Anpassningsbar AI för automatisk segmentering inom radioterapi

Viktiga resultat som projektet gav

Den övergripande målsättningen har varit att ta fram en nationell infrastruktur för algoritmutveckling på klinisk data och använda denna till att utveckla automatiska AI- metoder för segmentering inom radioterapi. Prototyp för infrastrukturen finns på plats vid projektets slut och har lett till följdinvesteringar i ett nationellt perspektiv. De tänkta produktutvecklingarna har även de skett och kan efter projektets avslut distribueras inom Elektas och Peltarions ordinarie produktportfölj för strålbehandling respektive maskininlärning.

Långsiktiga effekter som förväntas

Projektet hade önskat att färdiga produkter skulle kunnat utvecklas på större dataset och även tydligare vara en kravställare på infrastruktur. Detta har dock kunnat överbryggas för att nå utsatta mål. Vidare har projektet genererat följdprojekt med nationell prägel och en ambitiös målsättning om att tillgängliggöra populationsrepresentativ data för utveckling av algoritmer i framtiden. Det har även lett till ökade interna investeringar och satsningar hos projektparter för att vidare utforska maskininlärningsapplikationer.

Upplägg och genomförande

Projektets upplägg genererade resultat som trots ett flertal förseningar där en global pandemi givetvis också medfört initiala hinder. Samverkansaspekten i projektet har varit alltjämt viktig för att nå utsatta mål och såväl koncentrera kompetens som ett flertal perspektiv på delade problem. En central påverkan är dock att pandemin minimerat antalet fysiska möten vilket självklart inte är önskvärt såväl för samverkan inom projektet som att kunna nå ut med resultat genom exempelvis vetenskapliga möten och konferenser.

Externa länkar

-