ES 
EN 
Dr. Anant Madabhushi
Beneficiario de la Beca de Estudios Auxiliares NEPTUNE
El Dr. Anant Madabhushi, PhD, es el Director del Centro de Imágenes Computacionales y Diagnóstico Personalizado (CCIPD) y Profesor II F. Alex Nason, Departamento de Ingeniería Biomédica de la Universidad Case Western Reserve. El Dr. Madabhushi es autor de más de 270 publicaciones revisadas por pares en las principales revistas y conferencias internacionales y tiene 25 patentes pendientes en las áreas de visión por computadora y análisis de imágenes médicas para la medicina de precisión del cáncer. El Dr. Madabhushi ha tenido una larga y productiva trayectoria trabajando en investigación traslacional y también en comercialización de tecnología biomédica. Fue cofundador de Ibris Inc., una empresa de patología digital en 2010.
Cleveland Ohio
Universidad Case Western Reserve
Resumen Laico del Proyecto:
La evaluación patológica convencional del síndrome nefrótico (SN) no logra capturar completamente las características estructurales que reflejan los mecanismos y predicen los resultados. Los patólogos de la Red de Estudio del Síndrome Nefrótico (NEPTUNE) han establecido un Repositorio de Patología Digital (DPR) de imágenes de biopsia de riñón (WSI) en portaobjetos completos y han desarrollado métodos para estandarizar la evaluación visual, lo que resulta en una mayor reproducibilidad y precisión. El Dr. Madabhushi estudiará si la anotación computacional de primitivas, lograda con este estudio piloto, permitirá el descubrimiento de características visuales y subvisuales que pueden usarse en estudios futuros para el descubrimiento de mecanismos moleculares y objetivos terapéuticos, y la categorización clínicamente relevante de NS. En consecuencia, proponemos desarrollar y probar aplicaciones fundamentales (caja de herramientas) de la plataforma de interrogación histoómica analítica basada en patología digital NEPTUNE (NDP-ASSET) para la segmentación de clases de primitivas estructurales normales y patológicas (primarias y secundarias). Se entrenarán algoritmos de aprendizaje profundo (DL) basados en redes neuronales convolucionales para la anotación automática de primitivas en WSI de riñones normales y enfermos, y posteriormente se validarán en un conjunto de replicación independiente. Para demostrar la utilidad de los datos estructurales profundamente anotados, desarrollaremos y aplicaremos herramientas para la extracción de características subvisuales para probar si las características subvisuales pueden predecir los genotipos de riesgo de APOL1 en pacientes afroamericanos con NEPTUNE.
