Johan Lundin, Karolinska Institutet

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 cancerförebyggande 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 pågående 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 bygger 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 samarbetar 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 delprojekt 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 tillgång 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.

Johan Lundin och hans kollegor Andreas Mårtensson och Nina Linder vill sprida tillgången till bildbaserad diagnostik till platser där det saknas patologer.

Laborant Felix Kinyua infärgar cellprover i labbet i Kenya.

– I samband med dessa undersökningar kunde vi ta cellprov och de som hade förändringar fick behandling, säger Johan Lundin.

Förra året visade de i en studie med 740 kvinnor att AI hade en träffsäkerhet på mellan 96 och 100 procent när det gällde att hitta förändringar i cellprover, vilket de publicerade i JAMA Network Open. AI var dock något sämre på att tolka prover från låggradig cancer, vilket man hoppas kunna förbättra i den nu planerade uppföljningen där 1 500 kvinnor från flera olika kliniker i området ska ingå. – Vi kommer även att följa upp de trettiotal kvinnor från den första studien som hade cellförändringar, för att se att den lokala frysbehandling de fick var tillräcklig för att cancer inte skulle utvecklas, säger han.

Malaria drabbar årligen 200 miljoner människor, merparten barn under fem år. I en studie publicerad i PLOS One 2020 visade forskarna att det med deras metod gick att hitta malariaparasiter i mikroskopibilder av blodutstryk. Här användes en infärgningsmetod där parasiterna ”lyser upp” vilket gör att förstoringen inte behöver vara extrem. Då det blir allt vanligare med resistens mot läkemedlen ska de i en ny studie analysera blodprov från 800 patienter som tas inför behandlingen och sedan igen efter tre dagar, för att bedöma hur behandlingen fungerar. Det tredje delprojektet är att undersöka förekomst av infektion med parasitmaskar som uppåt 30 procent av barnen i Tanzania och Kenya bär på. – Barnen blir sällan allvarligt sjuka, men kan lida av trötthet, undernäring och försämrad tillväxt och orkar inte hänga med lika bra i skolan. Idag är det vanligt att avmaskningsbehandling ges till alla elever i skolan, oavsett om man är smittad eller ej, säger Johan Lundin.

Han menar att med effektiviserad och förenklad diagnostik kunde behandlingen ges endast till de barn som har en infektion och därmed även minska risken för läkemedelsresistens.

Forskarna ska studera hur bra AI är på att hitta maskägg i avföringsprover, jämfört med en skicklig, mänsklig mikroskopist. I en studie från 2017 i Global Health Action beskrev de denna metod. I en ännu ej publicerad studie berättar Johan Lundin att de såg att AI hittade de omkring 10 procent av proverna med maskägg, som en människa missar. – Det är inte underligt då det på ett helt mikroskopiglas kan handla om ett eller två ägg, verkligen en nål i en höstack. Men AI:n är noggrann och snabb och söker igenom ett helt prov på tiondelen av tiden som det tar för en människa.

Målet med den nya studien är att se om det med metoden snabbt går att avgöra om ett barn är infekterat eller ej, för att undvika medicinering i onödan.

>96%

Den träffsäkerheten har forskarnas AI när det gäller att i mikroskopibilder hitta cellförändringar som kan leda till livmoderhalscancer.

1

Det tar en minut för AI att i mikroskopibilder av avföringsprov undersöka om det finns ägg från parasitmaskar. För en skicklig mikroskopist tar det tio minuter.

200

200 miljoner människor drabbas årligen av malaria världen över.

OM PROJEKTET Projektledare: Johan Lundin, professor vid Institutionen för global folkhälsa vid Karolinska Institutet i Solna, samt forskningsdirektör vid Institutet för molekylär medicin i Finland, FIMM, Helsingfors universitet.

Namn: ”Artificial intelligence for diagnostic of cancer and infectous disease in resource-limited settings – the MoMicProject”.

Vad: Med hjälp av ett mikroskop uppkopplat till mobilnätet kan bilddata analyseras med hjälp av artificiell intelligens, AI, eller genom en kombination av AI och medicinsk expertis. Det öppnar för bättre bilddiagnostik även i resurssvaga områden.

Vilka: Forskare från Karolinska Institutet, Uppsala universitet och Helsingfors universitet, samt från Kinondo Hospital i Kenya och Muhimbili University of Health and Allied Sciences i Tanzania.

Finansiering: Erling-Perssons Stiftelse stödjer projektet med sammanlagt 10 miljoner kronor under tre år.