- april 3, 2023
Projekt: AI-modeller för detektion av bröstcancer, mammografisk detekterbarhet inom radiologi
Forskningsledare Kevin Smith, KTH och Fredrik Strand, Karolinska Institutet
![Den översta raden (i svartvitt) visar mammografibilder med en framväxande tumör inritad (t.t.d.=tid till diagnos): 4,2 år före diagnos, 2,1 år före diagnos och vid diagnos. Den nedre raden (i blått) visar hur två olika AI-nätverk bedömt bilderna. De tre bilderna till vänster illustrerar ett AI-nätverk tränat på att upptäcka generell riskinformation (“Inherent risk model”), medan de tre bilderna till höger illustrerar ett annat AI-nätverk tränat på att upptäcka tumörförändringar (“Cancer sign")](https://www.medtechlabs.se/wp-content/uploads/2023/04/decoupling-1024x499.png)
Radiologidelen av programmet fokuserar på utbildning och utvärdering av AI-modeller för detektion av bröstcancer, mammografisk detekterbarhet och inneboende risk. Den bästa kommersiella AI-modellen kommer att användas i två prospektiva studier som pågår under 2021. Studierna går under samlingsnamnet ScreenTrust. ScreenTrust ska avgöra hur AI-modeller kan optimera urvalet av kvinnor som har störst sannolikhet att lämna våra mammografiska screeninganläggningar med oupptäckt cancer. Den första studien, ScreenTrust MRI, fick etiskt godkännande i februari 2021 och utförs på Karolinska Universitetssjukhuset med magnetkamera (MR). Där kombineras den kommersiella modellen med två egenutvecklade modeller för att selektera en grupp kvinnor som efter invändningsfri screening-mammografi erbjuds att komplettera med magnetkamera. Målet är att minimera andelen oupptäckt cancer. Den kliniska studien fick etiskt godkännande i februari 2021 och har fått namnet ”ScreenTrust MRI”. I projektgruppen ingår bröstkirurger (Hanna Fredholm och Irma Fredriksson), en bröstonkolog (Theodoros Foukakis) och chef för bröststrålning (Malin Laurell Lövefors). Karolinska IT har monterat en AI-dator och vi har godkännande för att extrahera bilder och journaldata. Syftet med ScreenTrust är att avgöra hur AI-modeller kan optimera urvalet av kvinnor som har störst sannolikhet att lämna våra mammografiska screeninganläggningar med oupptäckt cancer. En studie från Nederländerna, publicerad i New England Journal of Medicine, visade en avkastning på 16,5 cancer per 1000 MR-undersökningar – vårt mål är att försöka fördubbla det.
Den andra studien, ScreenTrust CAD, utförs på Capio St Görans sjukhus med den bästa kommersiella AI-modellen. Vi vill undersöka möjligheten att komplettera eller ersätta en av de två röntgenläkare som granskar varje screeningmammografi. Samtidigt börjar utvecklingen av AI-nätverk som även kan analysera MR-bilder i så kallat multimodalitets-AI.