Atopic dermatitis
« Gå tillbaka

Diagnosis and Subclassification of Non-Pigmented Skin Cancers Using Machine Learning Algorithms


Huvudsökande: Åsa Ingvar
Arbetsplats: of Clinical Sciences, Lund


Förekomsten av hudcancer har ökat kraftigt under lång tid i Sverige. Det är utmanande att ställa rätt diagnos och tyvärr vanligt med feldiagnosticering vilket har flera ogynnsamma effekter. Främst kan feldiagnosticering leda till att hudcancer missas eller att fel behandling väljs vilket kan ha allvarliga konsekvenser. Vid motsatt situation kan en godartad hudförändring misstas för en elakartad, vilket leder till stor belastning på sjukvården till följd av onödiga besök, ingrepp och analyser. Det behövs därför nya teknologier för att förbättra den diagnostiska träffsäkerheten för hudcancer. Bildanalys med hjälp av maskininlärning, som också kallas artificiell intelligens, har visats ha en högre diagnostisk träffsäkerhet än läkare. Dock har få algoritmer testats på opigmenterad hudcancer och inga har tränats att särskilja olika undergrupper av dessa hudcancrar. Dessutom har nästan alla maskininlärningsalgoritmer enbart testats i datorlaboratorier, nästan inga har testats på verkliga fall i sjukvården. Vår forskning syftar till att skapa maskininlärningsalgoritmer för att diagnosticera opigmenterade hudförändringar samt för att särskilja olika undergrupper av opigmenterad hudcancer. Detta gör vi genom att skapa och träna maskininlärningsalgoritmer på redan insamlade databaser och därefter på nya bilder från patienter som besöker hudkliniker. När algoritmerna presterar med en god diagnostisk träffsäkerhet testas de i kliniken.