Classificatie van urine sediment partikels aan de hand van beelden gemaakt door een automatische microscoop
Name of data controller/Naam van verwerkingsverantwoordelijke
Glynis Frans
Description/beschrijving
Traditioneel wordt er in het klinisch laboratorium gezocht naar de aanwezigheid van pathologische cellen en elementen (bv. rode en witte bloedcellen) in urine door middel van manuele microscopie. Deze manier van werken heeft nadelen: het kost veel tijd, er is nood aan expertise en doorgedreven opleiding bij het personeel, en de resultaten zijn niet altijd even precies. De afgelopen 25 jaar wordt er echter steeds meer gebruik gemaakt van automatische microscopen en software om deze analyse sneller en preciezer te kunnen doen. Hiervoor wordt er steeds vaker software op basis van artificiële intelligentie (AI) gebruikt.
Purpose(s)/doelstelling(en)
In deze studie willen we nieuwe AI-software ontwikkelen die getraind is via beelden van de automatische microscoop die aanwezig is op de dienst Laboratoriumgeneeskunde in UZ Leuven en die in staat is om pathologische cellen en elementen in de urine te herkennen en classificeren. Om dit model te ontwikkelen en te trainen, zal gebruik gemaakt worden van historische urine sediment beelden. Deze beelden werden verkregen via routine laboratoriumdiagnostiek op urinestalen bij patiënten in UZ Leuven.
Link to website(s) with additional information/ Link naar website(s) met bijkomende informatie
European Federation of Laboratory Medicine Urinalysis Guideline 2023: https://pubmed.ncbi.nlm.nih.gov/38534005/
Review artikel over het gebruik van artificiële intelligentie voor urine analyse in klinische laboratoria: https://pubmed.ncbi.nlm.nih.gov/37708293/