2024

2023

2022

2021

2020

Portefølje Naturvitenskap og teknologi ikon

The research system

Portefølje Humaniora og samfunnsvitenskap ikon

Ground-breaking research

Portefølje Samisk ikon

Sámi society and culture

Portefølje Demokrati, styring og fornyelse ikon

Democracy and global development

Portefølje Velferd, kultur og samfunn ikon

Welfare, culture and society

Portefølje Helse ikon

Health

Portefølje Klima- og polarforskning ikon

Climate and environment

Portefølje Landbasert mat, miljø og bioressurser ikon

Land-based food, the environment and bioresources

Portefølje Energi, transport og lavutslipp ikon

Energy and transport

Portefølje Muliggjørende teknologier ikon

Enabling technologies

Portefølje Industri og tjenestenæringer ikon

Innovation

LTP Climate, environment and environmentally friendly energy

Climate and loss of natural diversity

Internationalization

Societal security and civil preparedness

Renewal in the public sector

Velferdstjenester

Frontpage Image

Marine icon

Petroleum og mineraler

LTP Hav ikon

Oceans and coastal areas

LTP2 Muliggjørende og industrielle teknologier ikon

Enabling and industrial technologies

Trust and community

Professional environment

High quality and accessibility

LTP Climate

Strengthened competitiveness and innovation capacity

LPT Health

 An innovative business community

LTP3 Helse

Portefolje Petroleum Ikon

Portefølje Hav ikon

Portefølje Utdanning og kompetanse ikon

Portefølje Global utvikling og internasjonale relasjoner ikon

Portefølje Livsvitenskap ikon

LTP2 Styrket konkurransekraft og innovasjonsevne ikon

LTP2 Utvikle fagmiljøer av fremragende kvalitet

LTP2 Samfunnssikkerhet og samhørighet ikon

LTP2 Fornyelse i offentlig sektor ikon

LTP2 Klima, miljø og miljøvennlig energi ikon

Forsidebilde optimalisert

project-bank-technical

Et innovativt næringsliv ikon

Muliggjørende teknologier bakgrunn

Marin bakgrunnsbilde

Marin ikon

Forsidebilde

Statistics

Prosjektbanken presenterer statistikk og informasjon om prosjekter med finansiering fra Forskningsrådet fra 2004. Statistikken er fordelt på blant annet tema, år, geografi og organisasjon. Prosjektbanken gir også detaljert informasjon om de enkelte prosjektene.

...or see the summary and other information about the projects you have selected

Portfolios

En god beskrivelse av denne siden for søkemotoroptimalisering

Forside

How the grants are distributed between organisations, counties, subject areas etc....

Here are some examples of searches you can perform in the Project Databank

All long term plan objectives

About Text Queries

No thematic area or topic related to the project

has received funding in the programme period

No popular science description is available

have received funding in the programme period

The project with project number {{project number}} was not found

Technical description

Woops, something went wrong. Please refresh the page. If the error persists, please contact us.

We could not find what you were looking for

See statistics related to this LTP objective

See projects related to this LTP objective

related to this LTP objective have received grants

has been granted to projects related to this LTP objective

has been granted to projects related to this portfolio

related to this portfolio have received grants

About Prosjektbanken

Kunnskapsdepartement

Nærings- og fiskerid

Medisin og helsefag

Matematikk og naturvitenskap

Oslo

LTP3 Styrket konkurransekraft og innovasjonsevne

LTP3 Et kunnskapsintensivt næringsliv i hele landet

LTP3 Uttesting og kommersialisering av FoU

LTP3 Muliggjørende og industrielle teknologier

LTP3 IKT og digital transformasjon

LTP3 Nano-, bioteknologi og teknologikonvergens

Øvrige

Portefølje Innovasjon

Portefølje Helse

Portefølje Muliggjørende teknologier

Nettverkstiltak

Kommersialiseringsprosjekt

Politikk- og forvaltningsområder

Bransjer og næringer

FNs Bærekraftsmål

Kommersialisering

Anvendt forskning

Helse

Utviklingsarbeid

Verifisering, pilotering, demonstrasjon (ny fra 2014)

Bioteknologi

Digitalisering og bruk av IKT

Helseteknologier

IKT forskningsområde

Målet for FUSE er å utvikle kunnskap og metoder for energieffektive og trygge skipsoperasjoner ved å kombinere KI og skips hydrodynamikk som muliggjør raske utslippsreduksjoner fra den globale flåten gjennom neste generasjons ruteoptimalisering.


Hovedideen er å utvikle metoder for mer nøyaktige numeriske modeller for skipsytelse, inkludert både energi- og bevegelsesegenskaper, ved å bruke kunstig intelligens i kombinasjon med klassisk hydrodynamikk. Tradisjonelle hydrodynamiske modeller er basert på grunnprinsipper og reflekterer fysiske lover. Kunstig intelligens kan trenes på operasjonelle data til å finne nye sammenhenger i dataene utover det man vet fra fysikkens lover. Begge tilnærmingene har sine fordeler og ulemper, og vi tar sikte på å kombinere det beste fra begge tilnærmingene og utvikle hybridmodeller. 
Potensielle effekter av de nye skipsmodellene vil evalueres gjennom bruk i ruteplanlegging.

Som utgangspunkt vil vi samle brukerkrav fra industripartnerne med fokus på to utvalgte brukstilfeller; deep sea og fergedrift. Forskningsaktivitetene vil dekke dataanalyse, KI og skipshydrodynamikk og reiseoptimalisering og beslutningsstøtte. Relevante forskningstemaer innebærer å sammenligne de ulike tilnærmingene for å estimere skipsytelse, vurdere nøyaktighet og gyldig bruk av modellene og evaluering av modellenes sensitivitet og anvendelighet. Til slutt vil den potensielle effekten av å bruke hybridmodeller i reiseoptimalisering bli undersøkt og demonstrert. En ph.d.-kandidat vil bli utdannet fra NTNU med fokus på å fusjonere KI med skipshydrodynamikk. 

Prosjektpartnerne er SINTEF Ocean, SINTEF Ålesund, NTNU, Torghatten, Vard Electro, NAVTOR og G2 Ocean.

The FUSE vision is to rapidly reduce emissions from the global fleet by unlocking the full potential of operational data through fusing AI and ship hydrodynamics for next generation voyage optimization. The main idea is to develop theoretical approaches and methodology utilizing the potential of using AI in combination with classical hydrodynamics to develop more accurate numerical models for ship performance, including both energy and motion characteristics. Traditional hydrodynamic models are based on first-principle, reflecting physical laws. AI-based models which uses operational data are used to establish a statistical relationship between inputs and outputs. Both approaches have their pros and cons, and we aim to fuse the best of both approaches and develop hybrid models as input to voyage planning and onboard decision support systems.  As a starting point, we will gather user requirements from the industrial partners focusing on two selected use cases; deepsea and ferry operations. The industry partners will be involved during the whole project period ensuring that the competence and results can be exploited into their product and services. The industry partners will contribute with operational data from their ships as research data. 

The research activities will cover data analytics, AI and ship hydrodynamics and voyage optimization and decision support. Research partners are SINTEF Ocean, SINTEF Ålesund, and NTNU. A PhD candidate will be educated from the NTNU with supervisors from Marine Technology and Engineering Cybernetics with focus on fusing AI with ship hydrodynamics. Relevant research topics involve comparing the different approaches for estimating ship performance, considering accuracies and valid usage of the models and evaluation of sensitivity and applicability of the models. Finally, the potential impact of using hybrid models in voyage optimization will be investigated and demonstrated.

Fusing AI and Ship Hydrodynamics for Next-Gen Voyage Optimization

Ettersom flere mennesker lever lenger, trenger vi flere helsetjenester, spesielt for akutte helseproblemer. Dette legger mye press på helsesystemet vårt, som inkluderer hjemmeomsorg, sykehjem, lokale klinikker og sykehus. For å sikre at vi kan ta vare på alle i fremtiden, må vi finne måter å hjelpe eldre mennesker med å holde seg sunne og unngå å trenge mye omsorg.
PAI-prosjektet jobber med dette problemet. Prosjektet bruker kunstig intelligens (KI) for å forutsi hvilken type omsorg eldre mennesker kan trenge ved å se på helsedata. Ved å oppdage helseproblemer tidlig, kan vi ta skritt for å forhindre at de blir verre. Dette kan bety at vi forhindrer fall i sykehjem eller endrer en persons medisinering på deres lokale klinikk. Dette bidrar til å unngå sykehusopphold, som kan være dyre og stressende.
Imidlertid er det vanskelig å forutsi helsebehov fordi dataene vi har kan variere mye. Det kan være forskjellig avhengig av hvor personen bor, og hvilke helseproblemer de har. For å håndtere dette, jobber PAI-prosjektet med mennesker som mottar omsorg og helsearbeidere for å utvikle KI-verktøy. Prosjektet tester disse verktøyene i virkelige situasjoner i Spania, Sverige og Norge.
Prosjektet bruker en blanding av metoder for å samle inn og analysere data. Dette inkluderer både tall (kvantitative data) og folks erfaringer og meninger (kvalitative data). Målet er å hjelpe eldre mennesker ved å gi dem riktig omsorg til rett tid, forhindre at skader og sykdommer blir verre. Det hjelper også helsearbeidere ved å sørge for at ressursene brukes effektivt og skaper et godt arbeidsmiljø. Løsningene de finner kan brukes på mange forskjellige steder.

As the population ages, the demand for healthcare services increases, including acute care. This puts a strain on healthcare resources, making efficient care management crucial at all levels - home, nursing homes, primary care, and hospitals.
The PAI project aims to address this challenge by using artificial intelligence (AI) to predict the care needs of older individuals. By analyzing patient monitoring data, the project can detect early signs of health or functional decline. This allows for preventive measures to be taken, reducing the need for costly acute care and aftercare. For example, hospitalizations can be prevented by avoiding falls in nursing homes or adjusting medication in primary care.
However, predicting the care needs of older patients is not straightforward. It involves dealing with varying data availability, quality, and potential interventions across different care levels and diagnoses. To tackle this, the PAI project uses a design science approach and a multiple case study design. It develops analytics in collaboration with care recipients and healthcare practitioners and implements them in real-life settings in Spain, Sweden, and Norway.
The project uses a mixed-methods strategy for data collection and analysis, combining quantitative and qualitative elements. This includes the thematic interpretative analysis of meeting notes, interviews, and observations, as well as the statistical longitudinal trend analysis of Key Performance Indicators in the respective healthcare systems.
The benefits of the PAI project are twofold. Older individuals receive adequate early care, preventing injuries and the worsening of diseases. Healthcare staff can use their resources more effectively, creating a sustainable and satisfying work environment. The outcomes of the project are scalable and can be applied in various contexts, making it a valuable contribution to the future of European healthcare.

Predicting Care Needs of Older Adults in the Healthcare System through AI-enabled Analysis of Patient-Monitoring Data

mSpider: a universal “digital adaptor” to extract physical activity and health data from wearable sensors

I Nordsjøen finnes det organisk rike leirlag som har blitt begravd til flere kilometers dyp. Når slike leirlag blir begravd til flere kilometers dyp, blir de så varme at de begynner å generere olje og gass. Av all oljen og gassen som har blitt generert i Nordsjøen, har hele 98% lekket ut til havet over geologisk tid. Men hvor skjer dette? Hvor mye lekker ut? Hvilke miljøkonsekvenser har det? Hvordan påvirker det planer for CO2-lagring at væsker kan sive ut naturlig noen steder? Og kan det gi ny innsikt i hvor man bør lete etter olje og gass? Dette er spørsmål som InFluSe-prosjektet skal svare på. 

InFluSe står for "Integrated study of Fluid Migration and Seepage in the Southern Norwegian North Sea - Impact on Hydrocarbons, Environment, and CO2 storage". På grunn av de viktige konsekvensene hydrokarbonlekkasje i Nordsjøen har, er det mange som er interessert i dette prosjektet. Prosjektet ledes av Universitetet i Bergen, og har partnere fra industri, akademia og statsadminstrasjon, og disse partnerene inkluderer UiT, Equnior, Vår Energi, AkerBP, Aarhus Universitet, Geomar Kiel, Havforskningsinstituttet og Sokkeldirektoratet. 

I løpet av det første av fire år, skal vi ansette fire PhD-kandidater og gjennomføre et tokt på 20 dager med forskningsskipet G.O. Sars. Den første av PhD-stipendiatene skal bruke satellittdata til å undersøke hvor, når og hvorfor olje lekker i Nordsjøen. Den andre PhDen skal undersøke eksisterende brønn-, kjerne- og seismikk-data fra Nordsjøen for å finne ut hvilke veier hydrokarbonene migrerer under bakken. Den tredje skal samle inn og prosessere nye høy-oppløselige 3D-seismiske data over områder med mye lekkasje for å undersøke hvordan hydrokarbonene kommer seg gjennom takbergartene. Den siste skal undersøke geokjemiske og biologiske prøver fra hydrokarbonoppkommene for å finne ut hvor de kommer fra, hvor lenge de har vert aktive, og hvilke påvirkninger de har på miljøet.

In the Southern Norwegian North Sea (SNNS), analysis of satellite radar data supported by recent scientific cruise activity reveals a previously unknown pattern of natural oil seepage. This seepage pattern indicates the presence of a widespread and previously unknown hydrocarbon migration system. Combined with the extreme availability of subsurface data in the study area and our ability to conduct scientific cruises with state-of-the-art research vessels, the observed seepage pattern makes it possible to characterize and understand migration of fluids in sedimentary basins from source to seep, at a hitherto unparalleled level of detail. Through an integrated and cross-disciplinary research program, the InFluSe project partners will create a complete understanding of hydrocarbon migration and seepage in the SNNS through two scientific cruises, a comprehensive analysis and modelling program, and education of 4 PhDs and >10 MScs in the disciplines of geomatics, subsurface geology, geophysics and geochemistry. Firstly, we will determine the hydrocarbon migration pathways in the SNNS area and develop a baseline of natural hydrocarbon seepage in terms of distribution and rates that past and potential future well-related emissions can be evaluated against. Secondly, improved knowledge about distribution and rates of hydrocarbon seeps in the Norwegian North Sea will make it possible to assess the geological contribution of hydrocarbons, carbon and methane (the most important greenhouse gas after CO2) to the environment and atmosphere, something that is poorly understood from both a conceptual and regional perspective, and may be exacerbated by the shallow depth of seepage here. Thirdly, several CO2 storage licenses are in place in the SNNS and the impact of the observed seepage on the CO2 storage integrity in these areas will be addressed by InFluSe. Finally, understanding of pathways of hydrocarbon migration will help improve play models and de-risk exploration prospects.

Integrated study of Fluid Migration and Seepage in the Southern Norwegian North Sea - Impact on Hydrocarbons, Environment, and CO2 storage

Novel vaccine platform for animal health

Autonomous Hooking System (AHS): Enhancing Safety and Efficiency in Lifting and Handling Operations

Limb wounds in horses are common, however healing is exceedingly slow and fraught with complications. Contrary to body wounds, limb wounds demonstrate only a small amount of wound contraction. The specialist procedure of applying split-thickness skin grafts to limb wounds stimulates wound contraction by unknown mechanisms. The objective of this project is to identify those mechanisms to develop a treatment strategy for equine limb wounds for use in general  practice. Limb wounds are severely impacting animal welfare due to an extended healing/treatment duration, and the risk of euthanasia due to a poor functional outcome. By stimulating wound contraction, healing time will be reduced, and the functional outcome improved, directly benefitting the welfare of wounded horse and reducing treatment cost for the owner. Aim: To identify dermal components stimulating wound contraction, and to develop this knowledge into future state-of-the-art treatment of equine limb wounds for use in general practice. Hypotheses: i) Application of dermal fractions to collagen gels seeded with equine fibroblasts will increase gel contraction in vitro; ii) Application of dermal fractions to experimental limb wounds in vivo, will increase wound contraction resulting in a faster healing time versus wounds treated by conventional methods. Methods: i) The contractile effect of different dermal components will be assessed in a collagen gel/ fibroblast model; ii) Identified dermal components will be tested in a standardized experimental limb wound model in vivo (n=5). Ultimately, results from this project are expected to improve wound treatment in horses, directly impacting animal welfare by reducing healing time and improving the functional outcome of wounded horses. This will also directly benefit horse owners and caretakers and making veterinarians able to offer better treatment solutions.

HESTEFORSK - Raskere og bedre sårheling hos hest med autologe hudkomponenter

Developing Gene Therapy for Brain Diseases

I løpet av de neste tiårene skal det bygges og driftes mange havvindmøller, noe som er viktig for å få til det grønne skiftet. Dette gir mange muligheter for norske verft. Norge er kjent for å være best i verden på design og produksjon av maritimt utstyr, og vi har gode forutsetninger for å lykkes med havvind. Men for å lykkes må verftene bli mer effektive.

Norske verft har tidligere blitt kritisert for å være for dyre og lite produktive. Selv om det går bedre, må de bli enda mer effektive. De må redusere kostnadene med 10-15% for å kunne vinne nye kontrakter og bidra til at havvindindustrien blir lønnsom. Derfor trenger vi mer kunnskap om hvordan verftene kan jobbe smartere.

Digitale tvillinger og kunstig intelligens har vist seg å fungere godt i andre industrier for å redusere kostnader og øke effektiviteten. I verftsindustrien har man hittil mest brukt digitale modeller til produktutvikling. Vi vet lite om hvordan de kan hjelpe med å planlegge arbeidskraft, utstyr og infrastruktur bedre. Med digitale tvillinger og kunstig intelligens kan verftene få bedre data og analyser, som gir mer detaljerte og nøyaktige planer. Dette kan redusere tid brukt på oppgaver som ikke skaper verdi.

Målet med TWinYards-prosjektet er å finne ut hvordan vi kan gjøre norske verft mer effektive ved å bruke digitale tvillinger og kunstig intelligens. Da kan verftene redusere kostnader og bidra til bærekraftig drift og en bærekraftig satsing på havvind.

A high number of offshore wind turbines is expected to be built, installed, operated, and decommissioned over the next decades, constituting a critical element in the green shift. This offers numerous opportunities for the Norwegian yard industry. Norway leads globally in maritime equipment design and production, with unique expertise and infrastructure, providing a solid foundation for success in offshore wind. However, the success relies on more efficient yard operations. The Norwegian yard industry's lack of cost competitiveness and productivity has been stressed previously, and even though there are signs of improvement, their effectiveness should have been much higher. They need to reduce costs by 10-15% to win newbuild orders in the long run and be able to contribute to the cost efficiency improvements required for a profitable offshore wind industry. There is, therefore, an urgent need for increased knowledge on efficient operations of the yards. 

Digital twins and artificial intelligence have been successfully used in manufacturing to reduce costs and improve efficiency. In the yard industry, the use of digital models has primarily been from a product perspective. There is a lack of knowledge on how they can support efficient planning of the people, equipment, and infrastructure at yards. With digital twins and artificial intelligence, yards gain access to robust data and analytical capabilities that provide more detailed and accurate plans and schedules that minimize non-value adding activities, promising a significant reduction in non-value adding time.

The overall objective of TWinYards is to develop knowledge on how to achieve resource efficiency and flow in the Norwegian yard industry by exploiting digital twins and artificial intelligence. The yards will thereby be able to reduce costs and contribute to green yard operations and a sustainable shift towards offshore wind.

TWinYards – Scaling up for offshore wind at Norwegian yards: Efficient operations through digital twins and artificial intelligence

Exploring ebselen Derivatives for Parkinson's Disease Therapy

miRNA som biomarkører i tidlig oppdagelse og persontilpasset behandling ved eggstokkreft

Midlene fra BEHANDLING-God og treffsikker diagnostikk, behandling og rehabilitering fordelt på år

Midlene fra BEHANDLING-God og treffsikker diagnostikk, behandling og rehabilitering fordelt på fylker

Midlene fra BEHANDLING-God og treffsikker diagnostikk, behandling og rehabilitering fordelt på fagområde

Senior Researcher

Epithelial ovarian cancer has poor survival. There are no effective early detection strategies, and early disease symptoms are not specific to the disease (for example, bloating and frequent urination). The best available blood-based early detection biomarker for ovarian cancer is CA125, but this marker has limited ability to distinguish between women with the disease and those who are free of cancer.
This study will provide the necessary validation of a panel of microRNAs for EOC early detection. We will use serum samples from prospective cohorts and clinical studies. The objective is to validate a serologic miRNA panel that, together with CA125, would have sufficient diagnostic discrimination to be used as a tool that, together with imaging, would allow early diagnosis and direction of patients with suspected malignancy to personalized specialist care. We will:
•	Validate serum miRNA profiles as biomarkers for early detection in samples collected from cases <=3 years prior to EOC diagnosis and matched controls, and characterize sources of variation in miRNA profiles.
•	Evaluate miRNA profiles in the clinical setting and the discrimination between EOC cases and women with (i) benign ovarian tumors and (ii) underlying comorbidities (including other cancer types). Further, we will evaluate serum miRNA profiles as predictors of recurrence and will compare tumor tissue and serum miRNA profiles.
•	Develop and optimize protocols for data integration and methods for algorithm development. 
•	Address Ethical, Legal and Social Aspects (ELSA), including activities in key stakeholder groups. Challenges in health data privacy and sharing, including for development of an artificial intelligence model, will be addressed, as will the definition of a “healthy” population with respect to miRNA profiles for EOC.

In the first grant year, we have completed the following project tasks:
•	Initiated the project with a kick-off meeting in Oslo, including all project partners, together with user representatives.
•	Finalized the consortium agreement across the participating institutions.
•	Finalized the project Data Management Plan.
•	Obtained the required ethical approvals for access to the required samples and data linkages.
•	Finalized the selection of samples and data from the prospective and clinical biobanks.
•	Optimized the assay methods for the miRNA assays using digital PCR (dPCR), with sample analysis to be completed throughout project year 2. This required special consideration given the unique characteristics of biobanked study samples, including those which have been in long-term storage.
•	Presented the design and concept of the miRPOC project with a poster “microRNA as biomarkers in early detection and personalized treatment in ovarian cancer:  Development of the miRPOC consortium” at the American Association for Cancer Research Ovarian Cancer Symposium (Boston, USA; October 2023).
•	Initiated ELSA activities. Challenges in cross-border data sharing were addressed to facilitate sample and data transfer between collaborators. Further ELSA-related activities included user-oriented outreach:
		o	Dr. Hilde Langseth and Dr. Renée Fortner were featured in Afrodite, the magazine of the Gynecological Cancer Society,  describing their studies on ovarian cancer earlier detection (Edition 1/2024).
		o	Dr. Langseth presented “Biomarkers for early detection of cancer - examples from ongoing research in the Janus biobank” for the Gynecological Cancer Society (Oslo; January 2024).
		o	Dr. Fortner presented “MicroRNA as biomarkers in early detection and personalized treatment in ovarian cancer: Development of a personalized prevention consortium” at the Nordic Conference on Future Health (Trondheim, September 2024)

The project will move forward with sample preparation and dPCR assays on study samples, implement the data integrating and methods development component of the project, and with multiple ELSA-related activities in preparation.

Epithelial ovarian cancer (EOC) is a lethal malignancy with poor survival. There are no effective early detection strategies, and early symptoms are vague. This study will provide validation of a miRNA panel for EOC early detection in serum samples from prospective cohorts, paired with clinical data and biospecimens. The project is organized as a consortium, where the collaborators are leading the Prospective Early Detection Consortium for Ovarian Cancer. We have used next generation sequencing to identify and validate a miRNA panel. The panel was developed and validated in patients with benign and malignant pelvic masses; and was further validated on a subset of patients and in silico. We have shown that the expression of circulating RNAs varies between healthy individuals and by age, sex, and lifestyle factors. Sources of variation in miRNA levels and the impact of confounders on discrimination between cases and non-cases must be evaluated. We plan to validate a serologic miRNA panel that, together with CA125, would have sufficient diagnostic discrimination for early-stage disease to be used clinically together with imaging, would allow early diagnosis and streaming of patients with suspected malignancy to personalized care. Toward that objective we will: -Validate serum miRNA profiles as biomarkers for EOC early detection in samples collected <=3 years before diagnosis and controls and characterize sources of variation in miRNA profiles. -Evaluate miRNA profiles in the clinical setting and the discrimination between EOC cases and (i) women with benign ovarian tumors in blood samples and (ii) women with underlying comorbidities. We will also evaluate miRNA profiles as predictors of recurrence and compare tumor tissue and serum miRNA profiles. -Develop and optimize protocols for data integration and methods for algorithm development and direct in silico validation. -Evaluate Ethical, Legal and Social Aspects (ELSA) of implementation in key stakeholder groups.

miRNA as biomarkers in early detection and personalized treatment in ovarian cancer

A urine test for bladder cancer detection and monitoring

Absolut! - A tool for benchmarking ML-methods for Ab-Ag design

BodySegAI - Kunstig intelligens for å måle muskelmasse hos kreftpasienter

BodySegAI kan måle muskler og ulike typer fett hos kreftpasienter ved bruk av allerede eksisterende CT-bilder. Ved integrering i sykehusets systemer kan BodySegAI bidra til å tilpasse kreftbehandlingen individuelt, samt forebygge og behandle tilstander som lav muskelmasse, sarkopeni og underernæring. 
Pasienter med kreft mister ofte muskelmasse. Tap av muskelmasse er vist å gi dårligere overlevelse, lavere gjennomføringsevne av kreftbehandlingen og økt komplikasjonsrate i etterkant. Til tross for dette blir ikke kroppssammensetning (mengde muskler og fett) målt rutinemessig på norske sykehus. 
Vi har utviklet BodySegAI, en programvare basert på kunstig intelligens som automatisk gir oss informasjon om hvor mye muskler og fett pasienten har. Formålet med prosjektet har vært å videreutvikle programvaren for integrering i kliniske systemer, samt forberede en kommersialiseringsstrategi for teknologien.

KVAL: Automated quantification of body composition from CT scans

Prostatakreft er den vanligste kreftformen i Norge, og rundt 1000 menn dør av den hvert år. De fleste pasientene har kreft uten spredning, og blir behandlet ved å fjerne hele prostatakjertelen. Dessverre får en del av disse tilbakefall av sykdommen. Det er behov for forbedrede tester for å forutsi hvem dette gjelder, slik at de kan få tilbud om tilleggsbehandling i tillegg til operasjonen. Pasienter med prostatakreft har ofte mer enn én kreftsvulst i prostata, og siden disse har ganske forskjellige molekylære endringer,  er utvikling av biomarkøre komplisert for prostatakreft. Vi har derfor analysert RNA-ekpresjon fra flere tumorprøver fra hver pasient for å undersøke heterogeniteten i slik multifokal prostatakreft. Våre funn viser at det er betydelige ulikheter innad i hver pasient. Dette understreker behovet for å identifisere hvilket fokus som er mest aggressivt i hver pasient og tilpasse behandlingen deretter. Videre viser det behovet for å inkludere flere biopsier fra hver pasient i prostatakreftforskning, siden enkeltbiopsier sjeldent er representative for hele sykdomsbildet. På tross av utfordringer med heterogenitet, har vi klart å identifisere et sett på 16 gener med prognostisk verdi hvor uttrykket  er stabilt innenfor hver pasient, uavhengig av hvilket fokus biopsien er tatt fra. Målet med det videre arbeidet er å finne et utvalg blant disse genene som kan utvikles til en prognostisk test for prostatakreft som ikke er avhengig av hvilken svulst, eller hvor i svulsten prøvematerialet hentes fra. Vi har derfor målt genuttrykket fra de 16 genene i en uavhengig kohort med flere vevsprøver tatt for hver pasient. Resultatene fra studien viste at flertallet av genene hadde en signifikant assosiering med tilbakefall. Dette arbeidet har vært en viktig bekreftelse på at vi nå er i en god posisjon for videre arbeidet med å utvikle en prognostisk test for prostatakreft.

KVAL: Prostate cancer classifier

Et nytt legemiddel mot kreft i bukspyttkjertelen

Duktalt adenokarsinom i pancreas (PDAC), mer kjent som bukspyttkjertelkreft er en alvorlig sykdom. Bare 8% av pasientene overlever 5 år etter diagnose. Til tross for en betydelig innsats har man ikke greid å forbedre overlevelsen hos disse pasientene vesentlig i de siste 45 årene. I fravær av paradigmeskifter i behandlingen, tilbys pasientene fortsatt uspesifikke, generelle cytostatika som standard. Det er derfor et stort medisinsk behov for å utvikle nye medikamenter for PDAC, potensielt rettet mot nye cellulære targets.
Vi har identifisert flere inhibitor-kandidater mot et lovende nytt PDAC-målprotein ved å screene dette mot et kjemisk bibliotek bestående 28 000 forbindelser ved Norsk senter for molekylærmedisin. Kandidatene er analysert og evaluert ved bruk av enzymatiske og cellebaserte assay. Videre har vi kartlagt 3D-strukturen til målproteinet i kompleks med de ulike inhibitorene for å finne ut hvordan kandidatene binder og hemmer aktiviteten til målproteinet. I dette prosjektet har vi verifisert og validert flere av våre treff, og disse danner nå grunnlaget for design av 2.-generasjonshemmere som del av et forberedende arbeid for å etablere et solid grunnlag for et større innovasjonsprosjekt for å utvikle terapi for PDAC. Vi har også etablert en ny protokoll for å analysere intracellulær hemming av målproteinet som vil bli nyttig for utvikling av nye hemmere.

KVAL: A novel drug for pancreatic cancer

En fellesnevner for moderne kreftbehandling er behovet for nye metoder som kan predikere hvilke pasienter som vil ha nytte av tilgjengelige behandling, såkalt presisjonsmedisin. Dette konseptet har som mål å gi rett medisin til rett person til riktig tid. Hvordan kan så dette målet oppnås? 
En viktig informasjonskilde er molekylene, i form av for eksempel mRNA og proteiner, som definer komposisjonen til tumoren. Ved å benytte data fra kliniske studier kan vi ved hjelp av maskinlæring finne ut hvilke av disse molekylene som tilsammen kan danne signaturer som avslører hvilke pasienter som vil oppnå god respons på utvalgte behandlinger. Ved bruk av denne metoden har vi laget en prediktiv respons signatur kalt ViRP. Denne kan forutsi hvilke brystkreftpasienter som bør få tilbud om behandling hvor legemiddelet bevacizumab blir gitt i tillegg til standard kjemoterapi. Bevacizumab er et anti-angiogenisk legemiddel som hindrer tilvekst av blodårer i tumor og har vist seg svært tilfredsstillende som i behandling av flere typer kreft, med unntak av brystkreft. Grunnet manglende generell effekt tilbys dette legemiddelet ikke til denne pasientgruppen i dag på tross av at det er godkjent for bruk. Vi har med støtte fra stort internasjonalt legemiddelselskap satt opp en ny prospektiv klinisk studie (NAPEER+) hvor vi benytter vår ViRP signatur til å velge ut pasienter for denne behandlingen og vil således kunne evaluere nytteverdien. 
Gjennom dette prosjektet har vi kartlagt markedet og intervjuet klinikere i USA og Europa om hvordan de vurderer teknologien. Dette har gjort oss i stand til å bedre forstå hvordan vi skal plassere produktet i markedet og gitt oss kunnskap om krav til sluttproduktet. Klinikerne med lang erfaring med behandling av brystkreftpasienter ga positive tilbakemeldinger på teknologien. Dette viser at teknologien dekker et udekket behov i markedet.
Med tanke på utvidelse av bruken av vår ViRP signatur til utvelgelse av pasienter med andre kreftformer enn brystkreft, har vi i dette prosjektet inngått avtaler som gir oss tilgang på relevante data for validering fra to studier utført på kolorektal- og eggstokk-kreft. Dette er kreftformer hvor bevacizumab allerede benyttes, men hvor det også er behov for å identifisere pasienter med nytte av denne type behandling. 
Vi har utarbeidet en plan for ytterligere validering av teknologien og satt opp en strategi for kommersialisering.

KVAL: Development of Clinical assay to predict treatment response in breast cancer

Utvikling av metode for diagnostisering av cøliaki uten behov for gluteneksponering 

Forskere ved Oslo universitetssykehus og Universitetet i Oslo, ledet av prof. Ludvig Sollid, har studert glutenspesifikke immunceller (T-celler) fra cøliakipasienter. Disse T-celle spiller en sentral rolle i sykdomsutviklingen, og cellene eksisterer i lang tid (tiår) hos i pasientene. De har identifisert et sett med reseptorer (TCR) på overflaten av de glutenspesifikke T-celler som cellene bruker til å gjenkjenne gluten. For en endelig diagnostisering av cøliaki hos voksne må man i dag gjennomgå en endoskopi som er en inngripende prosedyre. I tillegg må pasientene i forkant av undersøkelsen være eksponert for gluten i en lengre periode. 
I dette prosjektet er det undersøkt om påvisning av DNA sekvenser som koder for TCR hos glutenspesifikke T-celler kan brukes som en metode for å diagnostisere cøliaki. Utgangspunktet for analysen er blodprøver, og ambisjonen har vært at testen skulle fungere også hos personer som står på glutenfri kost. Undersøkelsene er gjort i en testsituasjon som likner på det virkelige liv. Konklusjonen fra studien er at metoden ikke virker godt nok til å kunne erstatte eksisterende tester. Dette er delvis fordi de aktuelle TCR sekvensene også er påvist hos friske personer.

KVAL: Development of T cell receptor sequencing based method for diagnosing celiac disease

"Nå klarer jeg meg alene på toalettet" «WC bøylen gjør at jeg klarer å ta av og på klærne selv og slipper å vente til hjelpen kommer». Toaletthjelpemidlet WC bøyle skal utvikles for å hjelpe mennesker med balanseproblemer for å oppnå selvstendighet i toalettsituasjonen. Et liv med skade skal også leves. Høy livskvalitet er viktig og kan oppnås med opplevelse av økt mestring av dagligdagse aktiviteter. Erfaring fra rehabiliteringsfeltet er at mennesker med balanseproblemer ofte vil oppleve at WC situasjonen blir for stort tema i hverdagen, det nedverdigende i å motta personhjelp på toalettet, - bare for å ta klærne av og på. Det er viktig å kunne besøke toalettet når man har behov uten å vente på hjelp fra andre. Kommunehelsetjenesten hjelper gjerne med slik tjeneste, men de må som regel komme til faste tider. Den enkle WC bøylen gir støtte rundt kroppen og dermed trygghet og mulighet å ta klærne av og på. Bøylens utforming gjør at den er lett å håndtere og å forstå hvordan den skal brukes. WC bøylen har enkel, plassbesparende utforming og ivaretar hygieniske prinsipper. At den ikke har støtte mot gulv gjør at den heller ikke har noe å snuble i. Den kan dermed hindre fall og gi sikkerhet, noe som er viktig for å kunne bo hjemmet etter oppstått eller medfødt sykdom og skade. Samfunnsmessig besparelse kan være at færre personer trenger regelmessig besøk i hjemmet. At bøylen gir god fysisk støtte kan forhindre fall og dermed påfølgende sykehusinnleggelser. Størst kan likevel besparelsen være på enkeltindividet som slipper å ha ukjente personer til å hjelpe seg i de mest intime situasjonene. Det finnes I dag ingen tekniske hjelpemidler som gir samme trygghet som WC bøylen. WC bøylen vil kunne være til nytte både hjemme privat og i offentlige bygninger og ellers der tilgang til toalett er nødvendig som f.eks. restauranter. På Sunnaas sykehus har vi klinisk testet, justert og verifisert modifiseringene på en prototype av WC bøylen.

0 projects

FORNY20-FORNY2020

A urine test for bladder cancer detection and monitoring

Awarded: NOK 5.0 mill.

Project Period: 2024-2027

Location: Oslo

FORNY20-FORNY2020

Absolut! - A tool for benchmarking ML-methods for Ab-Ag design

Awarded: NOK 0.50 mill.

Project Period: 2023-2024

Location: Oslo

FORNY20-FORNY2020

KVAL: Automated quantification of body composition from CT scans

Awarded: NOK 0.34 mill.

Project Period: 2022-2023

Location: Oslo

FORNY20-FORNY2020

KVAL: Prostate cancer classifier

Awarded: NOK 0.50 mill.

Project Period: 2022-2023

Location: Oslo

FORNY20-FORNY2020

KVAL: A novel drug for pancreatic cancer

Awarded: NOK 0.50 mill.

Project Period: 2022-2023

Location: Oslo

FORNY20-FORNY2020

KVAL: Development of Clinical assay to predict treatment response in breast cancer

Awarded: NOK 0.50 mill.

Project Period: 2021-2022

Location: Oslo

FORNY20-FORNY2020

KVAL: Development of T cell receptor sequencing based method for diagnosing celiac disease

Awarded: NOK 0.50 mill.

Project Period: 2021-2023

Location: Oslo

FORNY20-FORNY2020

MP: WC hoop

Awarded: NOK 0.50 mill.

Project Period: 2020-2021

Location: Oslo