10 MKR / 3 ÅR
HAN UTVECKLAR BRETT TILLGÄNGLIG DIAGNOSTIK Johan Lundin arbetar för att AI-stödd bilddiagnostik ska kunna användas även i resurssvaga områden. Ett uppkopplat mikroskop som kan användas i fält har visat sig ge möjlighet att diagnostisera såväl cancer som infektionssjukdomar.
Att analysera mikroskopiprover på celler och andra vävnader är en förutsättning för att kunna ställa korrekt diagnos. Inom exempelvis den cancerföre byggande vården bedömer patologer om en viss cellförändring är ett förstadium till cancer. Johan Lundin, professor vid Institutionen för global folkhälsa vid Karolinska Institutet i Solna, har p ågående samarbeten i Tanzania och Kenya och där är det ont om patologer. – I Subsahariska Afrika beräknas det i genomsnitt finnas färre än en patolog per miljon invånare. Det kan jämföras med att det i Sverige anses vara brist med 30 patologer per miljon invånare, säger Johan Lundin. Med hjälp av digital teknik och artificiell intelligens, AI, vill han och hans kollegor sprida tillgången till bildbaserad diagnostik. AI-tekniken som b ygger på så kallad djupinlärning har revolutionerat bildbaserad mönsterigenkänning. Den finns idag tillgänglig i allt från mobiltelefoner som känner igen ansikten, till självkörande bilar och i allt större utsträckning även inom medicinsk diagnostik. Det innebär att systemet kan lära sig känna igen strukturer som skiljer ut cancerceller eller att hitta malariaparasiter i ett blodprov. Inledningsvis utvecklade forskarna en prototyp av ett uppkopplat mikroskop som de kallar MoMic, där komponenterna stammar från mobilindustrin. Med hjälp av det instrumentet och motsvarande mobila mikroskop som nu även finns kommersiellt tillgängliga, går det att analysera prover på blod eller celler och att från enheten skicka data vidare. – Den som bedömer bilderna behöver alltså
inte sitta i samma rum, utan det går lika bra att skicka bilder till en annan stad eller ett annat land, säger han. Genom att låta en expert gå igenom digitala prover som sedan AI:n tränas med gör att AI:n lär sig. – En människa blir trött, men AI:n går igenom varje prov lika snabbt och noggrant. Systemet är också konsekvent och bedömer samma prov exakt lika vid olika tillfällen, säger Johan Lundin. Han lyfter att det handlar om ett projekt med representanter från Karolinska Institutet, Uppsala universitet och Helsingfors universitet. – Vi i den nordiska ledningsgruppen s amarbetar nära med varandra och med våra teammedlemmar på plats i Kenya och Tanzania. Dessa lokala medarbetare har lärt sig att använda metoden och lär i sin tur ut den till fler på hemmaplan, säger Johan Lundin. I projektet ”Artificial intelligence for diagnostic of cancer and infectous disease in resource-limited settings – the MoMic Project” kommer de nu att tillämpa metoden på tre olika områden. I ett del projekt ska de se om metoden kan användas vid screening för livmoderhalscancer som är den vanligaste orsaken till cancerdöd hos kvinnor i Subsahariska Afrika. – En orsak är att kvinnor med HIV har ökad risk att även bära på humant papillomvirus, som orsakar livmoderhalscancer. Eftersom få har till gång till screening ökar risken för att cancern hinner spridas innan den upptäcks, säger Johan Lundin. Forskarna samarbetar med ett sjukhus i Kinondo på landsbygden i Kenya dit kvinnor med HIV går för att få sina mediciner var tredje månad. 22
