Vandaag, 24 mei 2024, publiceerde Nature Medicine online een artikel over het indrukwekkende onderzoek dat Tjalling Bosse startte in 2020 met de titel AIR-MEC: Artificial Intelligence to Refine the Molecular Endometrial Cancer Classification. Het Hanarth is trots om hier financieel aan te hebben kunnen bijdragen. Tjalling en zijn team hebben dit AI-model ontwikkeld om herhaling van endometriumkanker op afstand te voorspellen op basis van 1HE-dia en stadium bij diagnose. Het complete artikel is hier te lezen: https://lnkd.in/g7g8EmqC. Zeer de moeite waard is ook de onderstaande animatie over het project en het belang ervan voor vrouwen die lijden aan endometriumkanker. Het Hanarth Fonds is erg trots op de resultaten van het team én op de mega prestatie is om in Nature Medicine met zo'n mooi artikel te verschijnen. Gefeliciteerd Tjalling Bosse en team! #kanker #cancer #onderzoek #research #ai #artificialintelligence #oncologie #oncology #publicatie #publication
Stichting Hanarth Fonds
Non-profitorganisaties
Den Haag, Zuid-Holland 159 volgers
Kunstmatige Intelligentie in Oncologie - Ondersteuning van wetenschappelijk onderzoek
Over ons
Het Hanarth Fonds is op 28 september 2018 opgericht en is ontstaan uit de nalatenschap van Arthur del Prado, oprichter en voormalig CEO van ASM International. Het fonds wil het gebruik van kunstmatige intelligentie en machine learning bevorderen en verbeteren om de diagnose, behandeling en uitkomst van patiënten met kanker te verbeteren. In dit kader ondersteunt het Hanarth Fonds wetenschappelijk onderzoek dat zich richt op met name, maar niet uitsluitend, zeldzame vormen van kanker. Beoogde aanvragers zijn clinici of wetenschappers met een achtergrond op het gebied van de oncologie en met belangstelling voor kunstmatige intelligentie en machine learning tezamen met (een) partner(s) met een achtergrond op het gebied van kunstmatige intelligentie en machine learning en belangstelling voor de oncologie. Het fonds kent twee vormen van financiering: 1) Voor onderzoeksprojecten in het voornoemde onderzoeksgebied waarbij algoritmen op het gebied van kunstmatige intelligentie ontwikkeld worden en/of op gegevensverzamelingen worden toegepast; Voor fellowships voor het volgen van een specifiek opleidingstraject dat de meerwaarde erkent van de toepassing van machinaal leren bij onderzoek, dagelijkse werkzaamheden in de klinische praktijk en organisatorische processen. 2) Op deze website leest u meer informatie over het fonds, de organisatie en de financieringsmogelijkheden, voorwaarden en procedure. Tevens kunt u via de website uw aanvraag indienen. Check of u in aanmerking komt voor financiering op www.hanarthfonds.nl.
- Website
-
https://www.hanarthfonds.nl/
Externe link voor Stichting Hanarth Fonds
- Branche
- Non-profitorganisaties
- Bedrijfsgrootte
- 2-10 medewerkers
- Hoofdkantoor
- Den Haag, Zuid-Holland
- Type
- Non-profit
- Opgericht
- 2018
- Specialismen
- kunstmatige intelligentie, machine learning, diagnose, behandeling en uitkomst van patiënten met kanker te verbeteren, wetenschappelijk onderzoek dat zich richt op (met name maar niet uitsluitend zeldzame vormen van) kanker en Financieren & Faciliteren van onderzoek
Locaties
-
Primair
Routebeschrijving
Wolga 5
Den Haag, Zuid-Holland 2491, NL
Medewerkers van Stichting Hanarth Fonds
Updates
-
Ruim € 6 miljoen toegekend voor de vijfde call van het Hanarth Fonds! Voor de call 2023 ontving het Hanarth Fonds 70 financieringsaanvragen. Na een zorgvuldig beoordelingsproces worden 13 onderzoeksprojecten gefinancierd. Het Hanarth Fonds wil het gebruik van kunstmatige intelligentie en machine learning bevorderen en verbeteren om de diagnose, behandeling en uitkomst van patiënten met kanker te verbeteren. Wij wensen de onderstaande aanvragers veel succes met hun onderzoek waarmee zij bijdragen aan de doelstelling van het Hanarth Fonds. MaLMeC: Machine-Learned DNA Methylation Classification to enable tumor subtyping from liquid biopsies Jeroen de Ridder UMC Utrecht Artificial intelligence for risk group classification and staging of Wilms tumors Ronald de Krijger Prinses Máxima Centrum voor Kinderoncologie Development and implementation of Image-based machine-learning models to Determine the response to neoadjuvant therApy in panCreatic ducTal adenocarcinoma (DIDACT) Inez Verpalen Amsterdam UMC AI-IMAGINE - Automated Intraoperative assessment of IMAGINg Endpoints for first-time right liver thermal ablation Kristian Overduin Radboudumc SalvIdentify: improving salivary gland tumor diagnostics by artificial intelligence based classification Danielle Cohen Leiden University Medical Center Improved residual disease detection after (chemo-)radiotherapy for locally advanced head and neck squamous cell carcinoma Cornelis van den berg UMC Utrecht TowArds IndividuaLized PSMA PET/CT-guided Treatment in Metastastatic PrOstate CanceR Using Machine Learning-Derived Risk Stratification (TAILOR-MADE) Arthur Braat UMC Utrecht Deep uLMS: Deep Learning To Improve Uterine LeiomyoSarcoma Diagnostics Tjalling Bosse Leiden University Medical Center Predicting functional and cognitive decline after glioma surgery (PREDICT) Linda Douw Amsterdam UMC Response prediction to neoadjuvant chemotherapy in patients with triple negative breast cancer based on integrated diagnostics Carolien van Deurzen Erasmus MC Improving early detection of PANcreatic cancer in HIgh-risk individuals through Artificial Intelligence methods (PAN-HI-AI) Prof. Jeanin E van Hooft, MD, PhD, MBA Leiden University Medical Center Physics-informed Neural networks to standardize brain MRI: boosting AI applications in gliomas and meningiomas Alessandro Sbrizzi`/ Stefano Mandija UMC Utrecht Artificial Intelligence-based MRI diagnosis of Prostate Cancer: a two-step research approach to realize clinical implementation Derya Yakar UMCG #kanker #wetenschap #onderzoek #financiering #kunstmatigeintelligentie #oncologie #machinelearning #ai #artificialintelligence #oncology #funding #fellowship #research #cancerresearch