Varje år utförs cirka 10 000 äggstockskirurgiska ingrepp i Sverige. Vi uppskattar att ca 25% av dessa ingrepp är onödiga och hade kunnat undvikas om bedömningen utförts av en ultraljudsexpert. Det finns dock för få läkare med tillräcklig kompetens att bedöma äggstockstumörer, vilket leder till ökade kostnader för sjukvården och onödigt lidande för patienten då operationer utförs i onödan, samtidigt som cancerdiagnoser ibland försenas. Vår tidigare studie visade att datoriserad bildanalys av ultraljudsbilder kan skilja godartade äggstockstumörer från cancer med en träffsäkerhet i nivå med en ultraljudsexpert.
Vi vill tillämpad AI på ultraljudsbilder i kombination med analys av fritt tumör-DNA i blod för att förbättra diagnostiken vid äggstockstumörer. Vi har upprättat en provsamling med klinisk information, biologiskt material samt digitala ultraljudsbilder. Genom en ny stor, internationell multicenterstudie vill vi säkerställa att våra AI-modeller är generellt tillämpbara. Vi vill vidareutveckla våra AI modeller baserat på videosekvenser, då detta möjliggör att hela tumören kan bedömas. Vi vill även träna modellerna att känna igen bilder av dålig kvalité, ej lämpliga för AI-bildanalys, så att undersökaren tränas i att ta bättre bilder.
Vi vill förbättra diagnostiken vid äggstockstumörer genom att utveckla ett AI-baserat beslutsstöd, tillgängligt för alla gynekologer, via ultraljudsmaskinen. Detta kan ge en mer kostnadseffektiv sjukvård, då antalet onödiga remisser och operationer minskas, samt att kvinnor med cancer tidigt identifieras. För patienten innebär det minskad risk för fertilitetsförlust, minskad oro samt ökad chans till överlevnad vid cancer. Analys av fritt tumör-DNA kan ge nya möjligheter både vid diagnos, prognos och för att skräddarsy behandlingen vid cancer. Vår stora bilddatabas och provsamling ger fortsatta möjligheter att utveckla forskningen på området.