Rantalainen, Mattias Johan – The Cancer Histopathology Image Epidemiology (CHIME) Project

Bakgrund

Mikroskopisk undersökning av infärgade vävnadsprover är det primär tillvägagångssättet för att detektera cancer och för att ställa diagnos. Dock är det brist på patologiexpertis samtidigt som den manuella granskningen som utförs i dagens cancervård har en inbyggd grad av osäkerhet och fel eftersom bedömningarna är svåra för det mänskliga ögat. Osäkerheten i bedömningarna leder till både över- och underbehandling, med potentiellt stora konsekvenser för individuella patienter. Tillgången till expertis inom patologi varierar dessutom mellan olika platser och över tid, vilket kan bidra till en grad av ojämlikhet i vården.

Beskrivning

Snabba framsteg har under de senaste åren gjorts inom ett område av artificiell intelligens (AI) och maskininlärning som benämns som “djupinlärning”. Djupinlärningsmodeller kan nu tränas att utföra svåra prediktionsproblem med en tillförlitlighet som är jämförbar, eller bättre, än människor inom en mängd olika tillämpningar, inklusive medicinsk bildanalys. Dessa modeller kan komma att transformera cancervården till det bättre inom flera områden. Det här projektet använder storskaliga epidemiologiska studier för utveckling och validering av AI-baserad cancerdiagnostik för bröstcancer, prostatacancer och kolorektalcancer.

Mål

Målsättningen är att forskningen ska kunna leda till AI-baserade beslutsstöd som kan användas för att förbättra precisionen i dagens rutindiagnostik baserat på vävnadsprover, men även till utveckling av nya diagnostiska och prognostiska modeller. Resultaten kommer att leda till säkrare diagnoser samt ökad tillgänglighet till högkvalitativ cancerdiagnostik. Detta kommer att leda till minskad över- och underbehandling, och bättre patientutfall.