AI-baserade lösningar för avancerad digitalisering av ATMP kvalitetskontroll

Syfte och mål

Projektet syftar till att vidareutveckla en AI-modell, som tränats på komplexa single-cell RNA-seq-data, för att förutsäga cellkvalitet hos ATMPs. Projektet kommer att anpassa denna AI-modell till bulk-RNA-data, för en bredare användning i standardlabb utan avancerad utrustning för att generera single-cell-data. Målet med projektet är att utveckla en kostnadseffektiv, skalbar och digitaliserad plattform för kvalitetskontroll av ATMPs, med mänskliga embryonala stamceller som modellsystem.

Förväntade effekter och resultat

Detta projekt förväntas att avsevärt stärka den svenska ATMP-industrin samt internationella ATMP-företag genom avancerad digitalisering av QC-processen. Genom att implementera effektiva AI-baserade QC-metoder kommer projektet att möjliggöra tidig identifiering av celler av sämre kvalitet i ATMP-tillverkning, vilket förhindrar ekonomiska förluster på grund av kostsamma standardmetoder för QC samt misslyckade kliniska prövningar.

Planerat upplägg och genomförande

Projektet är strukturerat i sex sekventiella delar: 1. Konvertering av single-cell-data till pseudo-bulk data. 2. Utveckling av en pseudo-bulk AI-modell för bedömning av cellkvalitet. 3. Tolkning av transkriptomik signaturer för en förenklad pseudo-bulk-modell. 4. Transfer learning för övergång från pseudo-bulk till små skaliga datasets. 5. Validering av AI-modellen. 6. Kommersialisering och spridning av AI-lösningen.