Chronische totale occlusies (CTO’s) zijn volledig geblokkeerde bloedvaten die jaarlijks bijdragen aan meer dan 100.000 sterfgevallen en 6 miljoen niet-fatale complicaties in Europa. Er is momenteel geen enkel systeem dat een geleidedraad nauwkeurig door complexe CTO-lesies kan sturen. In APOLLO richten we ons op een deelprobleem hiervan door voor de aansturing van robotsystemen AI-modellen te trainen op basis van een nieuw te ontwikkelen 3D-dataset.
De concrete innovatie van APOLLO is het ontwikkelen en operationaliseren van AI-gebaseerde technologie om realtime navigatie in complexe bloedvaten mogelijk te maken. We stellen een geannoteerde dataset op bestaande uit point clouds (3D, volumetrische data) van menselijke, vasculaire systemen. Hierna trainen en valideren we AI-modellen op basis van de geannoteerde dataset. Voorop staat dat deze modellen gericht zijn op segmentatie: het specifiek classificeren van de verschillende volumes binnen een point cloud. Deze informatie kan dan gebruikt worden om het volume van een blokkade te achterhalen en de weg daar naartoe te berekenen door een bloedvat heen. De resultaten maken we beschikbaar volgens open science en open data (FAIR) principes.