Nya avbildningstekniker samt artificiell intelligens för förbättrat cancerdiagnostik

Våra forskningsområden

Artificiell intelligens
Den höga och ständigt ökande cancerincidensen orsakar en betydande börda för patologilaboratorierna och diagnostiska förseningar för patienterna. Digitalisering möjliggör användning av lösningar med artificiell intelligens (AI) inom patologi. Så kallad ”deep learning” möjliggör implementering av bildanalys, vilket ger en potential att öka diagnostisk precision, minska diagnostiden och minska variabilitet mellan patologer. I detta projekt samlas flera tusen oidentifierade digitaliserade patologibilder av primära tumörer och metastaser in för utveckling av AI-algoritmer. Vi siktar på att utveckla verktyg för diagnostik av primärtumörer, upptäckt av metastaser och bedömning av molekylära och prognostiska markörer med huvudfokus inom hudcancerdiagnostik.

Ex-vivo fluorescenskonfokalmikroskopi
En ny lovande teknologi för området patologidiagnostik är ex vivo fluorescenskonfokalmikroskopi (FCM) där färska ofixerade vävnadsprover skannas optiskt med en laser som producerar bilder som efterliknar konventionella histopatologiska bilder på några minuter, vilket möjliggör diagnostik vid sängkanten. FCM gör det möjligt att producera bilder av färsk vävnad på några minuter utan att på något sätt störa de efterföljande rutinmässiga histopatologiska undersökningarna. Flera hundratals färska vävnadsprover från olika typer av cancervävnad kommer att samlas in för FCM-analyser. FCM-bilderna kommer att jämföras med konventionell histopatologi. Den snabba pre- och intraoperativa histopatologiska utvärderingen av cancerformer med RCM kan erbjuda snabbhet och noggrannhet i den kliniska miljön, vilket skulle minska driftskostnaderna och väntetiden för patienten. Onödiga återbesök kunde också undvikas. Då förekomsten av cancer är mycket hög kan detta sänka sjukvårdskostnaderna anmärkningsvärt.

ToF-SIMS masspektrometri
Under de senaste åren har förändringar i lipidmetabolismen hos cancerceller fått ökad uppmärksamhet. Lipidsammansättningsförändringar kan ske mycket snabbare än förändringar i proteiner och kan vara den första indikatorn på fenotypiska förändringar i celler. Således är lipidomik en av de aktuella huvudinriktningarna för cancerforskning. Ett sätt att undersöka och karakterisera lipider i cancervävnader är sekundär jonmasspektrometri (ToF-SIMS). ToF-SIMS erbjuder en unik avbildningsteknik med högupplöst kemisk kartläggning av histopatologiska prover. Detta möjliggör jämförelse sida vid sida med rutinfärgade histopatologiska objektglas och därmed detektering av förändringar på cellnivå. På detta sätt kan kemiska förändringar i frisk kontra cancervävnad samt skillnader mellan olika cancervävnader studeras. Den ökande kunskapen om lipidomik kan vara av stor betydelse för att förbättra tidigare och mer exakta biomarkörer för cancer och fungera som ett mål för nya terapeutiska tillvägagångssätt.

Nuvarande medarbetare:

Prof John Fletcher, Avdelning för kemi och Molekylärbiologi, Göteborgs universitet

Prof John Paoli, Avdelning för Dermatovenereologi, Institutionen för Kliniska Vetenskaper, Sahlgrenska Akademin

Prof Roger Olofsson-Bagge, Avdelning för Kirurgi, Institutionen för Kliniska Vetenskaper, Sahlgrenska Akademin

Docent Kari Nielsen, Institutionen för Kliniska Vetenskaper, Lund Universitet

Prof Ilkka Pölönen, Department of Information Technology, University of Jyväskylä 

Docent Ida Häggström, Chalmers tekniska högskola och Gothenburg Universitet

PhD Gabriele Campanella, Senior data scientist, Memorial Sloan Kettering Cancer Center, NYC