Forskningsledare Kevin Smith, KTH och Fredrik Strand, Karolinska Institutet

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.

Forskningsledare Johan Hartman och Mattias Rantalainen, Karolinska Institutet

Vi utvecklar ett system för detektion och gradering av bröstcancer (submitterat manuskript) baserat på AI-bildanalys. Vi har skapat digitala histopatologibilder genom digitalisering av mikroskopiglas från sjukhusarkiven i Stockholm. Alla bilder genomgår noggrann kvalitetssäkring, bearbetning och normalisering. Hittills har vi genererat digitala bilder från mer än 5000 bröstcancerpatienter. Genom noggrann analys av en patolog kan en bröstcancer delas in i tre grupper: grad 1 med lägst aggressivitet, grad 3 med högst aggressivitet och grad 2 som en gråzon däremellan. Patienter med grad 3 tumörer har generellt nytta av tilläggsbehandling med kemoterapi. Vi har skapat en AI-modell som kan detektera cancer i bilderna och stratifiera tumörer av intermediär grad (NHG2) till hög eller låg grad. Eftersom NHG2 utgör 50 % av all bröstcancer kan detta få viktiga kliniska konsekvenser. Detta utgör en kliniskt viktig uppgift som kan bidra till minskade gråzoner och att identifiera patienter som har behov av tilläggsbehandling med kemoterapi efter operation. Vi har även genererat genspecifika modeller för att förutsäga rumsligt mRNA-uttryck i bröstcancerbilder. Detta har potential att förutsäga biomarkörsuttryck såväl som molekylära subtyper. Dessutom har liknande metoder kapacitet att ersätta dyrare molekylära analyser i framtiden.

Programmet använder AI och maskininlärning för att radikalt öka träffsäkerheten inom bilddiagnostik av bröstcancer.

Forskningsprogrammet kommer att bidra till snabbare och bättre diagnostisering och därmed möjligheten att bota fler patienter och upptäcka cancer tidigare i sjukdomsförloppet. Tack vare Sveriges unika tillgång till omfattande och kvalitetssäkrade patientdata kan programmet använda avkodade data (bilder och prover) från samtliga patienter som diagnostiserats med bröstcancer genom mammografi i Stockholmsregionen mellan åren 2005 och 2019. Programmets huvudsyfte är att utveckla och testa AI-baserade modeller för radiologisk och histopatologisk bildanalys. Inom delområdet radiologisk bildanalys har vi hittills använt historiska data för att testa kommersiella AI-modeller och för att utveckla egna. Patologidelen av programmet fokuserar på utveckling av en egen AI-modell som kan fungera som beslutsstöd till patologen. Här finns stora skillnader i diagnostik mellan olika patologer och det påverkar behandlingen.

Programmet leds av professor och läkaren Johan Hartman , Karolinska Institutet, och lektor Kevin Smith , KTH.