DL: PROVIZ - Prostate cancer visualization by MRI - Improved diagnostics using artificial intelligence

Prostatakreft er den vanligste formen for kreft blant menn. MR avbildning er den første undersøkelsen som utføres når menn henvises til spesialisthelsetjenesten på grunn av mistanke om prostatakreft. Til tross for store forbedringer i medisinsk bildekvalitet over de siste årene, er det fortsatt vanskelig å skille mellom indolent og aggressiv prostatakreft, og den endelige diagnosen er i stor grad avhengig av invasive og ofte unødvendige biopsier. En betydelig flaskehals i dagens kliniske praksis er at håndtering og evaluering av MR-bildene krever store menneskelige ressurser (radiologer). Disse ekspertene er kompetente, men også tidsbegrensede og kostnadskrevende ressurser som ikke kan skaleres til den stadig økende pasientmengden. Kunstig intelligens (AI) har vakt enorm interesse innen radiologifeltet på grunn av sitt potensiale til å forbedre diagnostiske prosesser. Ved å automatisere og støtte radiologisk arbeidsflyt, kan AI bidra til å lette arbeidsbelastningen for helsepersonell. Dessuten utnytter AI den iboende kvantitative informasjonen fra medisinske bilder, og kan dermed potensielt øke diagnostisk nøyaktighet sammenlignet med det som er mulig å oppnå med dagens kvalitative eksperttolkning. Målet med det nåværende prosjektet var å utvikle et transparent og forklarbart kunstig intelligens-system for diagnostikk av prostatakreft, for dermed å redusere helsetjenestekostnader og etterspørsel på medisinsk personell, samt forbedre diagnostisk nøyaktighet, behandling og livskvalitet for pasientene. Utvikling av beslutningsstøttesystemer basert på kunstig intelligens krever en stor mengde representativ data, helst med opprinnelse fra ulike steder og sykehus over hele verden for å sikre generaliserbarhet. For å imøtekomme dette har PROVIZ generert en omfattende database med MR-bilder og klinisk informasjon fra pasienter i Norge, Nederland og Taiwan, der data fra mer enn 5000 pasienter nå er tilgjengelige. Dette datasettet vil være en unik kilde for videre forskning og utvikling, også etter avslutningen av PROVIZ. I PROVIZ har vi utnyttet disse dataene til å utvikle et helautomatisert system for deteksjon av prostatakreft i MR-bilder basert på kunstig intelligens. Det endelige verktøyet er patentert, og forskningen har ført til flere spin-off innovasjonsprosjekter. Vi gjennomfører for øyeblikket en klinisk studie for validering av verktøyet i klinisk arbeidsflyt ved St. Olavs universitetssykehus. Dette er det første egenutviklede AI-produktet beregnet for bruk i en spesifikk MRI-applikasjon som testes under de nye EU-reguleringene for medisinsk programvare for medisinsk utstyr i Norge. Transdisiplinært samarbeid har vært en avgjørende suksessfaktor for måloppnåelsen.

Resultatene fra prosjektet har nytteverdi for ulike sektorer, og de har brakt forskningsfeltet videre. Vår kliniske studie er den første som gjennomføres i Norge hvor en egenutviklet KI-algoritme til bruk i MR-diagnostikk valideres i klinisk flyt (med godkjenning i hht EUs nye regulativ om utprøving av medisinsk utstyr). Prosjektet har dessuten samlet store mengder annoterte data, noe som vil være viktig grunnlag for ny forskning i et felt som er i rivende utvikling. Prosjektet har hatt stor nytteverdi for kompetanseutvikling. Det tette samarbeidet mellom klinikk og teknologi har etablert et solid grunnlag for ny/videre forskning basert på større forståelse av kliniske problemstillinger og hvordan KI kan være et hjelpemiddel. Det etablerte transdisiplinære samarbeidet og rammeverket for RRI vil også være nyttig når vi skal være med på KI-satsning i årene som kommer (EU, NFR). RRI fokuset og samarbeidet med Kreftforeningen har dessuten gitt oss erfaring i toveis-kommunikasjon med relevante sluttbrukere. Innovasjonsprosessen for vårt produkt pågår fortsatt. Patentsøknaden blir ferdigbehandlet neste år. Vi har hatt dialog med relevante stakeholders om lisensiering, og samtidig vurderes det om det kan være mulig å etablere et spin-off selskap for å håndtere kommersialiseringen av produktet. Det endelige svaret på om vårt produkt kan bidra til å redusere helsetjenestekostnader og etterspørsel på medisinsk personell, samt forbedre diagnostisk nøyaktighet, behandling og livskvalitet for pasientene, ligger derfor litt frem i tid.

Prostate cancer affects approximately 1 in 8 men during their lifetime. This number is expected to increase substantially due to the aging population, and new clinical diagnostic tools are urgently needed. Magnetic resonance imaging (MRI) has become a key component in the diagnostic workup. However, the interpretation of MRI images relies on the manual reading by experienced radiologists, which is a time and cost-intensive resource. Moreover, this process underuses the quantitative nature of the data. We hypothesize that better diagnostic performance is achievable by providing the radiologist with a decision support system based on artificial intelligence (AI). For such a system to work in clinical practice, it needs to be accurate as well as transparent and interpretable. We propose to develop a decision support system that combines transparent AI methods, deep learning and model-based imaging features, and clinical information to provide the radiologist with a new set of interpretable tools to more accurately and efficiently detect prostate cancer, differentiate between high-risk and low-risk disease, and target prostate biopsies. The foundation of this project is formed by a unique Norwegian dataset of >1600 patients with MRI examinations and clinical variables, and an interdisciplinary project team with dedicated experience in MRI, AI, urology and radiology. Our collaboration with international experts in the field ensures access to similar data from The Netherlands and Taiwan, enabling solutions that also cover challenges related to demographic and multi-center variance. The project has the potential to substantially reduce health care costs, alleviate the demand on medical personnel, and obtain better treatment stratification, less side-effects, and improved quality of life in a relatively short timeframe. Development of transparent and interactive processes for responsible research and innovation will be an integrated part of the project.