
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.