Deep Radiomics Decision Support System for Prostate Cancer Management

Medisinsk avbildning, og da spesielt MR avbildning, er stadig viktigere innen kreftdiagnostikk fordi det åpner opp for å vurdere hele organer basert på ulike vevsegenskaper i form av kvantitativ, flerdimensjonal og multiparametrisk bildeinformasjon. Klinisk tolkning og evaluering er avgjørende for å sikre den beste oppfølgingen for pasienten. Dette arbeidet gjøres hovedsakelig manuelt og kvalitativt av erfarne radiologer i tråd med standardiserte retningslinjer. Selv om denne praksisen har resultert i forbedret helsetjeneste, er begrensninger at tolkningen er arbeidskrevende og subjektivt, noe som kan føre til under- og overdiagnostikk. I tillegg bidrar faktorer som økende aldrende befolkning og kreftinsidens, økt bevissthet og bredere tilgjengelighet av diagnostisk avbildning, til at mengden bildedata øker eksponentielt. Radiologer er imidlertid tidsbegrensede og kostnadskrevende ressurser som ikke kan skaleres for de forventede fremtidige behovene innen bildetolkning. Det er derfor et udekket klinisk behov for en optimalisert og automatisert radiologisk arbeidsflyt som er reproduserbar, objektiv, skalerbar og i stand til å utnytte hele spekteret av klinisk informasjon som er innebygd i bildene. Dette har utløst klinisk og kommersiell interesse for beslutningsstøtte basert på kunstig intelligens (KI), spesielt innen prostatakreftbehandling. CIMORe-gruppen ved ISB, NTNU, har nylig utviklet et banebrytende KI-beslutningsstøtteverktøy som analyserer MR bilder og kliniske data for mer treffsikker påvisning og stratifisering av prostatakreft. I motsetning til «black-box» KI, tilbyr vår tilnærming transparente og forståelige innsikter til klinikere. Gjennom kvalifiseringsstøtte fra NFR, har vi utforsket kommersialiseringspotensialet til teknologien, inkludert markedsanalyse og forretningsmodeller, samt tekniske aspekter, interoperabilitet, brukervennlighet og regulatoriske hensyn.Som en del av kommersialiseringsundersøkelsen deltok prosjektet i REACH inkubatorprogram i Silicon Valley, USA, organisert av Nordic Innovation House, Palo Alto, spesielt tilpasset nordiske forskningsprosjekter eller oppstartsbedrifter. På den tekniske fronten har det blitt igangsatt klinisk testing av teknologibevis ved St. Olavs Hospital i Trondheim

In this qualification grant project, we explored the commercialization potential and technical aspects of delivering an AI decision support system for more accurate and efficient detection of prostate cancer. This system was developed by the Cancer Imaging and Multi-Omics Research (CIMORe) Group at ISB, NTNU. As part of this endeavor, proof-of-technology clinical trials have been initiated at St. Olav Hospital in Trondheim. At the research level, this project has equipped us with the expertise to transfer and implement research projects or ideas into tangible products or services. On a societal and patient level, the clinical integration of the AI decision support system holds promise for enabling early detection and accurate diagnosis of prostate cancer, leading to improved treatment outcomes and enhanced quality of life for patients. Moreover, leveraging AI in radiology could streamline the prostate cancer treatment pathway, ultimately reducing costs. Addressing global health challenges is a key priority of the UN Sustainable Development Goals. Lack of adequately skilled healthcare personnel and appropriate technology pose significant obstacles to achieving this goal. Our project has the potential to contribute to addressing these challenges. From a global health perspective, the utilization of AI for prostate cancer diagnosis could help narrow the gap in disease care, particularly between developed and underdeveloped countries. In regions with limited resources and personnel, such as Sub-Saharan Africa, where there are roughly 2 radiologists per million people compared to 116 per million in Europe and North America, AI-based decision support systems could play a crucial role in facilitating and augmenting the work of radiologists. Furthermore, the integration of AI decision support systems into radiological decision-making processes will create opportunities for implementing novel approaches to data analysis and radiological image interpretation, potentially leading to the development of new skills and job opportunities. This could significantly impact the training of future radiologists