Cristin-prosjekt-ID: 2516662
Registrert av: REK Sist endret: 24. november 2023, 09:07 Sist endret av: REK

Cristin-prosjekt-ID: 2516662
Registrert av: REK Sist endret: 24. november 2023, 09:07 Sist endret av: REK
Prosjekt

AIforScreening

prosjektleder

Solveig Sand-Hanssen Hofvind
ved Kreftregisteret - Institutt for populasjonsbasert kreftforskning

prosjekteier / koordinerende forskningsansvarlig enhet

  • Kreftregisteret - Institutt for populasjonsbasert kreftforskning

Godkjenninger

  • Regionale komitéer for medisinsk og helsefaglig forskningsetikk (REK) - 267508

Kategorier

Helseprosjekttype

Annet studium

Tidsramme

Aktivt
Start: 1. juli 2021 Slutt: 30. juni 2030

Beskrivelse Beskrivelse

Tittel

AIforScreening

Populærvitenskapelig 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.

Metode

Kvantitative analysemetoder

prosjektdeltakere

prosjektleder

Solveig Sand-Hanssen Hofvind

  • Tilknyttet:
    Prosjektleder
    ved Kreftregisteret - Institutt for populasjonsbasert kreftforskning

Lars Holden

  • Tilknyttet:
    Prosjektdeltaker
    ved Norsk Regnesentral

Lidia Luque

  • Tilknyttet:
    Prosjektdeltaker
    ved Oslo universitetssykehus HF

Silje Sagstad

  • Tilknyttet:
    Prosjektdeltaker
    ved Kreftregisteret - Institutt for populasjonsbasert kreftforskning

Jonas Thy

  • Tilknyttet:
    Prosjektdeltaker
    ved Kreftregisteret - Institutt for populasjonsbasert kreftforskning
1 - 5 av 24 | Neste | Siste »