Back to search

NAERINGSPH-Nærings-phd

Deep machine learning for Ocular Surface Disorder (OSD) – A structured search for new and objective diagnostic criteria

Alternative title: Kunstig intelligens og dyp maskinlæring for avvikende tårefilm (OSD) - Et strukturert søk etter nye objektive diagnostiske kriterier

Awarded: NOK 2.4 mill.

iFocus Eyclinic has sofar initiated three separate PhD projects all focusing on Ocular Surface Disorder (OSD) in patients scheduled for cataract surgery. Project I: 306649 - Ocular Surface Disorder (OSD) and its implication for refractive accuracy and precision in cataract surgery = Epidemiologic study Prosject II: 306635 - Ocular Surface Disorder (OSD) and its implication for refractive accuracy and precision in cataract surgery = Intervention/Treatment study Prosjekt III: 313096 - Ocular Surface Disorder (OSD) and its implication for refractive accuracy and precision in cataract surgery = Biochemical analysis of inflammation parameters in an acute and long term perspective = Metabolomic The present and 4. PhD project will build on the thre other projects. Data will be collected and structurized in a very large database. This database will of such a size and complexity, that our human brain might be uanable to see important collerations. Artificial intelligens and deep machine learning as a method can detect correlations in huge databases that otherwise might be lost. The final goal for this project is to detect new, robust and objective criteria for OSD which: A) can improve our general understanding of OSD B) can lead to more objective diagnoses and disease grading of OSD C) can lead to better evaluation of treatment algorithms for OSD Ocular Surface Disorder (OSD) is a very common eye disorder which also show an increasing prevalence. It is therefore important that we can understand the disorder better and its clinical implications for the individual patient as well as for ophthalmology in general. Any significant finding may have important clinical as well as commercial value.

iFocus Øyeklinikk har pr januar 2021 ialt tre Nærings-PhD prosjekt løpende med støtter fra NFR og med OsloMet som gradsgivende institusjon. I: 306649 - Avvikende tårefilmkvalitets betydning for refraktiv presisjon ved operativ behandling av grå stær - forekomst, diagnostikk og behandling = Epidemiologi II: 306635 - Avvikende tårefilmkvalitet hos pasienter med grå stær – Klinisk betydning for refraktiv presisjon og effekt av intervensjon = Behandling III: 313096 - Avvikende tårefilmkvalitet hos pasienter med grå stær - Biokjemisk analyse av inflammasjonsparametre i akuttfasen og i et lengre perspektiv = Metabolomikk Data fra disse prosjektene vil det samles i en stor, felles database bestående av både kliniske data, kvalitative så vel som kvantitative og laboratoriedata. De tre prosjektene er rettet mot fagområdet tørre øyne/avvikende tårefilm fra ulike vinkler, men med et felles mål om å utvikle objektive og robuste parametre for både diagnostikk, sykdomsgradering og til å måle effekt av behandling. Den felles databasen vil inneholde et bredt spekter av data fra ialt 250 studiepasienter som skal følges over tid. Datamengden vil vokse eksponentielt og vi forventer at konvensjonelle vitenskapelige metoder ikke vil evne å fange opp.. Denne begrensningen ønsker vi å utfordre ved hjelp av kunstig intelligens/maskinlæring. KI kan evne å fange opp ny og viktig informasjon fra store matriser som ellers lett kan bli oversett ved mer konvensjonell analyse. Den aktuelle KI - PhD kandidaten representerer en naturlig forlengelse/utvidelse av de tre pågående prosjektene. Kandidaten vil bistå til strukturering og avansert analyse av data. Denne type tverrfaglig samarbeid mellom klinisk medisin og AI representerer et stort potensiale for å nå de målene som ligger i samtlige prosjekt. AI analyser vil videre representere en mulighet for å finne dypere sammenhenger i den kliniske databasen. Dette kan også ha et kommersielt potensiale.

Funding scheme:

NAERINGSPH-Nærings-phd