DOGS-2: Digital Pathology for Optimized Gleason Score-2

Diarienummer 2018-02271
Koordinator Region Skåne - Skånes universitetssjukhus Malmö, VO Urologi
Bidrag från Vinnova 1 000 000 kronor
Projektets löptid september 2018 - september 2020
Status Beslutat
Utlysning Medtech4Health innovatörer
Ansökningsomgång Stöd till innovatörer i vård och omsorg 2018

Syfte och mål

Prostatacancer är mannens vanligaste cancerform i Sverige näst ytlig hudcancer. Korrekt karakterisering av tumören avseende grad och stadium är viktigt för val av bästa behandling. Tumörgrad bedöms med Gleason-gradering som bedömer tumörernas växtmönster i prostatabiopsier och detta är den bästa biomarkören för prognos av prostatacancer i dag. Bedömningen är dock subjektiv och arbetskrävande. I detta projekt utvecklar vi en datoriserad och automatisk bedömning av Gleason-gradering för snabb, reproducerbar och objektiv bedömning av tumörgrad.

Förväntade effekter och resultat

Datoriserade bildanalyser av Gleason-grad blir ett hjälpmedel för patologer, för snabb och exakt diagnostik av prostatacancer. Det kan leda till ökad reproducerbarhet och mindre variation mellan olika bedömare avseende tumörens aggressivitet. Det slutliga målet är att öka precisionen i individualiserad diagnos och behandling vid prostatacancer samt reducerade kostnader för samhället.

Planerat upplägg och genomförande

I vår forskargrupp som består av patologer, matematiker, och IT/mjukvaru-experter har vi utvecklat en algoritm som kan särskilja cancerområden från benign vävnad I prostatabiopsier med hjälp av “deep-learning” tekonologi. I det aktuella projektet vill vi öka algoritmens precision genom artificiell intelligens då metoden tränas I olika nivåer genom “convolutional neural network”. Därefter ska metoden kritiskt utvärderas avseenede klinisk nytta genom analys av två separata kohorter.

Texten på denna sida har projektgruppen själv formulerat och innehållet är ej granskat av våra redaktörer.