DOGS-2: Digital Pathology for Optimized Gleason Score-2
Diarienummer | |
Koordinator | Region Skåne - Skånes universitetssjukhus Malmö, VO Urologi |
Bidrag från Vinnova | 1 000 000 kronor |
Projektets löptid | september 2018 - september 2020 |
Status | Avslutat |
Utlysning | Medtech4Health innovatörer |
Ansökningsomgång | Medtech4Health: Stöd till innovatörer i vård och omsorg 2018 |
Viktiga resultat som projektet gav
Syftet med detta projekt var att utveckla en klinisk applicerbar automatisk algoritm för att identifiera och gradera cancerceller i vävnadsprover från prostata. Vi har utvecklat och validerat en artificiell intelligens (AI)- baserad algoritm med hög sensibilitet och specificitet som är i nivå med erfarna patologers bedömning.
Långsiktiga effekter som förväntas
Vår algoritm har efter träning och validering visat hög känslighet (100 %) och hög specificitet (68 %) avseende att identifiera områden med cancer. Jämfört med erfarna patologer har algoritmen hög precision (intraclass correlation coefficient, ICC 0,99) och korrekt igenkänning av Gleason-grad (ICC 0,96 respektive 0,94). Algoritmen syftar till att minska variationen mellan olika patologers bedömning och ge hög reproducerbarhet och snabbare analys av vänadsprov.
Upplägg och genomförande
Algoritmen utvecklades och tränades på inskannade vävnadssnitt från prostatabiopsi som hade annoterats avseende cancerområde av två erfarna patologer (700 vävnadsprov). Algoritmen visade hög precision vid validering och just nu valideras den ytterligare på en stor kohort med mer än 5 000 inskannade biopsier. När algoritmen är färdigutvecklad kan den bli tillgänglig för patologer som ett interaktivt hjälpmedel vid bedömning av vävnadsprov från prostata.