Svensk AI ska hjälpa läkare att ställa cancerdiagnoser



Bristen på patologer utgör en svag länk inom cancervården som leder till långa väntetider och feldiagnoser. Med hjälp av digitala bilder och artificiell intelligens hoppas svenska Contextvision kunna vända på den trenden. Bolaget har påbörjat utvecklingen av sina första produkter inom ”digital patologi” och ligger redan i framkant på en snabbt växande marknad.

Cancerfallen ökar i en alarmerande takt, både i Sverige och globalt, och sjukvården får allt svårare att hantera det växande antalet patienter. En av vårdens största utmaningar är bristen på patologer, alltså de läkare som analyserar vävnadsprover för att ställa diagnos. Så sent som förra året varnade exempelvis Svensk förening för Patologi om att den alarmerande bristen på patologer utgjorde ett akut hot mot svensk cancervård och liknande kriser har rapporteras världen över.

Resultatet av detta är att patologin idag ofta blir den svaga länken i cancervården. Bristen på patologer innebär nämligen både att patienter måste vänta längre på diagnos och att risken för feldiagnoser ökar, två faktorer som gör skillnaden mellan liv och död.

För att möta denna utmaning sätter många nu sitt hopp till digital teknik, som ska hjälpa patologerna att ställa bättre och snabbare diagnoser. Denna marknad, även känd som digital patologi, förväntas enligt Markets & Markets växa med i genomsnitt 12 procent per år under de närmsta fem åren, till ett värde på över 670 miljoner dollar år 2021. Ett av företagen som driver på utvecklingen är svenska Contextvision som storsatsar på att utveckla mjukvara för digital patologi.

– Det vi jobbar med är att ta fram beslutstöd åt patologerna. Det har två syften egentligen; det ena är att effektivisera så att patologerna kan få ett bättre ”workflow” och fokuserar på rätt saker. Det andra är att de inte ska missa någonting och ställa rätt diagnos, säger Anita Tollstadius, vd för Contextvision.

»Vi kommer få ännu högre precision i de produkter vi levererar och det blir en säkerhet för läkaren att kunna jämföra sin egen bedömning med det här«

Läs mer om Contextvisons arbete inom digital patologi

AI skapar bättre diagnoser

Contextvision har sin bakgrund inom medicinsk bildförbättring och bildanalys men har de senaste åren breddad sin forskning och satt fokus mot digital patologi. Med sig har man över 30 års erfarenhet av bildanalys, som nu kombinerats med en unik kompetens inom artificiell intelligens (AI). Tanken är att utveckla programvara som lär sig själv att känna igen tumörvävnad och på så vis kan hjälpa läkarna att hitta den.

– Vi har lämnat in en patentansökan för en metod som gör att vi kan ”färga” en viss typ av celler. På så vis kan vi använda mer objektiv information för att träna algoritmerna än om en läkare berättar vad som är vad. Med hjälp av den metoden tror vi att vi kommer få ännu högre precision i de produkter vi levererar och det blir en säkerhet för läkaren att kunna jämföra sin egen bedömning med det här, säger Anita Tollstadius.

Utvecklingsarbetet har delvis skett inom ramen för ett Eurostars-finansierat forskningsprojekt tillsammans med en Schweizisk forskargrupp men projektet är större än så. Contextvision har därför satsat hårt på att rekrytera extern kompetens inom AI och samtidigt kompetensutveckla sin egen organisation. Enligt Anita Tollstadius har bolaget därigenom, på bara några år, förvandlats till ett forskningsbolag med spetskompetens inom AI.

»Vi har en enorm fördel i och med att vi har så lång erfarenhet av att bygga produkter som ”tål” sjukvårdens höga krav«

Redan i världstoppen

Ett tydligt kvitto på hur långt de kommit fick Contextvision i höstas när de deltog i en tävling kring automatiserad bildanalys för digital patologi. Tävlingen gick ut på att ta fram en automatisk metod för att fastställa hur aggressivt en bröstcancertumör växte och Contextvision hamnade, i konkurrens med internationella jättar som IBM och Microsoft, i topp tre på samtliga deltävlingar och på en andra plats i den mest centrala deltävlingen.

Med dessa resultat i ryggen kommer Contextvision nu gå in i en produktutvecklingsfas under 2017, med målet att få fram en första produkt under nästa år.  Primärt har bolaget riktat in sig på prostata- och bröstcancer, två vanliga cancerformer där digitala beslutstöd kommer kunna ge snabbare diagnoser men också kommer hjälpa till att fastställa vilken behandling som är mest lämplig.

– Jag är övertygad om att läkare kommer ha mycket hjälp av olika verktyg för att lättare se vilken patient som ska ha vilken behandling. Det handlar dels om att titta på hur aggressiv cancern är och vilken typ av cancer det är. Men jag tror också att vi på sikt kommer kunna ta det ett steg till; så att vi mycket enklare kan se vem som kommer svara på vilka läkemedel.

För att leda utvecklingen fram mot denna vision kommer Contextvision också fortsätta sitt forskningsarbete vid sidan av produktutvecklingen. Contextvision har, enligt Anita Tollstadius, en stor fördel mot många av de nystartade bolag som försöker slå sig fram inom det här segmentet.

– Vi har en enorm fördel i och med att vi har så lång erfarenhet av att bygga produkter som ”tål” sjukvårdens höga krav. Vi har mjukvara idag som är installerad i över 200 000 system ute i sjukvården, så vi vet vad som krävs och vi kan produktutveckla.

Läs mer om Contextvisions teknologi här.

Presenteras av 


Om ContextVision

  • Bas i Linköping och Stockholm
  • 40 anställda
  • OEM försäljning
  • Noterade på Oslo börs
  • Ticker: COV
  • Global marknadsledare inom bildförbättring för medicinska bilder
  • Specialistkompetens inom bildprocessning

Läs mer om oss på:

www.contextvision.com 


Fakta Digital patologi:

Histopatologi betyder läran om sjukliga ändringar i människokroppens vävnader. 

Vävnadsprover tas till exempel för att diagnosticera och prognosticera cancer, och en snabb och korrekt analys av vävnaden är central för att patienten skall få rätt behandling. Det råder dock brist på patologer samtidigt som mängden prover ökar dramatiskt.

Idag pågår en digitalisering inom patologin vilket innebär att man skapar en digital bild av vävnadsprovet, som sedan kan analyseras med hjälp av bildanalys. På så sätt kan patologernas arbete underlättas och effektiviseras.


Fakta deep learning:

Deep learning, det senaste inom machine learning, är en teknologi för mönsterigenkänning som kan appliceras på både bilder och ljud. Den används redan idag exempelvis för ansiktsigenkänning och speach recognition. 

Teknologin är självlärande utifrån stora mängder av data och bygger på att data processas i olika lager för att identifiera olika mönster och strukturer. 

Redaktionen