AIforScreening
Prosjekt
|Oppdatert
Forskningsprosjektet skal utvikle algoritmer, metoder og tilnærminger som gir robuste og pålitelige AI-løsninger for analyse av screeningmammogrammer.
Sammendrag
Forskningsprosjektet skal utvikle algoritmer, metoder og tilnærminger som gir robuste og pålitelige AI-løsninger for analyse av screeningmammogrammer. Kreftregisteret er forskningsansvarlig institusjon, og studien gjennomføres i samarbeid med Norsk Regnesentral (databehandler), norske brystsentre og Karolinska Institutet i Stockholm, Sverige Bruk av AI i mammografiscreening kan frigi radiologkapasitet og bidra til å oppdage ikke bare flere krefttilfeller, men også de som vokser fort og som det menneskelige øye kanskje ikke ser/oppfatter. Dype nevrale nettverk er en type AI som har vist å ha potensiale til å øke sensitiviteten for å oppdage kreft i mammografiscreening. Det antyder at AI kan oppdage aggressive svulster i et tidlige stadium, før de har utviklet seg og spredt seg til andre organer. Det kan igjen bety sparte liv og en bedre helsetjeneste. Dette krever stabile AI-løsninger som kan brukes på apparater fra ulike leverandører, på ulike kvinner med forskjellig mammografisk kjerteltype, at de finner det de skal og ikke flagger for mange negative funn. I tillegg må vi forstå effektene av å introdusere og bruke AI, både fra et radiograffaglig og et radiologfaglig perspektiv, men også fra kvinnene og samfunnets perspektiver. Den virkelige verden er imidlertid mer kompleks og mangfoldig enn kontrollerte forskningsomgivelser hvor aI har vært testet. Det er derfor et behov for å se nærmere på hva som skal til for å bringe dagens lovende resultater videre ut til den virkelige verden, i screening og i sykehushverdagen. For å kunne bidra å fylle disse kunnskapshullene ønsker vi å gjenbruke screeningdata og bildedata samlet inn i forbindelse med forskningsprosjektet "Bruk av maskinlæring for å tyde mammogrammer" (REK ref. 2017/2461), og samle inn screeningdata og bildedata fra tre nye brystsentre samt fra Karolinska Institutet. Vi vil utvikle robuste AI-systemer for screening som kan håndtere mammogrammer fra ulike leverandører over tid, som kan utnytte data fra flere undersøkelser og som er tilpasset bruk i en klinisk sammenheng i kombinasjon med radiologens vurderinger. Vi vil også sikre at tilnærmingene er pålitelige ved å utvikle metoder for å forklare og forstå resultatene og studere hvordan integrasjon av AI i prosessen kan påvirke radiologens beslutninger i vurderingen av mammogrammene.
Prosjektleder
Solveig Sand-Hanssen Hofvind, Folkehelseinstituttet
Prosjektdeltakere
Lars Holden, Norsk Regnesentral
Lidia Luque, Oslo universitetssykehus HF
Silje Sagstad, Kreftregisteret - Institutt for populasjonsbasert kreftforskning
Jonas Thy, Kreftregisteret - Institutt for populasjonsbasert kreftforskning
Randi Gullien, Oslo universitetssykehus HF
Anne Kathrin Ertzaas, Kreftregisteret - Institutt for populasjonsbasert kreftforskning
Inge Groote, Oslo universitetssykehus HF
Fredrik Dahl, Norsk Regnesentral
Åsne Holen, Kreftregisteret - Institutt for populasjonsbasert kreftforskning
Camilla Flåt Aglen, Kreftregisteret - Institutt for populasjonsbasert kreftforskning
Evy Gran, Akershus universitetssykehus HF
Gunhild Mari-Ann Opsahl, Sykehuset i Vestfold HF
Einar Vigeland, Sykehuset i Vestfold HF
Manouchehr Seyedzadeh, Akershus universitetssykehus HF
Fredrik Strand, Karolinska Institutet
Line Eikvil, Norsk Regnesentral
Atle Bjørnerud, Oslo universitetssykehus HF
Solveig Hofvind, Kreftregisteret - Institutt for populasjonsbasert kreftforskning
Marit Holden, Norsk Regnesentral
Olav Brautaset, Norsk Regnesentral
Åse Tangerud, Oslo universitetssykehus HF
Marthe Larsen, Kreftregisteret - Institutt for populasjonsbasert kreftforskning
Elin Bjørnson, Kreftregisteret - Institutt for populasjonsbasert kreftforskning
Start
01.07.2021
Slutt
30.06.2030
Status
Pågående
Godkjenninger
Regionale komitéer for medisinsk og helsefaglig forskningsetikk (REK)
Prosjekteier/ prosjektansvarlig
Folkehelseinstituttet