AI-baserad storskalig screening för cancer i munhåla och svalg
| Diarienummer | |
| Koordinator | Uppsala universitet - Institutionen för informationsteknologi, datalogi |
| Bidrag från Vinnova | 2 500 000 kronor |
| Projektets löptid | januari 2021 - december 2023 |
| Status | Pågående |
| Utlysning | Samverkan mellan Vinnova och Department of Biotechnology (DBT), Indien |
| Ansökningsomgång | Bilateralt samarbete med Indien inom hälsa och AI inför utmaningar som Coronaviruset |
Syfte och mål
Hög dödlighet i cancer i munhåla och svalg beror till stor del på sen diagnos. Dagens metoder för att upptäcka cancer är dyra och smärtsamma. Moderna AI-tekniker gör det möjligt att radikalt sänka analyskostnaden och samtidigt öka noggrannheten. Projektet syftar till att skala upp våra utvecklade djupinlärningsbaserade metoder för tidig cancerupptäckt till pålitlig storskalig användning inom sjukvården i Sverige och Indien, med målet att leverera billig och effektiv AI-driven screening för oral och orofaryngeal cancer via smärtfria borstprover och AI-baserad bilddiagnostik.
Förväntade effekter och resultat
Projektet möjliggör tillförlitlig tidig upptäckt av patienter som riskerar att utveckla cancer i munhåla och svalg genom icke-invasiv borstprovtagning. Cytologisk analys förstärks av ett XAI-baserat diagnostiskt analyssystem som minskar bördan av manuell analys och ger snabb och pålitlig diagnos till låg kostnad. Projektresultaten, i form av ett ekonomiskt effektivt och praktiskt enkelt, men ändå kraftfullt screeningprogram för tidig upptäckt av oral och orofaryngeal cancer, kommer att ha en stark positiv inverkan på global hälsa men också på användbarheten av AI i vården.
Planerat upplägg och genomförande
Datainsamling och digitalisering av glas. Utvärdering av olika provtagningsmodeller. Användning och vidareutveckling av vårt CytoBrowser-verktyg för interaktiv annotering och bedömning, levererande träningsdata för AI-inlärningsstegen. Utveckling av AI-kontrollerad mikroskopi för kvalitetssäkrad snabb bildtagning. Förbättring av djupinlärningsbaserad cytologisk analys för pålitlig väl differentierad tidig diagnos. XAI-baserad resultat-visualisering i CytoBrowser för effektiv bedömning och feedback för aktivt lärande och vidare förbättrad prestanda.