Tilbake til søkeresultatene

IKTPLUSS-IKT og digital innovasjon

DoMore! : In silico Pathology - Improving diagnosis by utilizing Big Data and software-driven automation of pathology

Alternativ tittel: DoMore! : In silico Pathology - Improving diagnosis by utilizing Big Data and software-driven automation of pathology

Tildelt: kr 59,7 mill.

Kreftsvulster er ofte heterogene; det vil si at ulike deler av svulsten har ulike egenskaper, derfor vil ikke analyse av ett område av en svulst være representativ for svulsten i sin helhet. Dette er utfordrende bl.a. når man skal undersøker diagnostiske og prognostiske markører, og i de fleste publiserte studier og i klinisk diagnostikk analyserer man kun materiale fra en tumorblokk. Hvis man skal ta hensyn til heterogenitet i svulster, vil arbeidsmengden øke betraktelig. Med begrensede ressurser, og sterkt begrenset tilgang på patologer, kan økt prøvehåndtering kun oppnås ved digitalisering og automatisering av analysene som kreves for diagnostisering og identifisering av prognostiske biomarkører. Målet med DoMore! var å etablere verktøy for automatisering av diagnostiske og prognostiske metoder innen digital patologi. Utvikling av IKT-løsninger som skulle supplere metoder innen patologi har vært sentralt for DoMore! Ved å utnytte Big Data produsert ved in silico patologi, var målet å øke produktiviteten og kvaliteten innen kreft-diagnostikk og prognostisering, og dermed også behandlingen av kreftpasienter. Videre ønsket vi, ved bruk av objektive og reproduserbare algoritmer, å overføre den komplekse beslutningsprosessen om rett behandlingsvalg til datamaskiner. I dette arbeidet har vi studert de tre vanligste kreftformene; prostata, tykk- og endetarmskreft og lunge. Vi har bl.a. benyttet bildeanalyse ved dyplæring, teksturanalyse og kvantifisering av DNA. DoMore! prosjektet har blitt gjort i tett samarbeid med forskere og klinikere fra Universitetet i Oxfords Kreftmedisinske institutt og kreftsykehus, Universitetet i London, Universitetet i Oslo, Sykehuset i Vestfold, Sykehuset i Cheltenham, Universitetet i Liverpool, Universitetet i Glasgow, UiT Norges arktiske universitet, Stavanger Universitetssykehus, Akershus Universitetssykehus, samt flere avdelinger ved Oslo Universitetssykehus HF. Til sammen har de bidratt med materiale fra 11.454 pasienter med prostata, lunge, ende- og tykktarm, blære, mammae eller endometriekreft. Totalt i har analysert 57.326 kreftprøver, som tilsvarer en produksjon på omtrentlig 2500TB data. Dette omfattende materialet har tillatt oss å designe og utvikle kunstig intelligens (KI) løsninger med fokus på kreft prognose. I løpet av prosjektet har vi skrevet kode for over 100 applikasjoner og skript, som har resultert i utviklingen av 7 ferdigstilte produkter, mens ytterligere 4 produkter forventes ferdigstilt de neste to årene. Ved bruk av nevrale konvlusjonsnettverk, har vi utviklet løsninger som Histotyping, tumor segmentering, automatisk mitotisk telling og fokusdeteksjon applikasjoner. I tillegg har vi adaptert etablerte metoder som DNA ploidi fra mikroskop til digitale skannere, samt utviklet rammeverk for å karakterisere kromatinstruktur. Med sine 19 (Gjennomsnitt/Median IF= 22/8) akademiske publikasjoner i gode fagfellevurderte tidsskrifter, har DoMore! prosjektet vekket betydelig interesse, både nasjonalt og internasjonalt. I tillegg til den akademiske fremgangen, har DoMore! prosjektet vært dekket i flere andre medier, som f.eks. nyhetsartikler, illustrasjonsvideoer og podkaster. Fra integrasjon av softvare i DIPS Arena til implementering av Histotyping i Oxford, Oslo Universitets Sykehus og Sykehuset i Vestfold, samt etablering av spin-off selskapet DoMore Diagnostics AS, har vi lagt et solid grunnlag for at våre KI metoder skal nå ut til pasienten og tillate oss å finne mest optimale behandling for hver pasient.

By developing generic and objective digital prognostic markers for cancer, we have established robust systems and ICT solutions to supplement methods in pathology to increase productivity and quality, and hence treatment of cancer. With automated methods, we have been able to DoMore, and to properly address the heterogeneity with less resources than used in todays practice. We have contributed to the digitalization of pathology and paved the way for the transition from digital pathology to in silico pathology, by introducing AI/deep learning into tissue diagnostics. This transition will change pathology as we know it, and compensate for the shortage of pathologists and the uneven distribution of best practice. To bring our research to the clinic, thus the patient, we have provided DIPS with the necessary tools for integration of our products and also through the establishment of the company DoMore Diagnostics AS that will commercialize the products within the project.

Preproject number 255241 The main project is all about researching and developing ICT solutions to supplement or replace methods in pathology to increase productivity and quality and hence treatment of cancer, based on analysis of Big Data produced by digital pathology. Most prognostic studies suffer from undersampling. To account for heterogeneity most studies would have to increase the workload by a factor of 5-10. With limited resources and strongly limited access to pathologists, this cannot be achieved unless we manage to digitalize and largely automate both the preparation and analysis required to render a diagnosis and identify prognostic biomarkers. This is what this project is designed to do, and we have put together a group of international leaders in the different fields involved, from robotics and machine learning to digital image analysis and from tumor pathology to cancer surgery and oncology. Our ambition is to completely transfer the very complex thinking and decision-making from its current basis in visual observation to a computer basis with objective, reproducible algorithms. The concepts involved are based on image analysis and more specifically: deep learning, texture analysis, and quantification of DNA. We will focus on three major cancer forms, i.e. lung cancer, colorectal cancer and prostate cancer and work with large retrospective clinical materials with known clinical outcomes and the methods will be applied to routine paraffin-imbedded material. The DoMore! project will facilitate the long awaited digitalization of pathology and establish more efficient and objective cancer prognostication that can be made equally available to all patients. We expect a number of different project results; increased efficiency in pathology, methods and markers to aid the clinician to give better and more personalized treatment to cancer patients, patents and publications, products (algorithms, applications, services, data) and spin-off companies.

Budsjettformål:

IKTPLUSS-IKT og digital innovasjon