Digitala beslutsmetoder i vården

De flesta projekt har en digital del och koppling, här är bland dessa projekt är det dock tydligare och avgörande för projektets vidareutveckling.

Algoritmdrivet prognostiseringstöd ger möjlighet till skräddarsydd behandling

Projektnamn

PATHFx

Projektsummering

Pathfx prognostiserar överlevnad för patienter med symptomgivande skelettmetastaser för att man ska kunna skräddarsy behandlingen. Se hemsidan pathfx.org.

Presentation_Pathfx.png

Projektpresentation

PATHFx har idag stöd av KI Innovation och växer i omfattning. Detta beslutsstöd kan man se på adressen www.pathfx.org och hittills har 850 läkare globalt registrerat sig för ett kostnadsfritt konto. PATHFx ingår i KS vårdprogram för skelettmetastaser och ingår i American Musculoskeletal Tumor Societys rekommendationer. PATHFx som nu finns i version 3.0 uppdaterar sina algoritmer med hjälp av International Bone Metastasis Registry, ett patientdataregister som drivs tillsammans med Regionalt Cancercentrum och som nu innehåller data från ca 750 patienter från olika cancercentra i världen, bland annat Johns Hopkins, McMaster och KS.

Bildblock_pathfix
Kontaktuppgifter
Rikard Wedin, M.D. PhD, Associate Professor Karolinska Institute
Sr. Consultant Reconstructive Orthopaedic Surgery
Karolinska University Hospital SE 171 76, Stockholm, Sweden
Mobile +46707230999

SLL_Rityta 1.png

App för individanpassad röstterapi

Projektnamn

Röstterapi-appen

Projektsummering

Syftet är att utveckla en röstterapi-app som ska underlätta så att röstpatienter tränar på rätt sätt, var de vill, mellan behandlingstillfällena hos logoped. Patienten ska kunna följa ett individanpassat övningsprogram. Appen ska även innehålla information, råd och påminnelser.

Projektpresentation

Syfte - att utveckla en röstterapi-app som ska underlätta så att röstpatienter tränar på rätt sätt, var de vill, mellan behandlingstillfällena hos logoped.

Hypotes – att patienter snabbare och enklare ska etablera en funktionell röstteknik och bli röstergonomiskt medvetna.
Att färre vårdtillfällen kommer att behövas för att uppnå samma resultat som vid ett mer traditionellt upplägg.

Röstterapi-appen är under utveckling och finns tillgänglig i en betaversion på App Store och Google Play Store. Patienter på Danderyds Sjukhus har börjat testa appen.

I nuläget innehåller appen ljudfiler, information och röstergonomiska råd.

Presentation_Röstterapi_02.png

Två ytterligare versioner av appen är inplanerade. I nästa version kommer övningsprogrammet kunna spelas en följd utan några extra klick. I versionen efter detta kommer appen även innehålla påminnelsefunktioner, för att patienter ska komma ihåg att träna och för att de ska reflektera över faktorer som kan påverka deras röstanvändning.

Kontaktuppgifter

Karin Huss
08-123 563 78
karin.huss@sll.se

SLL_Rityta 1.png

Artificiell intelligens ger stöd vid diagnositik av äggstockstumörer

Projektnamn

Artificiell Intelligens (AI) för förbättrad diagnostik av äggstockstumörer

Projektsummering

Med hjälp av drygt 3000 ultraljudsbilder från drygt 750 patienter med äggstockstumörer har vi utvecklat en bilddiagnostisk AI-modell som kan skilja cancer från godartade äggstocksförändringar med en träffsäkerhet motsvarande den hos en expert. (prel. accepterad i UOG)

Projektpresentation

Tumörer i äggstockarna är vanligt förekommande, men endast en liten andel av dessa tumörer är elakartade/cancer. Äggstockarnas placering i magen, med mycket fritt omliggande utrymme, ger äggstockstumörer möjligheten att växa en längre tid innan symtom uppstår. Avsaknaden av tidiga och tydliga symtom gör att många fall av äggstockscancer upptäcks i en sen och utvecklad fas, alternativt av en slump vid rutinmässig gynekologisk undersökning. Sent ställda diagnoser är en stark bidragande orsak till den i regel dåliga prognos som föreligger vid äggstockscancer, med en hög dödlighet och färre än hälften vid liv fem år efter diagnos.

Transvaginal ultraljudsundersökning är den huvudsakliga diagnostiska metoden vid utredning av äggstockstumörer, vilken styr den efterföljande handläggningen. Patienter med sannolikt godartade tumörer genomgår ultraljudsuppföljning eller begränsat ingrepp i form av titthålsoperation, för att på så vis undvika onödiga komplikationer och vårdkostnader samt om möjligt bevara fertilitet. Patienter med sannolikt elakartade tumörer bör istället remitteras till specialistcentra för öppen operation av erfarna tumörkirurger, varvid i regel både äggstockar och omgivande vävnad avlägsnas.

Experter vid specialistcentra besitter en väsentlig bättre förmåga att skilja mellan god-och elakartade äggstockstumörer i jämförelse med gynekologer och andra läkare vid lokala vårdinrättningar. Samtidigt finns en brist på ultraljudsspecialister. Därför finns mycket att vinna på en förbättrad första bedömning och därigenom en ökad grad av remittering av patienter till rätt vårdinstans.

Presentation_AI_Äggstockstumörer_01.png

Under de senaste åren har det skett enorma framsteg inom Artificiell Intelligens (AI), inte minst inom bildbaserad medicinsk diagnostik med flertalet banbrytande resultat inom bl.a. bröstcancer, hudcancer, lungcancer, prostatacancer, samt sköldkörtelcancer. Allt detta har sitt ursprung i vad som kallas djupinlärning (eng. ’deep learning’), vilket är maskininlärningsalgoritmer (artificiella neurala nätverk) inspirerade av hur biologiska system bearbetar information. Dessa lär sig av exempel i form av obearbetade bilder, till skillnad från handplockade bildegenskaper baserade på vår mänskliga uppfattning och övertygelse. Därigenom har dessa modeller möjlighet att själva upptäcka och lära sig samband och mönster på olika abstraktionsnivåer, som inte nödvändigtvis är uppenbara för det mänskliga ögat, men som kan möjliggöra en ökad diagnostiska förmåga.

Fram tills nyligen var detta område fortfarande outforskat vad det gäller äggstockstumörer, men med hjälp av drygt 3000 ultraljudsbilder från drygt 750 patienter har vi utvecklat och validerat en bilddiagnostisk AI-modell som kan skilja cancer från godartade tumörer med en träffsäkerhet motsvarande den hos en expert (91,3% vs 92,0%). Patienterna hade innan operation genomgått systematisk ultraljudsbedömning av cancerrisk av expert, samt patologisk analys av tumör efter operation. AI-modellen utvecklades med hjälp av ultraljudsbilder från drygt 600 patienter och validerades därefter på en separat grupp bestående av 150 patienter med lika andel godartade som elakartade tumörer.

Resultaten tyder på att vår AI-modell har potential för framtida klinisk implementering i vården, framförallt för en förbättrad första bedömning vid lägre vårdinstans (s.k. ’triage’), men även som stöd vid specialistcentra i form av en ’second opinion’. Då vår AI-modell uppskattar risken för cancer kan tumörer med osäker bedömning remitteras för expertgranskning och därigenom ytterligare förbättra AI-modellens diagnostiska träffsäkerhet bland övriga patienter.

Vårt arbete är preliminärt accepterat för publikation i tidskriften Ultrasound in Obstetrics & Gynecology (UOG). Nästa steg är att validera och förfina vår AI-modell i en nyligen uppstartad internationell valideringsstudie med över 6600 ultraljudsbilder från fler än 2200 patienter från 22 olika specialistcentra (www.isrctn.com/ISRCTN51927471).

Kontaktuppgifter

Elisabeth Epstein
elisabeth.epstein@ki.se

Filip Christensen
filipchr@kth.se

SLL_Rityta 1.png

Diagnostik av medvetandenivå med hjälp av eye-tracking

Projektnamn

Kan högteknologisk eye-tracking förbättra diagnostik vid långvarig svår medvetandestörning efter förvärvad hjärnskada?

Projektsummering

Syftet är att undersöka om eyetracking teknik (ETT) inbyggd i glasögon kan detektera viljemässiga ögonrörelser som annars är svåra att upptäcka i klinisk undersökning och därmed förbättra diagnostik av medvetandenivå hos patienter som drabbats av långvarig medvetandestörning.

Projektpresentation

Det är viktigt att säkerställa att patienter som drabbats av svår medvetandestörning har medvetenhet eftersom diagnosen har betydelse för prognos och beslut om fortsatta rehabiliteringsinsatser, vilket är avgörande för patienters funktionsnivå och kommunikationsförmåga. Coma Recovery Scale- Revised (CRS-R) är en av de mest etablerade skalorna (1) där patienten ombeds utföra enkla aktiviteter på kommando och utifrån detta bedöms patientens grad av medvetenhet. Idag är bedömningarna osäkra pga. svårigheter att avgöra om patienter kan utföra viljemässiga rörelser.

Frågeställningar

  1. Är det möjligt att detektera visuella följerörelser med ETT hos en patient som befinner sig i minimalt medvetandetillstånd?
  2. Hur väl överensstämmer analysen av ögonrörelserna med de kliniska bedömningar som görs under administrering av CRS-R? 

Metod

Projektet kommer att genomförs av rehabiliteringsmedicinska universitetskliniken Stockholm på Danderyds sjukhus i samarbete med kompetens från avdelningen för ögon och syn, CNS, Karolinska Instiutet.
Undersökningsdeltagare: Det sammantagna deltagarantalet består av konsekutiva patienter med förvärvad hjärnskada i arbetsför ålder med misstänkt långvarig medvetandestörning (>4 veckor efter hjärnskadan.

Procedur:

Patienterna får genomföra utvalda uppgifter i CRS-R medan de bär eye-tracking- utrustningen.
I undersökningen kommer en klinisk undersökning av

  1. Förmåga till visuell följerörelse att göras genom att patienten och friska kontroller ombeds följa ett starkt färgat objekt och patientens egen reflektion i en spegel i 45 grader i varje riktning.
  2. Även ett enkelt test av visuell fixation enligt CRS-R protokollet.

glasogn.jpg

Utrustning: Tobii Pro glasses -2 (se bild). Lättviktsglasögen.

Preliminära resultat

Pilotstudien har genomförts och inga allvarliga negativa reaktioner observerades, vilket tyder på att patienterna kan acceptera utrustningen. Kalibreringsproblem pga. olika okulomotoriska störningar komplicerade analysen men tydliga ögonrörelser var urskiljbara från den inspelade data. Det går alltså att säkerställa ögonrörelser via eye-trackern och omvandla detta till dikotoma utfall (ja/nej). I nästa del kommer dessa att jämföras med den kliniska bedömningen.

Kontaktuppgifter

Marika Möller, Med dr, Specialist i neuropsykologi
Rehabiliteringsmedicinska Universitetskliniken Stockholm
Danderyds sjukhus AB
Entrévägen 8, plan 2
182 88 Stockholm
tfn: 08 - 123 58555

SLL_Rityta 1.png

Digital hemsjukvård ger ökad flexibilitet och rätt vård i rätt tid

Projektnamn

Digital hemsjukvård - utveckling och test av ny kommunikationsplattform för patienter, närstående och vårdpersonal inom ASIH

Projektsummering

Ett utvecklingsprojekt för att skapa förutsättningar för en resurseffektiv hemsjukvård med ökad trygghet för patienter och närstående samtidigt som det möjliggör att ta emot fler patienter med bibehållen kvalitet och resurser. Detta med hjälp av en digital kommunikationsplattform.

Projektpresentation

Ett utvecklingsprojekt på Stockholms Sjukhem med en pågående pilot på ASIH-enhet i Bromma. Några patienter har sedan i april fått möjlighet att kommunicera digitalt med vårdpersonalen via en kommunikationsplattform.

Patienterna får låna en surfplatta med ett enkelt gränssnitt för kommunikation och även hemmonitorering vid behov med sensorer. Hittills har patienter och närstående kunnat chatta, haft videosamtal, lämnat önskemål och behov inför hembesök samt även själva tagit vissa vitalparametrar.

Personalen har haft ett eget gränssnitt i plattformen där de kan läsa och svara på meddelanden, se inkommande mätvärden, genomföra videosamtal och skicka uppgifter till patient att göra för bättre planerade besök. Projektet startade med två koordinerande sjuksköterskor som ansvarade för kommunikationen men har implementerats att nu helt hanteras av vårdteamen.  

Störst upplevd nytta för patienter är möjligheten att förmedla behov, önskemål och ställa frågor till ASIHs personal när det passar dem och känna sig trygga att det når rätt person. För flera patienter medförde även plattan trygghet och uppskattat kontaktsätt i en pandemi med stor oro kring smittorisker vid hembesök. Kommunikationsplattformen har också visat sig vara värdefull för närstående som är aktiva i vården för patienten. Det rör sådant som planering, rådgivning och stöd.

Störst nytta för vårdpersonal är möjligheten till proaktivt arbete som ger rätt vård i rätt tid och en ökad flexibilitet för att ta emot och hantera vårdrelaterad information.

Projektet fortsätter under hösten och kommer då öka antal patienter som kan kommunicera digitalt samt testa vidareutvecklad och ny funktionalitet.

Nyhet och kort film om projektet

https://www.stockholmssjukhem.se/aktuellt/nyheter/2020/covid-19-paskyndade-projekt-med-surfplattor-till-patienter-inom-asih?clicked=true&query=surfplattor

Direktlänk till filmen: https://youtu.be/zfkFig3LeVk

Kontaktuppgifter

maria.malmen@stockholmssjukhem.se
Projektledare

David.kilstrom@stockholmssjukhem.se
Utvecklingsledare Palliativ vård

SLL_Rityta 1.png

Digital lösning för egenvård av astma förenklar vård och ger ökad livskvalitet

Projektnamn

Implementering och hälsoekonomisk utvärdering av ett digitalt verktyg för egenvård av astma med uppkoppling till primärvården. (SLL2020011)

Projektsummering

Digital monitorering med Asthmatuner förenklar arbetet för vårdpersonal och ger astmatiker större delaktighet och en skräddarsydd behandling som justeras fortlöpande efter patientens symtom och lungfunktion vilket leder till bättre astmakontroll, livskvalitet och sjukdomsinsikt.

Kontaktuppgifter

lovisa.jaderlund.hagstedt@tiohundra.se

SLL_Rityta 1.png

Nya teknologier för integrerad radiologi-patologi diagnostik

Projektnamn

Utveckling och utvärdering av integrerad diagnostik radiologi-patologi med stöd av Hololens (Microsoft) ”mixed reality”.

Projektsummering

Presentation_IntegreradÔÇôRadiologiÔÇôPatologi_Diagnostik.png

”Integrerad Radiologi–Patologi Diagnostik” projekt syftar till att:

  • Möjliggöra korrelation och synkroniserad visualisering av preoperativa radiologiska fynd med slutlig patologi.
  • Utveckla en ”mixed reality” app för en integrerad rad-pat diagnostik.
    Projektpresentation

Vi har initierat ett multidisciplinärt samarbetsprojekt inom sjukhuset för att förbättra visualisering och spatial synkron korrelation mellan preoperativa radiologiska fynd med patologi och samtidigt utforska potentialen av nya teknologier såsom ”mixed reality” för detta ändamål.

Kliniskt behov: Tillförlitlig diagnostik och stadieindelning av cancer är avgörande för patientens behandling och prognostisk stratifiering. Den är en viktig och en svår bedömning som engagerar flera specialiteter, i synnerhet radiologi och patologi med dess bild modaliteter.

Korrelationen av diagnostiska fynd mellan radiologi och patologi är mycket värdefull som feedback och kvalitetssäkring av den preoperativa radiologiska diagnos, den genomförda kirurgins kvalitet och resultat (effekt) av preoperativ kemo- och/eller radioterapi. Ett effektivt verktyg för synkroniserad visualisering av operationspreparat och dess matchade röntgenologiska bilder är kliniskt efterfrågat.

Betydelse
Integrerade rad-pat diagnostik kan vara till klinisk nytta för:

  • En bättre radiologi: Kontinuerlig återkoppling mellan radiologi och vävnadsanalys av operationspreparat.
  • En bättre patologi: Kännedom om preoperativ radiologi kan påverka kvalitet på vävnadsanalys.
  • En bättre patientcentrerad vård:Ny integrerad multimodal helhets diagnostik.
  • Förbättrad diagnostik av komplexa prov.
  • Förbättrad diskussion vid MDT-konferens (radiologer, patologer, kirurger, onkologer mm.): demonstration, analys och beslutstagande.

Kontaktuppgifter

Carlos Fernández Moro
Klinisk Patologi och Cytologi, Karolinska Universitetssjukhuset
carlos.fernandez.moro@ki.se

SLL_Rityta 1.png

Ny metod hittar tidiga leverskador hos patienter med diabetes

Projektnamn

Ny metodik för att identifiera leverskada hos patienter med diabetes.

Projektsummering

Projektet undersöker med en ny och enkel metod leverskada hos patienter med typ 2 diabetes som genomgår en rutinkontroll. Patienterna erhåller på detta sätt två undersökningar vid samma tillfälle vilket underlättar för både patienter och vårdgivare.

Projektpresentation

Skador på levern är vanligt förekommande och förknippas ofta med alkohol, men den vanligaste orsaken till kronisk leverskada är s.k. fettlever vilket är nära förknippat med övervikt. Mer än hälften av patienter med typ 2 diabetes har fettlever. Cirka 5-10% av patienter med fettlever kommer utveckla skrumplever eller levercancer under sin livstid. Eftersom detta inte ger några symtom i tidigt skede upptäcks dessa komplikationer ofta sent och prognosen är då dålig. Utmaningen är att alltså att i en stor population tidigt identifiera de patienter som riskerar allvarlig leverskada p.g.a. fettlever.

Patienter med typ 2 diabetes undersöks redan idag för skador på ögonen med s.k. ögonbottenfotografering. I detta projekt kommer vi samtidigt som patienterna genomgår detta erbjuda dem en undersökning av levern med en relativt ny, validerad ultraljuds-baserad metod för att enkelt identifiera de som har eller kommer att utveckla skrumplever. Vi kommer i projektet undersöka >1000 patienter i samarbete med en privat aktör (Capio Ögon) och på så sätt också utveckla samarbetet mellan offentlig och privat sektor i Region Stockholm. Projektet kommer ge tillförlitliga siffror på prevalensen av leverskada och fettlever hos dessa patienter och vi kommer kunna se om detta angreppssätt är lämpligt, accepterat av patienter och vårdpersonal, samt om det leder till ökad upptäckt av tidiga stadier av potentiellt allvarlig leverskada som i så fall kommer behandlas.

Kontaktuppgifter

Hannes Hagström, docent
hannes.hagstrom@ki.se

SLL_Rityta 1.png

Nya typer av samspel ger positiva behandlingsresultat vid kronisk sjukdom

Projektnamn

Användardriven utveckling av appen Alltid öppet – smarta erbjudanden ger ökad tillgänglighet och patientmakt vid kronisk sjukdom

Projektsummering

För att kunna möta behoven för människor med kronisk sjukdom, behöver vi inom vården förändra våra arbetssätt. I nära samarbete mellan patienter och vårdgivare har vi utvecklat och implementerat flera olika tjänster i appen Alltid öppet för att möta olika behov.

Projektpresentation

Ledinjektion för patienter med reumatisk sjukdom

Patienter med reumatisk sjukdom känner ofta sin sjukdom väl och vet när de har ett begynnande skov och därför är i behov av en kortisoninjektion i en eller flera leder. Därför har vi skapat en funktion i Alltid öppet-appen där patienterna på Centrum för reumatologi själva kan boka sin tid för ledinjektion, vilket varit ett stort behov och önskemål från patienterna. Tidsbokningen föregås av ett frågeformulär med bakomliggande logik, för att säkerställa att patienten inte har några hinder för injektion. Tjänsten innebär även minskat administrativt arbete för vårdpersonalen.

Chatt med handledare vid Överviktscentrum

Patienter som är i behandling mot fetma har ofta behov av tät kommunikation med sin handledare på Överviktscentrum. Tidigare har kommunikationen skett via telefonkontakt var 14:e dag men det har inte mött patienternas behov av att lätt och snabbt kunna kommunicera med sin handledare. För att underlätta kommunikationen mellan patienter och personal har en chatt i Alltid öppet startats. Det ger möjlighet till en helt ny typ av samspel vilket är viktigt för positiva behandlingsresultat. Tjänsten uppskattas mycket av både patienter och personal då det är ett väldigt effektivt och enkelt kommunikationssätt.

Diabetes och fotsår

För att undvika allvarliga komplikationer av ett fotsår hos en patient med diabetes är det avgörande att få snabb medicinsk bedömning av fotsåret. Tidigare krävdes att patienten kom till mottagningen på Centrum för diabetes för att få hjälp, men de kan nu via Alltid öppet själva skicka in bilder på sina fotsår till mottagningen och få snabb bedömning och åtgärd.

Kontaktuppgifter

Anna Tisäter
anna.tisater@sll.se
070-353 89 38

SLL_Rityta 1.png

Patientcentrerad digital smärthandläggning

Projektnamn

Digital applikation för patientmedverkan i smärthandläggning och framtida stordataanalys för beslutsstöd (Patientmedverkan i digital smärthandläggning)

Projektsummering

Projektet syfte är att effektivisera diagnostik och behandling av patienter med smärta genom att utveckla och sprida en e-hälsotjänst som ger en patientcentrerad, säker, och effektiv handläggning och forskning avseende patienter med smärta. Projektet är ett samarbete mellan VGR, SLL och KI.

Projektpresentation

patientcentrerad-digital-smarthandlaggning_01.png

patientcentrerad-digital-smarthandlaggning_02.png

Kontaktuppgifter

bo.bertilson@ki.se

SLL_Rityta 1.png

Tidig upptäckt av muncancer med hjälp av artificiell intelligens

Projektnamn

Towards screening for oral cancer: A trustworthy AI-based diagnostic support system for early detection of oral cavity and oropharyngeal cancer.

Projektsummering 

Tidig diagnstik av oral cancer är avgörande för val av behandling och ökar den relativa överlevnaden. Uppföljning av slemhinneförändringar genom icke-invasiv borstteknik ger ett komplement till biopsi. Diagnostik av cellutstryk genom automatiserad bildhantering och AI-baserad analys avlastar cytologens arbetsbörda samt möjliggör smärtfri provtagning.

Projektpresentation (se engelsk version för mer utförlig beskrivning):
Vi har samlat in prover från munslemhinna med varierande grad av förändring; från friskt epitel, från varierande grad av dysplasi till skivepitelcancer, alla verifierade med histologisk diagnostik.

Genom forskningsmedel från Innovationsfonden och Folktandvården Stockholms län AB har vi implementerat provtagning inom allmäntandvården i samarbete med specialisttandvården i syfte att utveckla tekniken för automatiserad AI-stödd bildanalys. Projektet är lovande med tydliga resultat från vår pilotstudie och pågår i Region Stockholm och Dalarna med planering för inklusion av Blekinge 2021. Målet är nu att skala upp provtagningen för att skapa en större databas och utveckla provtagningen för en klinisk implementering.

Project summary

Early detection of oral cancer is vital for survival and can be achieved by oral brush sampling, followed by imaging and cytological analysis. With deep learning techniques, reliable automated cytological cancer detection is within reach.

Project presentation

Specific objectives
Cancer of the oral cavity and the oropharynx are common malignancies, with ~370 000 cases per year worldwide (1) and ~1100 in Sweden (2). Early detection is vital for survival and can be achieved by fast and painless brush sampling at regular visits to a local dentist, followed by imaging and cytological analysis. To make large scale screening viable, the analysis has to be efficient and at low cost; this is out of reach if performed manually, due to high time consumption of the process and lack of trained cyto-pathologists. Thanks to the AI-revolution and powerful deep learning techniques, reliable automated cytological cancer detection with required clinical accuracy is within reach. We have developed a diagnostic support system which demonstrates feasibility of large scale analysis and the suggested screening approach. We now need to scale up our pilot-study, to further evaluate and improve the performance of the system, and reach implementation in daily healthcare practice. The implemented AI-supported screening system for oral and oropharyngeal cancer could, at low cost, save hundreds of lives in Sweden and tens of thousands worldwide each year.

The main idea, potential, and feasibility of our project stem from the following points:

  • Oral and oropharyngeal cancer have good chances to be successfully treated if detected on time. Due to late detection, often following metastasizing, survival rates are much reduced.
  • Screening allows detecting malignancies early; mass screening has significantly reduced mortality rate of cervical cancer. Oral cancers have many similarities with cervical cancer; in both cases, 9 out of 10 are squamous cell carcinomas.
  • Screening requires access to people: More than 80% of the adult population in Sweden regularly visits their dentists.
  • Screening requires efficient sample collection: Brush sampling, painless and easy to perform, followed by cytological analysis, has demonstrated high diagnostic accuracy (3).
  • Screening requires cost efficient sample analysis: Very large data can be efficiently analyzed by modern powerful AI-based (deep learning) image analysis approaches.
  • Screening requires both high sensitivity and high specificity of detections: Our current solution shows very promising results in a pilot-study (4). The natural next step is to evaluate the developed system on more patients and further refine it in close collaboration with pathologists. To reach clinical acceptance, we will demonstrate that the AI-based analysis agrees to a high extent with cytopathological, as well as histopathological diagnoses.
  • Our aim is not to replace the cytodiagnostician, but to provide a reliable digital fellow to support the human. For this to function in reality, the AI needs to be understood and trusted by the user. Deep learning based AI-systems exhibit outstanding performance, at a cost of increased complexity and decreased transparency. We are developing Explainable AI methods (XAI), visualizing the deep network decision making as well as providing reliable certainty estimates. This enables interpretability of trustworthiness of the methods in any given situation, vital for their confident utilization in daily clinical practice.

Kontaktuppgifter

Carina Krüger Weiner
carina.kruger-weiner@sll.se

Christina Runow Stark
christina.runowstark@regionblekinge.se

Joakim Lindblad
joakim@cb.uu.se

Jan Hirsch
jan.hirsch@sll.se

References:

  1. Bray, Freddie, et al., (2018). "Global cancer statistics 2018: GLOBOCAN estimates of incidence and mortality worldwide for 36 cancers in 185 countries." CA: a cancer journal for clinicians 68.6: 394-424.
  2. https://www.socialstyrelsen.se/en/statistics-and-data-/registers/swedish-cancer-register
  3. Sankaranarayanan, R., et al., (2013). Long term effect of visual screening on oral cancer incidence and mortality in a randomized trial in Kerala, India. Oral Oncology
  4. Forslid G, Wieslander H, Bengtsson E, Wählby C, Hirsch J, Runow Stark C, Sadanandan SK. Deep convolutional Neural Network for Detecting Cellular Changes due to Malignancy. 2017 IEEE ICCW. Doi: 10.1109/ICCVW.2017.18

SLL_Rityta 1.png

Tryggare bedömning av ovarialtumörer

Projektnamn

Game-based learning in the assessment of adnexal lesions: a validation study of the educational game SonoQz.

Projektsummering

Utveckling och validering av utbildningsappen SonoQz, för träning i bedömning av äggstockscystor. SonoQz har testats av 42 st läkare i en före-efter studie. De preliminära resultaten visar en tydlig förbättring i förmågan att bedöma ovarialtumörer.

Projektpresentation

Transvaginalt ultraljud spelar en central roll i diagnostiken av ovarialtumörer. Handläggningen är beroende av sannolikheten för ovarialcancer. Sannolikt benigna tumörer/cystor kan oftast handläggas konservativt eller opereras laparaskopiskt, medan misstänkt maligna ovarialtumörer bör opereras på specialistcentra av erfarna tumörkirurger via laparatomi. Då transvaginala ultraljud både görs av erfarna ultraljudsspecialister på gynekologiska mottagningar, samt av mindre erfarna läkare under jourtid, är det viktigt att alla läkare på en gynekologisk klinik känner sig trygga i bedömningen av ovarialtumörer. För detta krävs ständig träning i denna typ av bedömningar. Utmaningen är att kunna erbjuda alla läkare en mängdträning även av de mindre vanliga tumörerna i den kliniska vardagen. Därför utvecklade vi SonoQz, en utbidningsapp för träning i bedömning av ultraljudsbilder av ovarialtumörer. Appen innehåller ultraljudsbilder av cirka 350 ovarialtumörer/cystor, där PAD-svar finns på samtliga, förutom på de funktionella cystorna. I appen tränas man dels i att ställa rätt specifik diagnos och i att skilja på benigna och maligna tumörer, men även i att strukturerat bedöma resistenserna enligt en algoritm som kallas ”Simple Rules”. Nedanstående bild illustrerar hur spelet är uppbyggt.

SonoQz har i år validerats av en testgrupp bestående av 42 stycken läkare inom gynekologi/obstetrik på varierad kompetensnivå. I en före-efter studie har testdeltagarna innan de börjat använda appen fått genomgå ett test bestående av 20 patient-fall (vilket tagit ca 45 minuter). Därefter har deltagarna fått spela fritt i appen. Efter att de har tagit sig igenom minst 200 patientfall (3–5 timmar) har de fått göra ett likvärdigt test som det de gjorde innan träningsfasen. Deltagarna har slumpvis lottats till att antingen göra det ena eller det andra av de två likvärdiga testerna innan respektive efter träningsfasen. McNemar’s test har använts för att räkna på parade kategoriska data för att jämföra deltagarnas testresultat före och efter de spelat i SonoQz.

I preliminära resultaten ses på gruppnivå en signifikant förbättring (p<0,001) efter att deltagarna använt SonoQz. Förmågan att klassificera tumörer med hjälp av ”Simlpe Rules” förbättrades från 67% till 76%, att skilja benigna från maligna tumörer från 75% till 89% och att ställa rätt specifik diagnos från 45% till 62%.

Kontaktuppgifter

Erica Smedberg, ST-läkare
Kvinnosjukvård/förlossning, Södersjukhuset
erica.smedberg@sll.se

Elisabeth Epstein, Docent, överläkare, ultraljudsexpert.
Ansvarig för Gynekologiskt Ultraljudscentrum Södersjukhuset.
elisabeth.epstein@sll.se

SLL_Rityta 1.png

Utveckling av neuralt nätverk för identifikation av uveala melanom

Projektnamn

Identifiera uveala melanom med artificiella neurala nätverk

Projektsummering

Syftet med projektet är att utveckla en algoritm som med säkerhet kan avgöra vilka chorioidala naevi (födelsemärken i ögat) som behöver remitteras till ögonläkare och vilka som kan avskrivas utan uppföljning baserat på ett fotografi. Målet är att skapa ett lättanvänt gränssnitt där optiker och sjukhuspersonal enkelt kan mata in en patients ögonbottenbild och få snabb återkoppling. Detta görs genom att skapa en typ av neuralt nätverk specialiserat på visuella data.

Projektpresentation

Födelsemärken i ögat (chorioidala naevi) förekommer hos 5-10% av populationen och kan i enstaka fall utvecklas till uveala maligna melanom. Upp till 50 % av uveala maligna melanom metastaserar och majoriteten sprids till levern. Vid metastaserat uvealt malignt melanom är överlevnaden i allmänhet begränsad till några få månader. Att denna typ av cancer har så hög mortalitet och dessutom i många fall är asymtomatisk, innebär att regelbundna kontroller måste utföras, vilket är tidskrävande och tär på sjukvårdens resurser. Patienter behöver kontrolleras med 3-12 månaders mellanrum och kontrollerna är livslånga.
Risken att utveckla uvealt malignt melanom från ett befintligt naevus (födelsemärke) bedöms idag genom undersökning hos läkare som är specialist inom ögonsjukdomar. Bedömningen görs i biomikroskop och tar cirka 10-15 minuter. Vid första besöket sker i regel fotografering av ögonbotten för att man vid nästkommande besök ska kunna jämföra och bedöma eventuell progress.

Det här projektets syfte är att konstruera en modell genom artificiell intelligens (AI) för att automatiskt kunna bedöma huruvida en patient måste gå på regelbundna kontroller eller inte. Då endast en liten del av alla patienter med chorioidalt naevus kommer att utveckla uvealt malignt melanom kommer produkten redan vid fototillfället kunna screena bort merparten av alla som har ett chorioidalt naevus och helt saknar riskfaktorer. För den som använder AI modellen innebär detta att mindre resurser läggs på att bedöma vilka fall som ska remitteras till läkare för ytterligare undersökning. För den enskilde patienten leder detta till minskad oro, snabbare handläggning och tydligare besked.

Kontaktuppgifter

Charlotta All-Eriksson
Sektionen för ögononkologi, S:t Eriks Ögonsjukhus
charlotta.all-eriksson@sll.se