Współfinansowanie projektu

BreastAI – Opracowanie innowacyjnych modeli sztucznej inteligencji wspomagających diagnostykę raka piersi w histopatologii

 

Projekt„BreastAI – Opracowanie innowacyjnych modeli sztucznej inteligencji wspomagających diagnostykę raka piersi w histopatologii”, realizowany przez Cancer Center Sp. z o.o., jest współfinansowany ze środków Unii Europejskiej w ramach programu „Fundusze europejskie dla Dolnego Śląska 2021–2027”, Priorytet 1: Fundusze europejskie dla przedsiębiorczego Dolnego Śląska, Działanie 1.2 Innowacyjne przedsiębiorstwa.

Cel projektu
Celem projektu jest stworzenie innowacyjnych modeli sztucznej inteligencji (AI), które będą wspierać diagnostykę raka piersi w histopatologii. System oparty na sztucznej inteligencji pozwoli na szybszą i dokładniejszą analizę obrazów mikroskopowych oraz ocenę markerów prognostycznych, co znacznie skróci czas oczekiwania na wynik diagnostyczny i zwiększy skuteczność leczenia.

Etapy projektu i planowane działania:

Etap 1: Prace przemysłowe (badawcze)

  • Opracowanie narzędzi służących do pozyskiwania, agregowania i anonimizacji danych histopatologicznych pochodzących z różnych źródeł (partnerzy medyczni, publiczne bazy danych).
  • Określenie zakresu dokumentacji pacjentów oraz ujednolicenie danych wejściowych (technologie skanowania, formaty, metadane).
  • Opracowanie narzędzi do ręcznej segmentacji zmian chorobowych przez ekspertów – podstawa do dalszego szkolenia modelu.

Etap 2: Prace przemysłowe (badawcze)

  • Stworzenie i optymalizacja przeglądarki obrazów histopatologicznych z funkcją dodawania adnotacji w postaci masek.
  • Wdrożenie półautomatycznej segmentacji zmian nowotworowych.
  • Wykorzystanie metod rozszerzania zbiorów danych oraz tworzenie znormalizowanych zbiorów danych na potrzeby dalszych prac.

Etap 3: Prace rozwojowe

  • Opracowanie i walidacja modeli sztucznej inteligencji służących do automatycznej segmentacji zmian patologicznych.
  • Badania nad wyborem architektury (w tym sieci neuronowych konwolucyjnych i rekurencyjnych).
  • Opracowywanie i testowanie algorytmów na danych pochodzących z rzeczywistych przypadków, zgodnie z medycznymi wskaźnikami jakości (np. współczynnikiem Dice’a).

Etap 4: Prace przedwdrożeniowe

  • Testy penetracyjne i walidacja algorytmów w środowisku zbliżonym do warunków klinicznych.
  • Opracowanie dokumentacji technicznej i użytkowej niezbędnej do certyfikacji (zgodność z rozporządzeniem IVDR).
  • Szkolenia dla personelu medycznego oraz wsparcie wdrożeniowe.

Grupy docelowe
Projekt jest skierowany do:

  • Personel medyczny: patolodzy, onkolodzy, technicy medyczni – którzy skorzystają z narzędzia wspomagającego pracę diagnostyczną.
  • Pacjentki z grupy ryzyka oraz te poddające się leczeniu raka piersi – dzięki wcześniejszej i dokładniejszej diagnostyce.
  • Ośrodki kliniczne i laboratoria diagnostyczne które wdrożą rozwiązania oparte na sztucznej inteligencji, poprawiające wydajność pracy i jakość diagnostyki.

Wyniki projektu

  • Opracowanie innowacyjnego narzędzia opartego na sztucznej inteligencji, wspomagającego rozpoznawanie raka piersi w histopatologii.
  • Skrócenie czasu diagnozy nawet o 50%.
  • Większa dokładność w klasyfikacji zmian chorobowych (np. w skali z Nottingham) oraz w ocenie markerów prognostycznych.
  • Przygotowanie systemu do certyfikacji jako wyrobu medycznego (IVDR).
  • Przekazywanie wiedzy do środowiska klinicznego poprzez szkolenia i dokumentację wdrożeniową.

Wartość projektu: 5 556 687,92 PLN
Wkład z funduszy europejskich: 3 652 319,94 PLN

Okres realizacji: 01.09.2024 – 30.10.2026
Lokalizacja: Wrocław, województwo dolnośląskie

#FunduszeUE #FunduszeEuropejskie

​​ZGŁASZANIE NIEPRAWIDŁOWOŚCI

Informujemy, że istnieje możliwość zgłoszenia do Instytucji Zarządzającej – w tym za pośrednictwem anonimowego formularza kontaktowego dostępnego na stronie internetowej programu – informacji dotyczących potencjalnych nadużyć finansowych, w tym konfliktów interesów lub korupcji.

Wszelkie informacje dotyczące nadużyć finansowych związanych z realizacją programów w ramach funduszy europejskich dla Dolnego Śląska w latach 2021–2027 należy zgłaszać:
pocztą na adres:
URZĄD MARSZAŁKA WOJEWÓDZTWA DOLNOŚLEZKIEGO
Departament Funduszy Europejskich
ul. Mazowiecka 17
50-412 Wrocław
Polska

lub za pośrednictwem formularza kontaktowego dostępnego na stronie internetowej programu pod adresem:
https://www.funduszeuedolnoslaskie.pl/strona/6300-zglos-naduzycie

Możliwe jest również zgłoszenie na piśmie do Dolnośląskiej Instytucji Pośredniczącej wszelkich podejrzeń dotyczących niezgodności projektu lub działań beneficjenta/partnera/podmiotu upoważnionego do ponoszenia wydatków z Konwencją o prawach osób niepełnosprawnych, przyjętą w Nowym Jorku 13 grudnia 2006 r., oraz Karty praw podstawowych Unii Europejskiej, ogłoszonej 26 października 2012 r.

Wszelkie informacje dotyczące nieprzestrzegania przepisów należy przesyłać pocztą na adres Dolnośląskiej Instytucji Pośredniczącej:
Dolnośląska Instytucja Pośrednicząca (Dolnośląska Instytucja Pośrednicząca),
ul. Kwiatkowskiego 4,
52-407 Wrocław
Polska

lub za pośrednictwem skrzynki odbiorczej ePUAP /DIP/SkrytkaESP.

Wersja polska:

Tytuł projektu: BreastAI – opracowanie nowatorskich modeli sztucznej inteligencji wspomagających diagnostykę raka piersi w histopatologii

Projekt „BreastAI – opracowanie nowatorskich modeli sztucznej inteligencji wspomagających diagnostykę raka piersi w histopatologii”, realizowany przez Cancer Center Sp. z o.o., jest współfinansowany ze środków Unii Europejskiej w ramach programu „Fundusze Europejskie dla Dolnego Śląska 2021–2027”, Priorytet 1: Fundusze Europejskie na rzecz przedsiębiorczego Dolnego Śląska, Działanie 1.2 Innowacyjne przedsiębiorstwa.

Cel projektu

Celem projektu jest stworzenie innowacyjnych modeli sztucznej inteligencji (AI), które będą wspomagać diagnostykę raka piersi w histopatologii. System oparty na sztucznej inteligencji pozwoli na szybszą i bardziej precyzyjną analizę obrazów mikroskopowych oraz ocenę markerów prognostycznych, co znacznie skróci czas oczekiwania na diagnozę i zwiększy skuteczność leczenia.

Etapy projektu i planowane działania:

Etap 1: Prace przemysłowe

  • Opracowanie narzędzi służących do pozyskiwania, agregacji i anonimizacji danych histopatologicznych pochodzących z różnych źródeł (partnerzy medyczni, bazy publiczne).
  • Określenie struktury dokumentacji pacjenta oraz standaryzacja danych wejściowych (technologie skanowania, formaty, metadane).
  • Opracowanie narzędzi do ręcznej segmentacji zmian przez ekspertów – podstawa do dalszego uczenia modeli.

Etap 2: Prace przemysłowe

  • Tworzenie i optymalizacja przeglądarki preparatów histopatologicznych z funkcją wyznaczania masek.
  • Wprowadzenie półautomatycznej segmentacji zmian nowotworowych.
  • Wykorzystanie metod augmentacji danych oraz tworzenie znormalizowanych zbiorów danych do dalszych prac.

Etap 3: Prace rozwojowe

  • Opracowanie i walidacja modeli sztucznej inteligencji służących do automatycznej segmentacji zmian patologicznych.
  • Badania nad wyborem architektury (m.in. sieci konwolucyjne i rekurencyjne).
  • Opracowywanie i testowanie algorytmów na danych rzeczywistych zgodnie z medycznymi wskaźnikami jakości (np. współczynnik Dice’a).

Etap 4: Prace przygotowawcze

  • Testy penetracyjne oraz walidacja algorytmów w środowisku zbliżonym do klinicznego.
  • Opracowanie dokumentacji technicznej i użytkowej niezbędnej do certyfikacji (zgodność z rozporządzeniem IVDR).
  • Szkolenia dla personelu medycznego oraz wsparcie wdrożeniowe.

 

Grupy docelowe

Projekt jest skierowany do:

  • Personel medyczny: patolodzy, onkolodzy, technicy medyczni – zyskają narzędzie wspomagające pracę diagnostyczną.
  • Pacjentki z grupy ryzyka oraz pacjentki leczone z powodu raka piersi – dzięki wcześniejszej i dokładniejszej diagnozie.
  • Ośrodków klinicznych i laboratoriów diagnostycznych, które wdrożą rozwiązania oparte na sztucznej inteligencji poprawiające efektywność pracy i jakość diagnozy.

 

Wyniki projektu

  • Opracowanie innowacyjnego narzędzia opartego na sztucznej inteligencji, wspomagającego rozpoznawanie raka piersi w histopatologii.
  • Skrócenie czasu diagnozy nawet o 50%.
  • Poprawa dokładności klasyfikacji zmian (np. w skali Nottingham) oraz oceny markerów prognostycznych.
  • Przygotowanie systemu do certyfikacji jako wyrobu medycznego (IVDR).
  • Przenoszenie wiedzy do środowiska klinicznego poprzez szkolenia i dokumentację wdrożeniową.

 

Wartość projektu: 5 556 687,92 PLN

Wysokość wkładu z funduszy europejskich: 3 652 319,94 PLN

Okres realizacji: 01.09.2024 – 30.10.2026
Miejsce realizacji: Wrocław, województwo dolnośląskie

#FunduszeUE #FunduszeEuropejskie

ZGŁASZANIE NIEPRAWIDŁOWOŚCI

Informujemy, że istnieje możliwość zgłoszenia do Instytucji Zarządzającej – m.in. za pomocą anonimowego formularza kontaktowego dostępnego na stronie internetowej Programu – informacji dotyczących potencjalnych nadużyć finansowych, w tym konfliktu interesów lub korupcji.

Wszelkie informacje dotyczące nadużyć finansowych związanych z realizacją programów w ramach funduszy europejskich dla Dolnego Śląska w latach 2021–2027 prosimy przekazywać:

  • pocztą na adres:
    URZĄD MARSZAŁKOWSKI WOJEWÓDZTWA DOLNOŚLĄSKIEGO
    Departament Funduszy Europejskich
    ul. Mazowiecka 17
    50-412 Wrocław

Istnieje również możliwość pisemnego zgłoszenia do Dolnośląskiej Instytucji Pośredniczącej podejrzenia o niezgodności projektu lub działań beneficjenta/partnera/ podmiotu upoważnionego do ponoszenia wydatków z Konwencją o prawach osób niepełnosprawnych sporządzoną w Nowym Jorku dnia 13 grudnia 2006 r. oraz Kartą Praw Podstawowych Unii Europejskiej z dnia 26 października 2012 r.

Wszelkie informacje dotyczące niezgodności prosimy przekazywać pocztą na adres instytucji zarządzającej:

  • Dolnośląska Instytucja Pośrednicząca,
    ul. Kwiatkowskiego 4,
    52-407 Wrocław
  • lub za pośrednictwem skrzynki e-PUAP /DIP/SkrytkaESP

 

ZWIĘKSZANIE SKUTECZNOŚCI DIAGNOZY NOWOTWORÓW DZIĘKI WYKORZYSTANIU NOWYCH TECHNOLOGII DLA PACJENTÓW ONKOLOGICZNYCH W GRUZJI - realizowany przez Program Narodów Zjednoczonych ds. Rozwoju (UNDP) w ramach Polskiego Funduszu Wyzwań, przy wsparciu finansowym Ministerstwa Spraw Zagranicznych Rzeczypospolitej Polskiej

Celem tego projektu jest zwiększenie skuteczności diagnostyki nowotworowej poprzez wykorzystanie nowych technologii w opiece nad pacjentami onkologicznymi w Gruzji. CancerCenter.ai wspiera diagnostykę onkologiczną, umożliwiając lepsze i szybsze procesy decyzyjne dzięki zastosowaniu sztucznej inteligencji (głębokiego uczenia się (DL) oraz uczenia maszynowego (ML)). Opracowaliśmy specjalistyczne rozwiązania algorytmiczne i platformy zarówno dla patologii ( platforma PathoViewer na cancercenter.ai), jak i radiologii (RadiologyViewer – internetowa przeglądarka DICOM do obrazów radiologicznych, takich jak MRI, CT, USG i inne), aby szybciej i dokładniej analizować obrazy medyczne. Pracownicy służby zdrowia mogą powiększać/przeglądać, opisywać, analizować i udostępniać obrazy za pośrednictwem przeglądarki internetowej. CancerCenter.ai udostępnia również oprogramowanie do ręcznego obrazowania całych preparatów (PathoCam), które umożliwia zapisywanie obrazów patologicznych przy użyciu wyłącznie własnego sprzętu mikroskopowego i kamery. Rak jest jedną z głównych przyczyn zgonów na całym świecie, odpowiadając za prawie 10 milionów zgonów w 2020 roku (Ferlay, Ervik i in., Global Cancer Observatory: IARR on Cancer; 2020). Głównym wyzwaniem w tej dziedzinie jest długotrwały proces diagnostyczny, ponieważ:

-Brakuje patologów i radiologów, którzy mogliby szybko postawić diagnozę onkologiczną.

– Cały proces odbywa się ręcznie. Patolodzy korzystają z mikroskopu bez cyfrowych preparatów i wysyłają je pocztą w celu uzyskania drugiej opinii

-Ze względu na zakres swoich kompetencji lekarze specjalizują się wyłącznie w wybranych narządach. Błędy diagnostyczne zdarzają się częściej.

Narzędzia CancerCenterAI stanowią odpowiedź na te problemy i pomagają lekarzom skrócić cały proces oraz poprawić jakość diagnoz

Opracowaliśmy platformę wykorzystującą specjalistyczne algorytmy sztucznej inteligencji do analizy obrazów medycznych w dziedzinie patologii i radiologii, co pozwala na szybsze i dokładniejsze diagnozowanie nowotworów. Wykorzystujemy uczenie głębokie (AI) oraz technologie open source w celu usprawnienia procesu diagnozowania nowotworów. Nasze rozwiązania, dostępne zarówno w postaci interfejsów API, jak i platform internetowych, zostały zaprojektowane tak, aby zapewnić lekarzom szybszy i lepszy dostęp do drugiej i trzeciej opinii diagnostycznej, co pomaga w szybkim opracowaniu strategii terapeutycznej. Ponadto wspieramy cyfryzację materiałów patologicznych z mikroskopu – narzędzi niezbędnych w codziennej pracy patologa – co pozwala na późniejszą analizę, dodawanie adnotacji oraz udostępnienie preparatu w celu uzyskania drugiej i kolejnych opinii. Wyróżnia nas na tle konkurencji to, że skupiamy się kompleksowo (radiologia, patologia) na diagnostyce nowotworów.

Projekt jest realizowany w ramach partnerstwa. Oficjalnym partnerem programu grantowego jest: Gruzińskie Stowarzyszenie Chirurgii Wątroby, Trzustki, Dróg Żółciowych i Transplantacji (GAHPBTS).
Zaawansowana diagnostyka raka prostaty z wykorzystaniem metod uczenia maszynowego i głębokiego uczenia

logo założycieli

Centrum Onkologiczne Sp. z o.o. realizuje projekt współfinansowany ze środków Europejskiego Funduszu Rozwoju Regionalnego. Oś priorytetowa: Wsparcie dla prac badawczo-rozwojowych prowadzonych przez przedsiębiorstwa, działanie: Projekty badawczo-rozwojowe przedsiębiorstw, poddziałania: Prace badawczo-rozwojowe w przemyśle realizowane przez przedsiębiorstwa uczestniczące w Programie Rozwoju Inteligentnego.

Tytuł projektu:„Zaawansowana diagnostyka raka prostaty z wykorzystaniem metod uczenia maszynowego i głębokiego uczenia”

Celem projektu jest stworzenie narzędzia, które pozwoli znacznie przyspieszyć i poprawić jakość procesów diagnostycznych związanych z rakiem prostaty. Obecna diagnostyka opiera się głównie na analizie obrazów medycznych (badania histopatologiczne, MRI, PET, tomografia komputerowa i USG). Statystyki wskazują na rosnącą liczbę zachorowań na nowotwory, podczas gdy liczba lekarzy diagnostów rośnie wolniej, a w niektórych specjalnościach, takich jak histopatologia, wręcz maleje. Informacje te wyraźnie wskazują na istotną potrzebę automatyzacji i skrócenia czasu trwania pojedynczego procesu diagnostycznego. Przedmiotem projektu jest odpowiedź wnioskodawcy na zapotrzebowanie rynku w zakresie wsparcia procesu diagnostyki nowotworowej w celu jego znacznego przyspieszenia, zwiększenia precyzji i jakości identyfikacji ognisk nowotworowych, a tym samym zmniejszyć ryzyko błędnych diagnoz oraz zwiększyć skuteczność i precyzję leczenia ogniskowego. Cel ten zostanie osiągnięty poprzez opracowanie i przetestowanie zastosowania metod uczenia maszynowego oraz algorytmów głębokiego uczenia wdrożonych na platformie do diagnostyki nowotworowej na podstawie obrazów MRI, co znacznie podniesie jakość i przyspieszy diagnostykę onkologiczną raka prostaty. Ponadto stworzona platforma umożliwi zdalne konsultacje ze specjalistą, co znacznie skróci czas oczekiwania na drugą i kolejne opinie.

Wartość projektu: 3 335 632,50 PLN

Wartość dofinansowania: 2 525 765,50 PLN

Wersja polska:

Centrum Onkologiczne Sp. z o.o. realizuje projekt współfinansowany ze środków Europejskiego Funduszu Rozwoju Regionalnego. Oś priorytetowa: Wsparcie prowadzenia prac badawczo-rozwojowych przez przedsiębiorstwa, działanie: Projekty badawczo-rozwojowe przedsiębiorstw, poddziałanie: Badania przemysłowe i prace rozwojowe realizowane przez przedsiębiorstwa w ramach Programu Operacyjnego „Inteligentny Rozwój”.

Realizacja projektu współfinansowanego przez Narodowe Centrum Badań i Rozwoju w ramach Programu Operacyjnego „Inteligentny Rozwój” 2014–2020, 1/1.1.1/2020 „Szybka Ścieżka” 1_2020, zatytułowanego:

” „Zaawansowana diagnostyka raka prostaty z wykorzystaniem metod uczenia maszynowego i głębokiego uczenia”

Cele projektu i planowane efekty:

Celem projektu jest stworzenie narzędzia pozwalającego na znaczne przyspieszenie i poprawę jakości procesów diagnostycznych związanych z rakiem prostaty. Obecna diagnostyka opiera się głównie na analizie obrazów medycznych (histopatologicznych, rezonansu magnetycznego (MRI), PET, tomografii komputerowej (CT) i USG). Dane statystyczne wskazują na rosnącą liczbę zachorowań na nowotwory, podczas gdy liczba lekarzy diagnostów rośnie znacznie wolniej, a w niektórych specjalnościach, np. w przypadku histopatologów – maleje. Informacje te jednoznacznie wskazują na znaczną potrzebę zautomatyzowania i skrócenia czasu trwania procesu pojedynczej diagnozy. Przedmiot projektu stanowi odpowiedź wnioskodawcy na zapotrzebowanie rynku związane z koniecznością wsparcia procesu diagnostyki nowotworowej w celu jej znacznego przyspieszenia, podniesienia precyzji określenia jakości guza, a tym samym zmniejszenia ryzyka błędnych diagnoz oraz zwiększenia skuteczności i precyzji leczenia ogniskowego, np. za pomocą technologii HIFU. Cel ten zostanie osiągnięty dzięki opracowaniu i przetestowaniu u partnerów medycznych możliwości wykorzystania metod uczenia maszynowego (machine learning) oraz algorytmów głębokich sieci neuronowych (deep learning) zaimplementowanych na platformie w diagnostyce nowotworowej na podstawie zdjęć MRI, co znacznie przyczyni się do podniesienia jakości i przyspieszenia diagnostyki onkologicznej raka prostaty. SA.41471(2015/X) Przeznaczenie pomocy publicznej: art. 25 rozporządzenia KE nr 651/2014 z dnia 17 czerwca 2014 r. uznającego niektóre rodzaje pomocy za zgodne z rynkiem wewnętrznym w zastosowaniu art. 107 i 108 Traktatu (Dz. Urz. UE L 187/1 z dnia 26 czerwca 2014 r.)

całkowita wartość projektu: 3 335 632,50 PLN

kwota dofinansowania: 2 525 765,50 PLN

Opracowanie dokumentacji projektowej dla programu Eurogrant dotyczącej wsparcia diagnostyki nowotworowej z wykorzystaniem narzędzi uczenia maszynowego i głębokiego uczenia, której realizacja jest planowana w ramach programu EIC Accelerator.

Opracowanie dokumentacji projektowej w ramach programu Eurogrant dotyczącej wsparcia diagnostyki nowotworowej z wykorzystaniem narzędzi uczenia maszynowego i głębokiego uczenia, której realizacja jest planowana w ramach programu EIC Accelerator, realizowanego w ramach działania 2.3.6.
Dotacje w ramach programu Eurogrants, będącego częścią Programu Operacyjnego „Inteligentny Rozwój” na lata 2014–2020, współfinansowanego przez Europejski Fundusz Rozwoju Regionalnego.

Numer umowy: POIR.02.03.06-02-0070/22-00

Cele projektu: Celem projektu jest złożenie wniosku o dotację w ramach konkursu EIC Accelerator. Celem projektu zgłoszonego do konkursu EIC Accelerator jest zakończenie prac rozwojowych i wdrożenie innowacyjnego narzędzia oraz technologii: algorytmów uczenia maszynowego służących do oceny stopnia złośliwości histologicznej i radiologicznej, zintegrowanych z platformą internetową. Pozwoli to znacznie przyspieszyć i poprawić jakość diagnostyki nowotworowej oraz zapewni możliwość uzyskania drugiej opinii.

Planowane wyniki: Liczba złożonych wniosków o dotację Eurogrant – 1. Wskaźnik realizacji celu: osiągnięty. Zakończenie oceny wniosku o dotację Eurogrant z wynikiem co najmniej 50% lub przejście przez etapy oceny możliwe do osiągnięcia w ramach danego konkursu.

Wskaźnik realizacji celu: osiągnięty.

Wartość projektu: Łączna wartość: 64 000,00 PLN

Koszty kwalifikowalne: 64 000,00 PLN

Wkład z funduszy europejskich: Wkład UE: 64 000,00 PLN

Wersja polska:

Przygotowanie dokumentacji projektowej dotyczącej Eurograntu w zakresie wsparcia diagnostyki nowotworów z wykorzystaniem narzędzi uczenia maszynowego i głębokiego uczenia, planowanego do realizacji w ramach programu EIC Accelerator, realizowanego w ramach Działania 2.3.6. Dotacje na projekty Eurogrant w ramach Programu Operacyjnego „Inteligentny Rozwój” na lata 2014–2020, współfinansowane przez Europejski Fundusz Rozwoju Regionalnego.

Numer umowy: POIR.02.03.06-02-0070/22-00

Cele projektu: Celem projektu jest ubieganie się o dotację Eurogrant w ramach konkursu EIC Accelerator. Celem projektu zgłoszonego do konkursu EIC Accelerator jest zakończenie prac rozwojowych oraz wdrożenie innowacyjnego narzędzia i technologii: algorytmów uczenia maszynowego służących do oceny stopnia złośliwości histologicznej i radiologicznej, wbudowanych w platformę internetową. Pozwoli to znacznie przyspieszyć i poprawić jakość diagnozowania raka, a także umożliwi uzyskanie drugiej opinii.

Planowane wyniki: Liczba złożonych wniosków o Eurogrant – 1. Stopień realizacji celu: osiągnięty. Zakończenie oceny wniosku o Eurogrant z uzyskaniem co najmniej 50% punktów lub osiągnięcie etapów oceny możliwych do osiągnięcia w ramach danego konkursu.

Stopień realizacji celu: osiągnięty.

Wartość projektu: Łączna wartość: 64 000,00 PLN

Wydatki kwalifikowalne: 64 000,00 PLN

Dotacja z funduszy europejskich: Dotacja UE: 64 000,00 PLN

GEP – Centrum Onkologiczne