais quantitativos para identificar modelos aprendidos, e derivar deles potenciais biomarcadores para o prognóstico personalizado do cancro, previsão e seleção de terapia, bem como prognóstico, visando o objetivo da medicina de precisão. O6. Desenvolver pilotos de diagnóstico e validação clínica: para testar e validar toda a gama de funcionalidades e o impacto potencial do PRIMED, toda a plataforma será objeto de validação clínica em pelo menos 2 centros-pilotos (hospitais – unidades de saúde local da região de Lisboa e Vale do Tejo).