Enhanced breast cancer screening and diagnostics through Big Data, mechanical imaging and molecular signatures

Bakgrund

Vi vet att mammografiscreening bidrar till lägre dödlighet i bröstcancer men även att mammografi inte är en perfekt metod för alla kvinnor, speciellt de med s.k. täta bröst. I våra tidigare studier har vi undersökt om 3D-mammografi, brösttomosyntes, är en bättre screeningmetod och mycket tyder på det. Men det kvarstår fortfarande utmaningar gällande möjligheterna att hitta vissa av tumörerna samt att inte få för många falska alarm.

Beskrivning

I pågående och kommande studier vill vi prova om kombinationer av vanlig mammografi samt 3D-mammografi med så kallad artificiell intelligens (t ex datorassisterad granskning), mätning av olika vävnaders styvhet samt användning av en laserbaserad avbildningsmetod ytterligare kan förbättra säkerheten att ställa rätt diagnos i olika skeden av bröstcancerutredningen.

Mål

Bröstcancer är den vanligaste cancertypen hos kvinnor och väldigt många kvinnor genomgår hälsokontroller och vidare utredningar. Genom att förbättra befintliga metoder som mammografi och 3D-mammografi, kan man med relativt enkla medel uppnå bättre resultat. Det är vår förhoppning att kunna visa att vävnadsinformation om styvhet och syremättnad kan ge viktig information om bröstförändringar, både för att öka chansen att hitta bröstcancer vid screening, men också för att undvika falska alarm. Vi vill bidra till att fler kvinnor får rätt diagnos i rätt tid och att sidoeffekter minimeras.