Et integrert system for digital patologi og avansert kreftprognostikk
ENDPATH utvikler et nytt bildesystem for digital patologi, spesielt tilpasset opplæring av modeller for kunstig intelligens (KI) til presis og pålitelig diagnostikk og prognostikk av kreft. Målet er å optimalisere hele analysekjeden – fra optisk avbildning av ufarvede histologiske preparater til analyse med dyp læring – for å øke både nøyaktighet og robusthet i fremtidens diagnostiske verktøy.
Utvidelse av informasjonsgrunnlaget i histopatologi
I mer enn 150 år har hematoksylin og eosin-farging (H&E) vært grunnlaget for histopatologisk diagnostikk. Moderne digitale skannere for vevssnitt registrerer hovedsakelig farge og intensitet, men andre fysiske egenskaper ved lys, som fase og polarisasjon, utnyttes i liten grad.
ENDPATH benytter Digital Condenser Microscopy (DCM) for å fange disse iboende fysiske egenskapene i skanning av vevssnitt. I motsetning til langsommere og mer komplekse forskningsmetoder muliggjør DCM rask og kostnadseffektiv datainnsamling, samtidig som det bevarer et visuelt bildeuttrykk som er gjenkjenbart for patologer og kompatibelt med eksisterende kliniske beslutningsrammer. Ved å videreføre utviklingen av en høy-gjennomstrømnings DCM-prototype har vi som mål å utvikle det første multimodale mikroskopisystemet tilrettelagt for avansert dyp læring.
Klinisk anvendelse
Vi vil gjennomføre en storskala studie basert på mer enn 2 000 prøver for å demonstrere potensialet til dette bildesystemet som kan gi mer presise og pålitelige KI-modeller enn modeller som baserer seg på konvensjonelle mikroskopibilder. Enklere diagnostiske oppgaver som automatisk tumorsegmentering og Gleason-gradering vil etterfølges av mer komplekse oppgaver som prognostisk modellering.
I første omgang vil prosjektet fokusere på prostatakreft, den vanligste kreftformen blant menn i Norge. Mer enn 6 000 nordmenn følges i dag gjennom et aktivt overvåkningsprogram, der nøyaktig risikovurdering er avgjørende for å unngå overbehandling. Prosjektet vil utnytte store pasientkohorter instituttet har tilgang til, for å utvikle KI-modeller som kan forbedre beslutningsstøtte for persontilpassede behandlingsstrategier.
FRIPRO – høy risiko, høy gevinst
ENDPATH er finansiert gjennom FRIPRO, et program fra Norges forskningsråd som støtter banebrytende forskning. Prosjektet er klassifisert som høy risiko med høy potensiell gevinst, og har som mål å utvikle ny teknologi med potensial til å transformere hvordan digital patologi brukes i klinisk forskning og diagnostikk.
På lengre sikt kan prosjektet bidra til en overgang fra tradisjonell digital patologi til mer omfattende in silico-patologi, der bildeteknologi og KI-basert analyse utvikles som et integrert system.
Samarbeid
Dette tverrfaglige prosjektet, ledet av Institutt for kreftgenetikk og informatikk ved Oslo universitetssykehus, støttes av et rådgivende utvalg og samarbeidspartnere fra ledende akademiske institusjoner, blant annet fra University College London (UCL), Universitetet i Sørøst-Norge (USN) og Universitetet i Oslo (UiO).
