AI som beslutsstöd i syfte att minska mortalitet i Malignt melanom
| Diarienummer | |
| Koordinator | Diagnostiskt Centrum Hud i Sverige AB |
| Bidrag från Vinnova | 2 082 986 kronor |
| Projektets löptid | maj 2018 - december 2022 |
| Status | Avslutat |
| Utlysning | Digitalisering för bättre hälsa, vård och omsorg |
| Ansökningsomgång | Artificiell intelligens för bättre hälsa |
Viktiga resultat som projektet gav
Malignt melanom är den 5e vanligaste cancerformen i Sverige och den tumörform som ökar mest. Det är vetenskapligt klarlagt att hudläkare är bäst på att hitta melanom tidigt. Antalet hudläkare är begränsat och fakta visar att den kliniska diagnostiken av hudmelanom brister, även hos en specialist, Vi avser att med hjälp av artificiell intelligens (AI) minska dödligheten i malign melanoma. AI som beslutsstöd för sjukvården inom hudcancer kan medföra jämlikare vård, bättre och tidigare diagnostik, färre onödiga operationer som ger minskade samhällskostnader.
Långsiktiga effekter som förväntas
Vi har via KTH en färdig AI teknik för att utveckla slutapplikationen i samarbete med Lagerros IT. Vi arbetar just nu med implementeringen att öka bild och videotagning i en snabbt expanderande DCH koncern. Att prediktera när en färdig produkt som beslutstöd ska komma ut på marknaden är vansklig, vi satsar på främst på hög kvalitet mha att vi har kontroll på alla delar i hela utvecklingskedjan, IT applikationen DERMAI, KTH algorithm och en hudspecialistkoncern med ökande antal läkare, för närvarande 75 stycken, där vi registrerar bilder och video kopplat till kliniska data.
Upplägg och genomförande
Detta är ett samarbetsprojekt mellan Hudbolaget DCH, KI, KTH och IT bolag. Projektpart KTH har utvecklat AI modell för ändamålet. Vår egna teknik bygger på videoupptagning via applikationen istället för stillbilder. Vi förväntar oss därmed få högre sensitivitet än att bara använda stillbilder. IT applikationen ”DERMAI” är utvecklad av Lagerros IT och implementerad på DCHs kliniker. Att använda 75 DCH anställda hudspecialister som bedömer patienterna fysiskt på mottagning och inte via skickade bilder från primärvård förväntar vi oss ska ge högre sensitivitet.