Johan Hartman, professor Karolinska Institutet, skriver i veckans blogg att den ojämlika cancerdiagnostiken i Sverige kan avhjälpas med AI-baserad bilddiagnostik. Enligt Johan finns det redan idag möjlighet att införa digitala lösningar som ger bättre tillgång och effektivare precisionsdiagnostik på alla sjukhus och till alla patienter.
Trevlig läsning!
Som vanligt står skribenten själv för innehållet i inlägget. Kommentera gärna på vår hemsida eller i sociala medier.
AI-baserad cancerdiagnostik kan minska ojämlikhet och öka precision i cancersjukvården
Johan Hartman, professor Karolinska Institutet
Patologi är en hörnpelare i cancersjukvården. Väl fungerande patologi krävs för att patienterna ska få en korrekt diagnos och att onkologen ska kunna ordinera rätt behandling. Det finns tyvärr stora variationer inom cancerdiagnostiken i vårt land. Många patienter får dessutom vänta orimligt länge på diagnos. Till stor del beror variationerna på patologbrist och ett ökande antal cancerfall samtidigt som kraven på avancerad diagnostik blir allt större.
Den vanligaste cancerformen globalt är bröstcancer (ref 1) och i Sverige insjuknar nästa 9 000 kvinnor årligen i bröstcancer. I samarbete med nationella kvalitetsregistret för bröstcancer, NKBC, har vi nyligen visat att stora variationer i biomarköranalyser leder till ojämlik onkologisk behandling. Kort sagt, om du är patient i ”stad x” kommer du få annan behandling än om du är patient i ”stad y”. I värsta fall kommer det också påverka din överlevnad (ref 2). Tillgången på avancerad precisionsdiagnostik är också en faktor som skiljer sig åt rent geografiskt med koncentration till universitetssjukhusen. Den molekylära diagnostik är oerhört viktig för en mindre andel patienter men är också väldigt resurskrävande.
Digitaliseringen av patologi i kombination med AI-baserad bilddiagnostik möjliggör nu en bred tillgång på avancerad precisionsdiagnostik till alla sjukhus och till alla patienter. Exempelvis är den största gruppen bröstcancerpatienter som diagnostiseras med hormonreceptor-uttryckande bröstcancer. Hälften av dessa tumörer bedöms som antingen hög-risk (hög grad) eller låg-risk (låg grad). Patienter med hög-risk tumörer har behov av cytostatika efter canceroperation för att minska dödligheten.
Problemet är att resterande patienter (drygt 50%) faller inom en gråzon mellan hög och låg risk. Vi har nyligen utvecklat en AI-baserat system som kan dela upp denna gråzon i hög resp låg risk baserat på bildanalys av mikroskopibilder. Det vill säga analysen sker direkt från rutinmaterial (mikroskopiglas) i sjukvården och kan göras på under 1 timme (3). Det innebär ett mycket kostnadseffektivt system lätt kan integreras i den redan digitala diagnostikmiljön. Systemet är nu under utveckling till CE-godkänd produkt för in vitro diagnostik och förväntas finnas tillgänglig för sjukvården under nästa år (4).
Utvecklingen inom AI går mycket snabbt och system baserat på AI kommer helt förändra vårt arbetssätt inom cancerdiagnostik. Det kan möjliggöra en jämlik tillgång och effektiv utnyttjande av precisionsdiagnostik i Sverige.
Johan Hartman, Professor, Karolinska Institutet
Referenser
- https://www.who.int/news-room/fact-sheets/detail/cancer
- https://pubmed-ncbi-nlm-nih-gov.proxy.kib.ki.se/33803148/
- https://pubmed-ncbi-nlm-nih-gov.proxy.kib.ki.se/34756513/
- https://www.stratipath.com/
Tips på mer läsning:
Nätverket mot cancer, medlemmar i Forum för Health Policy har genomfört projektet ”Tidig upptäckt – på liv och död”.
Läs rapporter, enkätresultat och se filmer från projektet här >>>
Blogg om ”Tidig upptäckt” av Margareta Haag, ordförande Nätverket mot cancer, kan du läsa här >>>